臺灣地勢陡峻、河川坡短流急，因此於颱洪時期水庫適當的操作，達到消災減洪並有效蓄水為重要之議題。在平行水庫聯合防洪操作時，需同時考量洪峰消減率與洪峰時間稽延，並避免洪峰同時抵達匯流口造成水患災情等問題；因此，本研究探討平行水庫於颱洪時期聯合防洪操作時，除了考慮水庫防洪與蓄水外，同時考慮匯流口之洪水歷程，以期有效地提升洪峰消減率之效。
本研究以石門、翡翠水庫系統及下游匯流口為研究對象，建立兩平行水庫最佳化防洪操作模式，利用非優勢排序遺傳演算法(NSGA-II)搜尋平行水庫防洪最佳放流歷程。NSGA-II搜尋結果與原始操作結果比較顯示，NSGA-II獲得較佳之水庫洪峰消減率；無論是水庫或匯流口洪峰消減率也僅少數幾場與原操作相近，其餘皆達較好之洪峰消減率。綜合結果得知NSGA-II搜尋之放流歷程可有效達到較佳之洪峰消減率並降低匯流口洪峰，最後滿足蓄水之目標以利未來水資源運用。

Taiwan is located in the southeast of Asia where always hit by Typhoon. Because of the steep mountainous landform, most of the rainfall flow immediately into the ocean within a few hours. Reservoirs operation have become the most important issue during Typhoon periods. In the parallel reservoirs operation, it is crucial to ponder both the decreasing rate and time lag of flood peak and the prevention of disaster caused by flood peak arriving at confluence at the same time. Therefore, this study investigates optimal parallel reservoir system flood operation in typhoon periods not only to balance between the reservoir flood avoidance and water storage improvement but also to decrease the downstream.
This study takes the Shihmen and Feitsui reservoir system and the downstream confluence as research objects to build up the parallel reservoir system flood operation optimal model by adopting the non-dominate sorting genetic algorithm (NSGA-II) as search engine. Comparing to the traditional operation, NSGA-II gains better decreasing rate of flood peak both on reservoir system and downstream confluence even if a few performances are close.
In conclusion, the results demonstrate that NSGA-II obtains better decreasing rate of flood peak, reduces the flood damage downstream and increases final storage for future usages.

目錄
謝誌	I
中文摘要	III
Abstract	IV
表目錄	VIII
圖目錄	IX
第一章　前言	1
1.1　研究緣起	1
1.2　研究目的	2
1.3　論文架構	3
第二章　文獻回顧	4
2.1　遺傳演算法發展與修正演算發之研究	4
2.2　遺傳演算法應用於水庫方面之研究	5
2.3　多目標遺傳演算法應用之研究	7
第三章　理論概述	9
3.1　遺傳演算法(GA)	9
3.2　遺傳演算法之基本架構與流程	9
3.3　遺傳演算法之基本元素與運算子	11
3.4　非優勢排序遺傳演算法(NSGA-II)	18
3.5　非優勢排序遺傳演算法演算流程	19
第四章　研究案例	23
4.1　研究區域概述	23
4.1.1　石門水庫簡介	23
4.1.2　翡翠水庫簡介	24
4.1.3　南勢溪簡介	24
4.1.4　匯流口簡介	25
4.2　水庫防洪運轉操作規則	27
4.2.1　石門水庫防洪運轉操作規則	27
4.2.2　翡翠水庫防洪運轉操作規則	28
4.2.3　相關水利法規	28
4.3　颱風資料蒐集與分析	29
4.4　平行水庫聯合防洪操作之決策模式	33
4.4.1　目標函數	33
4.4.2　限制式	35
4.4.3　修正後目標函數	39
4.4.4　NSGA-II之參數設定	41
4.4.5　搜尋範圍設定	42
4.5　結果與討論	45
第五章　結論與建議	73
5.1　結論	73
5.2　建議	74
參考文獻	75
附錄　NSGA-II搜尋結果圖	80

 
表目錄
表4.1　颱風基本資料	31
表4.1　颱風基本資料(續)	32
表4.2　歷時40小時的颱風之限制式	38
表4.3　NSGA-II之參數設定	41
表4.4　NSGA-II與原操作之比較結果	47
表4.4　NSGA-II與原操作之比較結果(續1)	48
表4.4　NSGA-II與原操作之比較結果(續2)	49
表4.5　颱風場次分類	51

