翡翠與石門水庫為台灣北部地區供水最重要兩大水庫，不僅擁有各自供水區外，並同時擁有一個共同供水區，其平日操作通常以本身運轉規線（rule curve）為參考依據，然而規線訂立時並未考量鄰近水庫之水資源調度。故本研究運用Non-Dominated Sorting Genetic Algorithm（NSGA-II）搜尋雙水庫系統之聯合供水策略。兩水庫缺水指標（SI）最小為前提，依據各自運轉規線供應個別供水區；並以聯合運轉規線供應共同供水區。
建置平日供水模擬模式必須考量兩水庫之水位、運轉規線、需水量與計算缺水指標（SI），以獲得兩水庫系統之放水量；並運用NSGA-II搜尋法，考量兩水庫硬體及相關操作要點納入限制式，以翡翠及石門水庫缺水指標（SI）為雙目標，並建置三種方案進行討論與比較：方案一為無任何水位限制，試圖搜尋出最符合兩水源系統使用之聯合供水運轉規線；方案二根據翡翠水庫各旬水位變化趨勢加以制定限制式，以求得符合實際現況之平滑規線；方案三更進一步針對防汛期間，考量汛期前後之差異，以提高水資源運用之效率。
歷時49年旬流量資料模擬出之結果顯示，翡翠水庫較石門水庫有能力支援共同供水區，倘若不考慮真實情況與實際操作人員方便性，方案一可得到最佳之pareto解，而方案二與方案三結果非常相近，反之，則以方案三表現最佳。結果指出，NSGA-II可提供多樣化策略於兩水庫系統之聯合操作，而應用於真實系統中，其均勻散佈之pareto最佳解可使決策者易於從眾多非優勢解中得到最適解。

The Feitsui and Shihmen reservoirs are two most important reservoirs for supplying water in Northern Taiwan. The daily operation of the two reservoirs is based on their own rule curves; however, the rule curves are not designed for supporting another reservoir in water supply. They have their own water districts and one common water district. This study applies the non-dominated sorting genetic algorithm (NSGA-II) to find the strategies for the joint operation of the two-reservoir system. They use their own operating rule curves to supply for their own districts and one joint operating rule curve for the common district; besides, they have to assure their own water districts of the minimal water shortage index (SI).
A daily operational simulation model is developed to guide the releases of the reservoir system according to the current storage levels, the rule curves, and water demands and then to calculate the shortage indices (SI) of both reservoirs. The NSGA-II is adopted for minimizing the SI values through searching the optimal joint operating strategies. Three alternatives are designed to investigate the joint operation of the two-reservoir system. Alternative 1 does not any constraints for the joint operating rule curves; alternative 2 limits the shape of the joint operating rule curves similar to the shape of the original rule curves; alternative 3 limits the water level of rule curves during flood season in addition to the constraints of alternative 2. 
Based on 49 years historical data set, the results of these three alternatives show the Feitsui reservoir has water surplus to support the common district. Alternative 1 can obtain the best pareto-front solutions; the pareto-fronts of alternatives 2 and 3 are very close. The results indicate that NSGA-II is a promising approach to offer a number of diversified alternative strategies for the joint operation of the two-reservoir system. The wide spread of pareto-front (optimal) solutions allow the decision maker to facilely determine the best compromise solutions through the trade-off between two reservoirs’ operational strategies and make the method very attractive for real-world applications.

