การหาค่าที่เหมาะสมที่สุดด้วยขั้นตอนวิธีเคออสมีมีติก แบบหลายวัตถุประสงค์

Abstract

บทความวิจัยนี้เป็นการนำเสนอวิธีการหาค่าที่เหมาะสม ด้วยขั้นตอนวิธีเคออสมีมีติกอัลกอริธึมแบบหลายวัตถุประสงค์ (Multi-Objective Chaos-Memetic Algorithms: MOCMA) เป็นการปรับปรุงมีมีติกอัลกอริธึมด้วยทฤษฎีความอลวน (Chaos Theory) ในการปรับปรุงประชากรคำตอบให้ได้คำตอบที่ดีขึ้น ซึ่งในงานวิจัยนี้ได้นำขั้นตอนวิธีที่นำเสนอไป ทดสอบแก้ปัญหาสมการแบบ 2 วัตถุประสงค์จากชุดข้อมูล DTLZ1-4 แล้วนำผลเฉลยที่ได้จากการทดสอบมาวัด สมรรถนะของกลุ่มคำตอบที่ดีที่สุด 2 ด้าน คือ ตัววัด สมรรถนะในด้านการลู่เข้าสู่กลุ่มคำตอบที่แท้จริง และการ กระจายของกลุ่มคำตอบที่หาได้ และได้ทำการเปรียบเทียบ สมรรถนะ MOCMA กับ NSGAII (Non-dominated Sorting Genetic AlgorithmII) พบว่า ตัววัดสมรรถนะของคำตอบ ด้านการลู่เข้าสู่คำตอบที่แท้จริงของ MOCMA จะมีอัตราการ ลู่เข้าสู่คำตอบแท้จริงดีกว่า NSGAII และในด้านการวัด สมรรถนะของคำตอบด้านการกระจายของกลุ่มคำตอบ MOCMA มีการกระจายที่สม่ำเสมอมากกว่า NSGAII ซึ่งจะ เห็น MOCMA มีค่าเข้าใกล้ศูนย์ มากกว่า NSGAII 

Optimization by Multi-Objective Chaos-Memetic Algorithm 

Paranya Ammaruekarat and Phayung Meesad

In this research, we discuss the efficacy improvement for Multi-Objective Memetic Algorithms: MOMA by using Chaos theory. Chaos theory is used to improve the population to achieve a better result. The technique can be referred to in abbreviation as MOCMA: Multi-Objective Chaos Memetic Algorithms. In this research, such technique is applied to solve Multi-Objective equation: 2 objective DTLZ1-4. The resulted outcomes will then be measured for their capabilities to find out the best outcome group in 2 aspects namely; the capability to converge to the true outcome and the capability to spread the outcome groups found. The capabilities of the technique will be compared with those of NSGAII (Non-dominated Sorting Genetic Algorithm II). The research shows that the Convergence Measurement of MOCMA process has a better rate of convergence than that of NSGAII and Measurement of MOCMA is scattered more evenly than that of NSGAII. It can be seen that the value of MOCMA’s capability measurement in both aspects is closer to 0 than those of NSGAII.