理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 3 of 3
  • Item
    以強化突變機制之基因演算法求解多目標彈性零工式工廠排程問題
    (2013) 陳弘奇
    如何有效分配資源以及提高生產效率、降低生產成本,是製造業一直以來想要達到的目標,這就是為何十幾年來生產排程問題可以如此的熱門。排程問題大部分都屬於組合最佳化問題,零工式工廠排程問題(Job-shop Scheduling Problem, JSP)便是其一。由於此類問題的複雜度很高,通常難以求得最佳解。彈性零工式工廠排程問題(Flexible Job-shop Scheduling Problem, FJSP)則為零工式工廠排程問題的延伸,主要透過分配製程的作業機台(路由問題),以及變換製程在機台上的順序(排序問題)來最小化最大完工時間(makespan)、機台總工作量(total workload)和最大機台工作量(maximum workload)。 本論文所提出的演算法主體為基因演算法(Genetic Algorithm, GA),搭配交換關鍵製程以及重新插入關鍵製程來做突變,並且強化插入關鍵製程的方式。而為了求得在多個目標上的最佳化,本論文採用柏拉圖分級法(Pareto ranking)當作選擇機制,目的在於找到柏拉圖最佳解(Pareto optimal solutions)。 實驗的問題為 BR data 的十個測試問題。本論文提出的演算法在非凌越解(non-dominated solutions)個數較多的問題中能大幅度更新目前的已知非凌越解。
  • Item
    基因演算法結合二階段最佳化演算法解決集合涵蓋問題之研究
    (2005) 張書維; Shu-Wei Chang
    最佳化問題中有一廣為周知的問題為集合涵蓋問題(SCP),因其可作為許多資源選擇問題的模型,因此在現實生活中有許多重要的應用。由於集合涵蓋問題為一NP-hard問題,而基因演算法也常被使用來求解此類問題,且可獲得不錯的結果。本論文設計一混合式基因演算法(TGA),其結合二階段最佳化演算法(TPOA)與基因演算法(GA)來求解集合涵蓋問題。TGA使用TPOA來產生GA之初始族群,能夠盡可能產生一些好的基因於族群中,並保證其在族群中有一定的數量,以提高這些好的基因在早期於族群中之存活率,期望這些好的基因能夠提供GA快速的收斂,以及提高尋找最佳解的機會。由實驗結果顯示,TGA可較使用亂數產生族群之Beasly和Chu所提出的GA (BeCh GA)能在短時間內得到較佳的解,而在長時間中兩者則是差不多的。因此TGA提供一增加GA初始族群之多變性與強化性之系統化架構,可以有效的讓GA在短時間內獲得一近似最佳解,而不減少GA尋找最佳解的機會。
  • Item
    試驗基因演算法解旅行推銷員問題
    (2004) 任維勇; Wei-Yung Jen
    基因演算法(Genetic Algorithm)是一種模仿自然界生物演化過程的演算法,適合在巨大數量的可行解中,迅速找到最佳解的近似解。基因演算法利用交配與突變的作用,讓一群可行解自行演化出更好的解。此演算法很合適用來解旅行推銷員問題(Traveling Salesman Problem),這篇論文除了利用典型的基因演算法外,並設計了新的限制作用,並得到了更好的結果。