近年來整體的營建市場較為不景氣，因此目前營建公司將成本的控制視為重要的一環，期望藉由工程技術的提昇，以降低工程費用的支出。
鋼筋裁切係由已知尺寸的原料鋼筋中，以最佳方式裁出符合需求尺寸的鋼筋。主要為明確地規劃每一段需求鋼筋應由哪一根原料鋼筋裁切而得的方式，即建立需求和原料鋼筋之間關係的裁切計畫。本研究規劃的目標為鋼筋總成本最小化，包含裁切後未使用的原料鋼筋退回價值、已使用原料鋼筋剩料轉賣價值及減少裁切次數所花費的成本。鋼筋總成本最小化將有助於減少鋼筋工程成本費用。以長期來看，透過良好的鋼筋裁切計畫將可以節省可觀的不必要成本支出。
本研究提出鋼筋裁切問題的裁切模式，並發展新式質群演算方法。質群演算法是利用群體智慧的概念，在可行解範圍的空間內有效率地搜尋良好解。進一步分析此模式，決定最適合之質群演算法。針對實際案例進行演算測試，以驗證本模式確實能夠正確且有效率地求解出品質良好的裁切計畫。模式並以電腦化作業的方式，來節省規劃人力，提升工程品質，滿足建築工地的施工需求。

Since construction industry has been under recession in recent years, construction companies treat cost control as an important issue.  It is expected that enhancing construction technique can reduce the cost.
The steel bar to be cut is selected from steel bar raw material of fixed sizes by optimization.  To precisely plan which steel bar raw material should be cut to produce specific steel bars, the cutting plan of raw material was developed.  The objective of this research is to minimize total cost of steel bar, including return value of cut but not used steel bar, resell value of surplus steel bar and reduced cost by cut frequency reduction.  Total steel bar cost minimization will contribute to steel bar construction cost.  In the long-term, a sound steel bar cut plan can avoid tremendous dispensable cost.
This research proposed a steel bar cutting model, which includes a new Particle Swarm Optimization (PSO).  The PSO utilizes the concept of swarm intelligence to obtain the optimal solution efficiently. The model was applied to real cases. The results verified that the proposed model can produce a solution of a high quality cut plan correctly and efficiently.  The model is computerized to save planning manpower, enhance construction quality and satisfy job site construction requirements.

目錄......................................................I
圖目錄....................................................V
表目錄..................................................VII
第一章 緒論...............................................1
   1.1 研究動機...........................................1
   1.2 研究目的...........................................2
   1.3 研究範圍...........................................3
   1.4 研究方法與流程.....................................3
   1.5 論文架構...........................................7
第二章  背景介紹與文獻回顧................................9
   2.1 鋼筋之相關介紹.....................................9
     2.1.1 鋼筋生產之流程.................................9
     2.1.2 鋼筋生產之種類................................10
     2.1.3 鋼筋號數及分類................................14
     2.1.4 鋼筋施工流程之架構............................17
     2.1.5 鋼筋工程之分工策略............................18
   2.2 鋼筋成本..........................................20
     2.2.1 鋼筋價格......................................20
     2.2.2 裁切成本對工程之影響..........................21
   2.3 最佳化理論應用於原料裁切問題......................23
     2.3.1 傳統最佳化方法應用於原料裁切問題..............24
     2.3.2 新式演算法應用於原料裁切問題..................27
   2.4 質群演算法相關研究及應用..........................29
     2.4.1 演算法系統之研究..............................29
     2.4.2 演算法之應用..................................31
   2.5 結論..............................................33
第三章 基本理論介紹......................................35
   3.1 質群演算法之發展背景..............................35
   3.2 質群演算法之理論介紹..............................36
   3.3 質群演算法之演算步驟..............................40
   3.4 質群演算法和其他演算法之比較......................43
   3.5 結論..............................................48
第四章 鋼筋裁切問題之求解模式............................49
   4.1 鋼筋裁切問題......................................49
     4.1.1 問題背景描述..................................50
     4.1.2 問題定義......................................51
     4.1.3 研究假設......................................51
   4.2 模式考慮因子......................................52
     4.2.1 剩料價值......................................52
     4.2.2 裁切次數......................................54
   4.3 質群演算法運算流程................................55
   4.4 模式驗證..........................................62
     4.4.1 例題測試......................................62
     4.4.2 測試結果與求解效率............................63
   4.5 結論..............................................65
第五章 範例實證及結果比較................................66
   5.1 範例實證..........................................66
     5.1.1 案例說明......................................66
     5.1.2 求解效率及結果................................67
   5.2 情境分析..........................................71
     5.2.1 粒子數........................................71
     5.2.2 慣性權重......................................73
     5.2.3 學習因子......................................75
     5.2.4 最大速度......................................76
   5.3  與GA比較.........................................78
   5.4  結論.............................................79
第六章 結論與未來研究方向................................80
   6.1 結論..............................................80
    6.2 未來研究方向.......	..............................81
參考文獻.................................................83