圖目錄
圖3.1　GA演算流程圖	10
圖3.2　二位元編碼	11
圖3.3　實數編碼	11
圖3.4　輪盤選取法式意圖	14
圖3.5　柏拉圖 鋒線示意圖	19
圖3.6　NSGA-II流程圖	20
圖3.7　非優勢排序與擁擠距離比較示意圖	22
圖4.1　兩水庫集水區與下游匯流口位置圖	26
圖4.2　石門水庫洪峰發生前後階段區分示意圖	29
圖4.3　翡翠水庫洪峰發生前後階段區分示意圖	30
圖4.4　起訖時間示意圖	30
圖4.5　2000象神颱風柏拉圖鋒線	45
圖4.6　NSGA-II與原操作比較之結果	50
圖4.7　潭美颱風原操作與NSGA-II搜尋比較圖	53
圖4.8　海棠颱風原操作與NSGA-II搜尋比較圖	56
圖4.9　蘇拉颱風原操作與NSGA-II搜尋比較圖	59
圖4.10　亞伯颱風原操作與NSGA-II搜尋比較圖	62
圖4.11　泰利颱風原操作與NSGA-II搜尋比較圖	65
圖4.12　蘇迪勒颱風原操作與NSGA-II搜尋比較圖	68
圖4.13　艾利颱風原操作與NSGA-II搜尋比較圖	71

