การประยุกต์ใช้อัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชันเพื่อการแก้ปัญหา การจัดตารางการผลิตแบบตามสั่ง
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยในครั้งนี้มีวัตถุประสงค์เพื่อนำเสนอการประยุกต์ใช้อัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชันสำหรับการแก้ปัญหาการจัดตารางการผลิตแบบตามสั่งโดยมีเป้าหมายเพื่อค้นหาตารางการผลิตที่มีค่าเมคสแปนที่น้อยที่สุด หลักการทำงานของอัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชันประกอบด้วย 1) การแทนค่าปัญหาโดยการนำโอเปอร์เรชันของงานทั้งหมดมาทำการเข้ารหัสเป็นพาร์ทิเคิลโดยยังคงรักษาลำดับการดำเนินการของโอเปอร์เรชันของแต่ละงาน 2) การหาค่าความเหมาะสมของพาร์ทิเคิลซึ่งคำนวณได้จากการถอดรหัสจากพาร์ทิเคิลเป็นตารางการผลิต โดยกำหนดให้ค่าความเหมาะสมมีค่าเท่ากับค่าเมคสแปนของตารางการผลิต และ 3) การค้นหาคำตอบที่เป็นไปได้ตามขั้นตอนวิธีของอัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชัน ชุดข้อมูลที่ใช้ในการทดสอบประสิทธิภาพในการทำงานของอัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชันในครั้งนี้ คือ ชุดข้อมูลของฐานข้อมูลการวิจัยการดำเนินการ (OR-library) จำนวน 48 ชุดข้อมูลที่มีขนาดของปัญหาแตกต่างกัน ผลการศึกษาและทดสอบประสิทธิภาพของโปรแกรม พบว่า 1) อัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชันสามารถประยุกต์ใช้ในการจัดตารางการผลิตแบบตามสั่งได้ โดยเฉลี่ยมีค่าความคลาดเคลื่อนสัมพัทธ์อยู่ระหว่าง 0.0284 ถึง 0.4183 และ 2) อัลกอริทึมพาร์ทิเคิลสวอร์มออฟติไมเซชันมีประสิทธิภาพสูงในการจัดตารางการผลิตกับปัญหาการจัดตารางการผลิตแบบตามสั่งที่มีขนาดเล็ก ซึ่งมีค่าความคลาดเคลื่อนสัมพันธ์ต่ำ และยังใช้เวลาในการประมวลผลน้อย ถึงแม้ว่าจะประมวลผลบนเครื่องคอมพิวเตอร์ส่วนบุคคล
Article Details
"ข้อคิดเห็น เนื้อหา รวมทั้งการใช้ภาษาในบทความถือเป็นความรับผิดชอบของผู้เขียน"
References
[2] Songwut Egwutvongsa. 2557. A Study and Development of Vehicle Versatile Support Mission Forest Fire for Prevention Suppress and Control Forest Fires Office, Department of National Parks Wildlife and Plant Conservation. Journal of Industrial Education, 1(6), p. 55-62.
[3] Khwanruthai Roungtham, Walailak Atthirawong, and Nuttawut Rojniruttikul. 2556. Delivery efficiency of just-in-time production system for automotive part suppliers case study : Siam Hi-Tech Steel Center Co., Ltd. Journal of Industrial Education, 3(16), p. 124-132.
[4] Özgüven, C., Özbakır, L. and Yavuz, Y. 2010. Mathematical models for job-shop scheduling problems with routing and process plan flexibility. Applied Mathematical Modelling, 34(6), p. 1539-1548.
[5] Brucker, P., Jurisch, B. and Sievers, B. 1994. A branch and bound algorithm for the job-shop scheduling problem. Discrete Applied Mathematics, 49, p. 107- 127.
[6] PAN, C.H. 1997. A study of integer programming formulations for scheduling problems. International Journal of Systems Science, 28(1), p. 33-41.
[7] Ponnambalam, S. G., Aravindan, P. and Rajesh, S.V. 2000. A Tabu Search Algorithm for Job Shop Scheduling. Advanced Manufacturing Technology, 16(10), p. 765-771.
[8] Qing-dao-er-jia, R. and Wang, Y. 2012. A new hybrid genetic algorithm for job shop scheduling problem. Computers & Operations Research, 39(10), p. 2291– 2299.
[9] Turguner, C. and Sahingoz, O.K. 2014. Solving Job Shop Scheduling Problem with Ant Colony Optimization. In Proceedings of the 15th IEEE International Symposium on Computational Intelligence and Informatics. 19-21 November, p. 385-389.
[10] Lui, Z. 2007. Investigation of Particle Swarm Optimization for Job Shop Scheduling Algorithm. In Proceedings of the 3rd IEEE International Conference on Natural Computation (ICNC2007).24-27 August, p. 799- 803.
[11] Bratton, D. and Kennedy, J. 2007. Defining a Standard for Particle Swarm Optimization. in Proceeding of the 2007 IEEE Swarm Intelligence Symposium (SIS2007). 1-5 April, p. 120-127.
[12] Zhou, Y. and Tan, Y. 2009. GPU-based Parallel Particle Swarm Optimization. 2009 IEEE Congress on Evolutionary Computation, CEC 2009. p. 1493 - 1500.
[13] Chowdhury, S., Tong, W. Messac, A. and Zhang, J. 2013. A mixed-discrete Particle Swarm Optimization algorithm with explicit diversity-preservation. Structural and Multidisciplinary Optimization, 47(3), p. 367–388.
[14] Beasley, J.E. 1990. OR-Library: Distributing Test Problems by Electronic Mail. Journal of the Operations Research Society, 41(11), p. 1069-1072.