圖 1-1 研究流程圖.........................................6
圖 2-1 鋼筋產品製造流程..................................10
圖 2-2 單純型定尺料......................................12
圖 2-3 複合型定尺料......................................12
圖 2-4 鋼筋分類圖........................................15
圖 2-5 鋼筋工程流程圖....................................17
圖 3-1 粒子速度與位置搜尋示意圖..........................37
圖 3-2 質群演算法運算流程圖..............................42
圖 3-3 基因演算法流程圖..................................44
圖 4-1 未使用原料鋼筋剩料價值............................53
圖 4-2 已使用原料鋼筋剩料價值............................54
圖 4-3 裁切次數價值圖....................................55
圖 4-4 演算法程式流程圖..................................59
圖 4-5 鋼筋裁切選擇示意圖................................60
圖 4-6 求解結果..........................................64
圖 5-1 鋼筋裁切結果示意圖................................69
圖 5-2 粒子數收斂圖......................................73
圖 5-3 慣性權重收斂圖....................................74
圖 5-4 學習因子收斂圖....................................76
圖 5-5 最大速度收斂圖....................................77

表 2-1 鋼筋尺寸規格......................................14
表 2-2 一般工程費用比例..................................22
表 2-3 一般混凝土建築結構材料用量........................22
表 2-4 質群演算法之相關發展..............................30
表 2-5 質群演算法之相關應用..............................32
表 3-1 基因演算法及質群演算法之比較......................47
表 4-1 原料鋼筋供給數量..................................63
表 4-2 需求鋼筋需求數量..................................63
表 5-1 原料鋼筋供給數量..................................67
表 5-2 需求鋼筋供給數量..................................67
表 5-3 裁切結果..........................................70
表 5-4 粒子數測試時間結果比較............................72
表 5-5 粒子數測試成本結果比較............................72表 5-6 慣性權重測試時間結果比較..........................74
表 5-7 慣性權重測試成本結果比較..........................74
表 5-8 學習因子測試時間結果比較..........................75
表 5-9 學習因子測試成本結果比較..........................75
表5-10 最大速度測試時間結果比較..........................77
表 5-11 最大速度測試成本結果比較.........................77