1.	Ali Ahmadi, M., Zendehboudi, S., Lohi, A., Elkamel, A., & Chatzis, I. (2013). Reservoir permeability prediction by neural networks combined with hybrid genetic algorithm and particle swarm optimization. Geophysical Prospecting, 61(3), 582-598.
2.	Chang, L. C., & Chang, F. J. (2001). Intelligent control for modelling of real‐time reservoir operation. Hydrological processes, 15(9), 1621-1634.
3.	Chang, F. J., Chen, L., & Chang, L. C. (2005). Optimizing the reservoir operating rule curves by genetic algorithms. Hydrological processes, 19(11), 2277-2289.
4.	Chang, L. C., & Chang, F. J. (2009). Multi-objective evolutionary algorithm for operating parallel reservoir system. Journal of hydrology, 377(1), 12-20.
5.	Chen, L., McPhee, J., & Yeh, W. W. G. (2007). A diversified multiobjective GA for optimizing reservoir rule curves. Advances in Water Resources, 30(5), 1082-1093.
6.	Chang, L. C. (2008). Guiding rational reservoir flood operation using penalty-type genetic algorithm. Journal of Hydrology, 354(1), 65-74.
7.	Deb, K., John Wiley & Sons. (2001). Multi-objective optimization using evolutionary algorithms (Vol. 16). 
8.	Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. A. M. T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation, 6(2), 182-197. 
9.	Deb, K., Rao N, U., & Karthik, S. (2007). Dynamic multi-objective optimization and decision-making using modified NSGA-II: a case study on hydro-thermal power scheduling. In Evolutionary Multi-Criterion Optimization (pp. 803-817).
10.	Dariane, A. B., & Sarani, S. (2013). Application of intelligent water drops algorithm in reservoir operation. Water resources management, 27(14), 4827-4843.
11.	Elferchichi, A., Gharsallah, O., Nouiri, I., Lebdi, F., & Lamaddalena, N. (2009). The genetic algorithm approach for identifying the optimal operation of a multi-reservoirs on-demand irrigation system. Biosystems Engineering, 102(3), 334-344.
12.	Fonseca, C. M., & Fleming, P. J. (1993, May). Multiobjective genetic algorithms. In Genetic algorithms for control systems engineering, IEE colloquium on (pp. 6-1). IET.
13.	Fahmy, H., King, P., Wentzel, M., & Seton, J. (1994). Economic optimization of river management using genetic algorithms. In American Society of Agricultural Engineers. Meeting (USA). no. 94-3020/94-3063.
14.	Fowe, T., Nouiri, I., Ibrahim, B., Karambiri, H., & Paturel, J. E. (2015). OPTIWAM: an intelligent tool for optimizing irrigation water management in coupled reservoir–groundwater systems. Water Resources Management, 29(10), 3841-3861.
15.	Golberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addion wesley, 1989, 102.
16.	Holland, J. H. (1975). Adaptation in natural and artificial systems. Ann Arbor, MI: The University of Michigan Press.
17.	Hakimi-Asiabar, M., Ghodsypour, S. H., & Kerachian, R. (2010). Deriving operating policies for multi-objective reservoir systems: application of self-learning genetic algorithm. Applied Soft Computing, 10(4), 1151-1163.
18.	Jian-Xia, C., Qiang, H., & Yi-Min, W. (2005). Genetic algorithms for optimal reservoir dispatching. Water resources management, 19(4), 321-331.
19.	Jeyadevi, S., Baskar, S., Babulal, C. K., & Iruthayarajan, M. W. (2011). Solving multiobjective optimal reactive power dispatch using modified NSGA-II. International Journal of Electrical Power & Energy Systems, 33(2), 219-228.
20.	Le Ngo, L., Madsen, H., & Rosbjerg, D. (2007). Simulation and optimisation modelling approach for operation of the Hoa Binh reservoir, Vietnam. Journal of Hydrology, 336(3), 269-281.
21.	Nagesh Kumar, D., & Janga Reddy, M. (2007). Multipurpose reservoir operation using particle swarm optimization. Journal of Water Resources Planning and Management, 133(3), 192-201.
22.	Oliveira, R., & Loucks, D. P. (1997). Operating rules for multireservoir systems. Water resources research, 33(4), 839-852.
23.	Reddy, M. J., & Kumar, D. N. (2006). Optimal reservoir operation using multi-objective evolutionary algorithm. Water Resources Management, 20(6), 861-878.
24.	Srinivas, N., & Deb, K. (1994). Muiltiobjective optimization using nondominated sorting in genetic algorithms. Evolutionary computation, 2(3), 221-248.
25.	Wardlaw, R., & Sharif, M. (1999). Evaluation of genetic algorithms for optimal reservoir system operation. Journal of water resources planning and management, 125(1), 25-33.
26.	陳莉、張斐章，1995，遺傳演算法優選水庫運用規線之研究，中國農業工程學報，41(No4)，20-30
27.	蕭金財、張良正，1998，多目標水庫序率最佳操作模式之建立與應用，台灣水利 46(1): 72-83
28.	石明輝，1999，基因演算法在多水庫多目標規劃之應用，國立交通大學土木工程研究所碩士論文
29.	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
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.	張斐章、張雅婷、張麗秋，2004，結合人工智慧與專家知識之智慧型水庫操作系統，農業工程學報，50(4)，14-27
32.	袁倫欽，2005，水庫供水操作與乾旱預警系統之研究，國立臺灣海洋大學河海工程學系博士論文
33.	王國威，2006，運用懲罰機制遺傳演算法於水庫洪颱操作之規則，淡江大學水資源及環境工程學系研究所碩士論文
34.	陳正炎、姚嘉耀、謝馥揚、廖苑雅，2006，運用遺傳演算法推求水庫操作規線之研究-以明德水庫為例. 中華水土保持學報，37(2)，173-184
35.	郭鑑儀，2009，非優勢排序遺傳演算法於多水庫系統颱洪操作之規劃，淡江大學水資源及環境工程學系碩士班學位論文
36.	吳俊宏，2013，支持向量機與遺傳演算法應用於水庫即時操作，中原大學土木工程研究所學位論文
37.	王昱中，2014，智慧型水資源調配策略以因應用水需求成長，臺灣大學生物環境系統工程學研究所學位論文
38.	楊舜年，2015，建立颱洪時期抽水站智慧型最佳化操作規則，臺灣大學生物環境系統工程學研究所學位論文
39.	蔡孟蓉，2016，時間與空間最佳化資訊於降雨逕流模式分析之研究，臺灣大學生物環境系統工程學研究所學位論文
40.	鄭仲廉，2016，因應都市化影響之智慧型水資源管理系統，臺灣大學生物環境系統工程學研究所學位論文
41.	洪彥甯、蕭政宗，2017，南化水庫最佳化與模糊化營運規線對缺水影響探討，農業工程學報，63(2)，67-77
42.	徐宗孚，2017，運用賽局理論結合遺傳演算法於最佳化水庫操作之研究，淡江大學水資源及環境工程學系碩士班學位論文