章節目錄
謝誌	I
中文摘要	II
ABSTRACT	III
章節目錄	V
表目錄	VIII
圖目錄	IX
符號表	XII
一、前言	1
1.1研究動機	1
1.3研究目的與方法	2
1.4 本文架構	4
二、文獻回顧	5
2.1遺傳演算法之演進	5
2.3水資源方面之應用	7
三、理論概述	9
3.1遺傳演算法	9
3.2遺傳演算法之基本架構	10
3.3快速非優勢排序遺傳演算法	11
3.3.1非優勢遺傳演算法之架構	11
3.3.2 快速非優勢遺傳演算法演算步驟	21
3.3.3 非優勢排序遺傳演算法之特性	22
四、研究案例	24
4.1淡水河流域概述	25
4.2 翡翠水庫概述	26
4.2.1 翡翠水庫基本描述	26
4.2.2翡翠水庫水源系統模擬系統架構	28
4.3 石門水庫概述	32
4.3.1 石門水庫基本資料	32
4.3.2石門水庫水源系統模擬系統架構	33
4.4水庫聯合供水運轉規線之規劃	36
4.4.1水庫聯合供水運轉規線分析	36
4.4.2訂定翡翠水庫支援板新地區供水機制	36
4.5聯合供水運轉規線	38
4.5.1建立聯合供水運轉規線	38
4.5.2目標函數	39
4.5.3聯合供水運轉規線搜尋流程	39
4.5.4 方案一之相關參數與限制式設定	40
4.5.5方案二之相關參數與限制式設定	42
4.5.6方案三之相關參數與限制式設定	44
4.6 結果分析	46
4.6.1方案一之結果與討論	47
4.6.2方案二結果討論	55
4.6.3方案三結果討論	64
4.7 綜合討論	74
五、結論與建議	76
5.1結論	76
5.2建議	78
參考文獻	79
表目錄
表4.1 翡翠水庫、石門水庫蒸發量統計表	29
表4.2 台北及板新、桃園地區供水比例	29
表4.3 方案一至方案三之設計內容	40
表4.4 方案一相關參數設定	41
表4.5 方案二相關參數設定	42
表4.6 方案三相關參數設定	44
表4.7 方案一之石門、翡翠水庫缺水指標	49
表4.8 方案二之石門、翡翠水庫缺水指標	58
表4.9 方案三兩水庫缺水指標	69
表4.10 固定翡翠水庫SI下之石門水庫SI綜合比較	75

圖目錄
圖3.1 NSGA-II演算流程圖	11
圖3.2 實數編碼組成之範例	13
圖3.3 非優勢排序演算法示意圖	15
圖3.4 擁擠距離計算示意圖	16
圖3.5 實數編碼算術交配示意圖	19
圖4.1 建置聯合供水運轉規線流程圖	24
圖4.2 翡翠、石門水庫地理位置圖	25
圖4.3 翡翠水庫現況運用規線	30
圖4.4 石門水庫修正後之M-5操作規線	34
圖4.5 兩水庫之聯合供水模擬流程圖	37
圖4.6 翡翠－石門供水系統示意圖	38
圖4.7 三種方案Pareto鋒線比較圖	46
圖4.8 方案一初始群集之Pareto鋒線	47
圖4.9 方案一100代之Pareto鋒線	47
圖4.10 方案一300代之Pareto鋒線	48
圖4.11 方案一500代之Pareto鋒線	49
圖4.12 方案一聯合供水運轉規線（翡翠SI值0.28，石門SI值0.53）	51
圖4.13 方案一聯合供水運轉規線（翡翠SI值0.25，石門SI值0.54）	51
圖4.14 方案一聯合供水運轉規線（翡翠SI值0.20，石門SI值0.61）	52
圖4.15 方案一聯合供水運轉規線（翡翠SI值0.15，石門SI值0.70）	52
圖4.16 方案一聯合供水運轉規線（翡翠SI值0.10，石門SI值0.87）	53
圖4.17 方案一聯合供水運轉規線（翡翠SI值0.05，石門SI值1.27）	53
圖4.18 方案一聯合供水運轉規線（翡翠SI值0.04，石門SI值1.56）	54
圖4.19 方案二初始群集之Pareto鋒線	55
圖4.20 方案二100代之Pareto鋒線	55
圖4.21 方案二300代之Pareto鋒線	56
圖4.22 方案二500代之Pareto鋒線	56
圖4.23 方案二700代之Pareto鋒線	57
圖4.24 方案二1000代Pareto鋒線	58
圖4.25 方案二聯合供水運轉規線（翡翠SI值0.29，石門SI值0.53）	60
圖4.26 方案二聯合供水運轉規線（翡翠SI值0.25，石門SI值0.56）	60
圖4.27 方案二聯合供水運轉規線（翡翠SI值0.20，石門SI值0.65）	61
圖4.28 方案二聯合供水運轉規線（翡翠SI值0.15，石門SI值0.77）	61
圖4.29 方案二聯合供水運轉規線（翡翠SI值0.10，石門SI值0.97）	62
圖4.30 方案二聯合供水運轉規線（翡翠SI值0.05，石門SI值1.40）	62
圖4.31 方案二聯合供水運轉規線（翡翠SI值0.04，石門SI值1.73）	63
圖4.31 方案三初始群集之Pareto鋒線	64
圖4.32 方案三100代之Pareto鋒線	64
圖4.33 方案三300代之Pareto鋒線	65
圖4.34 方案三500代之Pareto鋒線	65
圖4.35 方案三700代之Pareto鋒線	66