1.台大北岸，工地訪談，新竹市，2007年。
2.鎰盛有限公司，鋼筋公司訪談，新竹市，2007年。
3.楊秉蒼，「營建鋼筋裁切規劃系統實作與應用」，詹氏書局，2002年。
4.楊秉蒼，「營建管理科學」，詹氏書局，2003年。
5.吳昭慧、張鎮盛，「鋼筋混凝土」，全華科技圖書，2001年。
6.楊世清，「營建管理技術手冊」，地景出版社，2000年。
7.沈宇晟，「鋼筋裁切問題之啟發式解法」，國立成功大學土木工程學系碩士班碩士論文，2005年。
8.張瀚文，「鋼筋裁切順序最佳化模式」，國立成功大學土木工程學系碩士班碩士論文，2005年。
9.陳柏村，「質群演算法於組合型時間成本最佳化問題之研究」，淡江大學土木工程學系碩士班碩士論文，2006年。
10.曾俊傑，「運用質群演算法於智慧型指紋辨識系統之研究」，義守大學電機工程學系碩士班碩士論文，2000年。
11.葉麗雯，「以質群演算法提供供應商最佳化的採購決策」，元智大學工業工程與管理學系碩士班碩士論文，2002年。
12.葉思緯，「應用質群演算法在多目標存貨方面之研究」，元智大學工業工程與管理學系碩士班碩士論文，2004年。
13.王珮珮，「粒子群最佳化進行分散式系統的最佳工作分配」，暨南國際大學資訊管理學系碩士班碩士論文，2005年。
14.林宏穗，「設計一種新型的直交粒子群最佳化演算法」，逢甲大學資訊工程學系碩士班碩士論文，2004年。
15.台灣區鋼鐵工業同業工會，http://www.tsiia.org.tw/。2007年。
16.經濟部標準檢驗局，http://www.bsmi.gov.tw/page/pagetype8_sub.jsp?pageno=635&groupid=26&no=185&type_no=0。（2007/3/26摘錄）
17.經濟日報，96年3月8日，  http://140.114.42.11/job/campintro/company/007/960308a.html。（2007/4/10摘錄）
18.聯合晚報，96年3月26日，
  http://udn.com/NEWS/notfound_BIG5.html。（2007/4/10摘錄）
19.胡曉輝，「粒子群優化算法介紹」，
   http://icdweb.cc.purdue.edu/~hux，2002年4月。
20.單明楊、楊秉蒼，「不同進貨模式對營建鋼筋殘料生成影響之研究」，第六屆營建工程與管理研究成果聯合發表會，1998年。
21.楊秉蒼、呂淑鈴、葉怡成，「最適鋼筋裁切問題之研究」，第九屆大地工程學術研討會論文集，2001年。
22.Gilmore,P.C., and Gomory, R.E., “A Linear Programming approach to the cutting stock problem,” Operational Research, Vol. 9, pp. 849-859 (1961).
23.Gilmore,P.C., and Gomory, R.E., “A Linear Programming approach to the cutting stock problem-part II,” Operational Research, Vol. 11, pp. 863-888 (1963).
24.Dyckhoff, H., “A typology of cutting and packing problems,” European Journal of  Operational Research, Vol. 44, pp. 145-159 (1990).
25.Schilling, G., and Georgiadis, M.C., “An algorithm for the determination of optimal cutting patterns,” Computers and Operations Research, Vol.29,No.8,pp.1041-1058(2002).
26.Enrico Faggioli , Carlo Alberto Bentivoglio, “Heuristic and exact methods for the cutting sequencing problem,” European Journal of Operational Research, Vol.110, pp. 564-575 (1998).
27.Vasko Francis J., Dennis D. Newhart b, Kenneth L. Stott, Jr. b,“A hierarchical approach for one-dimensional cutting stock problems in the steel industry that maximizes yield and minimizes overgrading,” European Journal of Operational Research, Vol. 114, pp. 72-82 (1999).
28.Eberhart, R.C. and Kennedy, J.“A new optimizer using particle swarm theory. Proc. Sixth International Symposium on Micro Machine and Human Science”, Nagoya, Japan, pp.39-43. (1995)
29.Shi, Y. and R. Eberhart ,”A modified Particle Swarm Optimizer,” IEEE International Conference on Evolutionary Computation, May 1998, Anchorage,Alaska,USA.(1998).
30.Shi, Y. and R. Eberhart ,”Particle swarm optimization: developments applications and resources,”Proc. IEEE Int.conf.On Evolutionary Computation, pp.81-86.(2001).
31.Eberhart R. C. and Shi Y. “Comparison between genetic algorithms and particle swarm optimization, ” Evolutionary Programming VII: The 7th Ann. Conf. on Evolutionary Programming, pp.181-184, (1998). 
32.Shi, Y. and Eberhart R., ”Parameter selection in particle swarm optimization,” Evolutionary Programming VII: Proc. EP 98 pp.591-600.Springer-Verlag, New York.(1998).
33.Clerc,M. ”The swarm and the queen: towards a deterministic and adaptive particle swarm optimization,” Proc. I999 Congress on Evolutionary Computation, Washington, DC,Vol. 3,pp.1-1957.(1999).
34.Trelea,I.C.,”The particle swarm optimization algorithm: convergence analysis and parameter selection,” Information Processing Letters, Vol. 85, Issue 6, pp.317-325(2003).
35.Vanderbeck, F., and Wolsey, L.A., “An Exact Algorithm for IP Column Generation,” Operational Research Letters, Vol. 19, No. 4, pp. 151-159 (1996).
36.Antonio, J., Chauvet, F., Chu, C., and Proth, J-M, “The Cutting Stock Problem with Mixed Objectives：Two Heuristics Based on Dynamic Programming,” European Journal of Operational Research, Vol. 114, No2, pp. 395-402 (1999).
37.Pham D. T. and D. Karaboga, Intelligent Optimisation Technique: genetic algorithm, tabu search , simulated annealing and neural networks. New York: Springer Verlag, (1999). 
38.Kennedy, J. and Eberhart, R.C.. Swarm Intelligence. Morgan Kaufmann Press. (2001)
39.Caprara, A., Kellerer, H., Pferschy, U., and Pisinger, D., “Approximation Algorithms for Knapsack Problems with Cardinality Constraints,” European Journal of Operational Research, Vol. 123, No2, pp. 333-345 (2000).
40.Srinivasan, D. and Loo, W.H. and Cheu, R.L. Traffic incident detection using particle swarm optimization. Swarm Intelligence Symposium, Proceedings of the 2003 IEEE, pp.144-151. (2003).
41.Holland, J. H. , ”Adaptation in natural and artificial systems,” University of Michigan press, Ann Arbor, Mich.(1975).