圖4.36 方案三900代之Pareto鋒線	66
圖4.37 方案三1100代之Pareto鋒線	67
圖4.38 方案三1300代之Pareto鋒線	67
圖4.39 方案三1500代之Pareto鋒線	68
圖4.40 方案三聯合供水運轉規線（翡翠SI值0.29，石門SI值0.53）	71
圖4.41 方案三聯合供水運轉規線（翡翠SI值0.25，石門SI值0.56）	71
圖4.42 方案三聯合供水運轉規線（翡翠SI值0.20，石門SI值0.65）	72
圖4.43 方案三聯合供水運轉規線（翡翠SI值0.15，石門SI值0.77）	72
圖4.44 方案三聯合供水運轉規線（翡翠SI值0.10，石門SI值0.98）	73
圖4.45 方案三聯合供水運轉規線（翡翠SI值0.05，石門SI值1.35）	73
圖4.46 方案三聯合供水運轉規線（翡翠SI值0.04，石門SI值1.74）	74

1.Chang, L.C. and Chang, F.J. 2001. Intelligent control for modeling of real time reservoir operation. Hydrological Processes 15:1621-1634.
2.Chang, F.J., Chen, L. and Chang, L.C. 2005. Optimizing the reservoir operating rule curvesby genetic algorithms. Hydrological Processes 19: 2277–2289.
3.Chen, L., McPhee, J. and Yeh, W. W.-G. 2007. A diversified multiobjective GA for optimizing reservoir rule curves. Water Resources 30 1082–1093.
4.Deb, K. 1994. Simulated Binary Crossover for Continuous Search Space. Department of Mechanical Engineering Indian Institute of Technology Kanpur, UP 208 016. 
5.Deb, K., Pratap, A., Agarwal, S. And Meyarivan, T. 2000. A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II. Kanpur Genetic Algorithms Laboratory Indian Institute of Technology Kanpur Kanpur, PIN 208 016.
6.Deb, K. 2001. Multi-objective Optimization Using Evolutionary Algorithms, John Wiley & Sons, Chichester, pp. 389-400.
7.Fonseca, C.M. and Fleming, P.J. 1993. Genetic Algorithms for Multiobjective Optimization:Formulation, Discussion and Generalization. Dept. Automatic Control and Systems Eng. University of Sheffield Sheffield S1 4DU, U.K.
8.Fahmy, H.S., King J.P., Wentzel M.W. and Seton J.A. 1994. Economic optimization of river management using genetic algorithms. ASAE 1994 International Summer Meeting. American Society of Agricultural Engineers., St. Joseph, Michigan, USA
9.Goldberg, D.E. 1989. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA: Addisson-Wesley.
10.Holland, J.H. 1975. Adaptation in Natural and Artificial Systems. Ann Arbor, MI: The University of Michigan Press.
11.Huang, W.C., Chang, T.H. and Yang, F.T. 2001. Water supply evaluation of Taiwan’s valley. Journal of the American Water Resources Association 37（5）：1279-1289.
12.Kim, T., Heo, J.H. and Jeong, C.S. 2006. Multireservoir system optimization in the Han Riverbasin using multi-objective genetic algorithms. Hydrological Processes 20: 2057–2075.
13.Liong, S.Y., Tariq, A.A.F. and Lee, K.S. 2004. Application of evolutionary algorithm in reservoir operations. Journal of The Institution of Engineers, Singapore Vol. 44.
14.Mehrdad, H.A.., Ghodsypour, S.H. and Kerachian, R. 2009. Multi-objective genetic local search algorithm using Kohonen’s neural map. Computers & Industrial Engineering doi:10.1016.
15.Oliveira, R. and Loucks, D.P. 1997. Operating rules for multireservoir system. Water Resour. Res. 33(4): 839-852.
16.Reedy, M.J. and Kumar, D.N. 2006. Optimal Reservoir Operation Using Multi-Objective Evolutionary Algorithm. Water Resources Management 20: 861–878
17.Schaffer, J.D. 1985. Multiple objective optimization with vector evaluated genetic algorithms. Proceedings of the 1st International Conference on Genetic Algorithms, pp. 93-100.
18.Srinivas, N. and Deb, K. 1994. Multiobjective optimization using non-dominated sorting in genetic algorithms. Evolutionary Computation 2(3):221−248.
19.Vasan, A. and Raju, K.S. 2009. Comparative analysis of Simulated Annealing, Simulated Quenching and Genetic Algorithms for optimal reservoir operation. Applied Soft Computing 9 274–281.
20.Wardlaw, R. and Sharif, M. 1999. Evaluation of genetic algorithms for optimal reservoir system operation. Water Resour. Plan. Manage. Div. ASCE 125(1): 25-33.
21.Yang, C.C., Chang, L.C., Yeh, C.H. and Chen, C.S. 2007. Multiobjective Planning of Surface Water Resources by Multiobjective Genetic Algorithm with ConstrainedDifferential Dynamic Programming. Journal of Water Resources Planning and Management, Vol. 133, No. 6.
22.王國威，2006，運用懲罰機制遺傳演算法於水庫颱洪操作之規劃，淡江大學水資源及環境工程學系暨研究所。
23.台北自來水事業處及台灣省自來水公司統計年報。
24.向子菁，1999，智慧型控制理論於水庫操作決策之研究，國立台灣大學農業工程研究所碩士論文。
25.林文修，2000，演化式類神經網路為基底的企業危機診斷模型︰智慧資本之應用，國立中央大學資訊管理研究所。
26.吳明賢，2001，應用遺傳演算法於群樁基礎低價化設計，國立中央大學土木工程學系碩士論文。
27.林建成 ，2002，遺傳演化類神經網路於台灣股市預測與交易策略之研究，東吳大學經濟學系。
28.林慈傑，2002，以遺傳演算法求解類運輸問題模式化的多廠訂單分配問題，國立台灣大學工業工程學研究所碩士論文。
29.邱元泰 ，2002，遺傳演算法在排課問題之應用，國立中正大學數學研究所。
30.邱昱禎，2003，模糊規劃理論與優選法於水庫操作之研究，國立臺灣大學生物環境系統工程學系暨研究所。
31.袁倫欽，(2005)，「水庫供水操作與乾旱預警之研究」，台灣海洋大學河海工程學系博士論文。
32.陳莉、張斐章，1995，遺傳演算法優選水庫應用規線之研究，中國農業工程學報 41（4）。
33.陳莉，2000，遺傳演算法與其應用於優選翡翠水庫規線之研究，台灣水利 48（1）。 
34.經濟部水利署北區水資源局，翡翠水庫95年操作年報。
35.經濟部水利署北區水資源局，石門水庫95年運轉資料。
36.經濟部水利署北區水資源局，翡翠水庫運用要點，2005。
37.經濟部水利署北區水資源局，石門水庫運用要點，2005。
38.劉克一，2001，以遺傳演算法演化類神經網路在股價預測上的應用，真理大學管理科學研究所。