อัลกอริทึมวิวัฒนาการผลต่างที่มีประสิทธิภาพสำหรับการแก้ปัญหาการจัดเส้นทางการขนส่งแบบหลายคลังสินค้า: กรณีศึกษาโรงงานแปรรูปมันสำปะหลังในจังหวัดนครราชสีมา
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้นำเสนออัลกอริทึมวิวัฒนาการผลต่าง (Differential Evolution Algorithm, DE Algorithm) ที่มีประสิทธิภาพ สำหรับการแก้ปัญหาการจัดเส้นทางการขนส่งแบบหลายคลังสินค้า (Multi-Depot Vehicle Routing Problem, MDVRP) ผู้วิจัยได้ประยุกต์ใช้แนวคิดของอัลกอริทึมวิวัฒนาการผลต่าง สำหรับการหาผลเฉลยของปัญหาการจัดเส้นทางการขนส่งแบบหลายคลังสินค้า กรณีศึกษากรณีศึกษาโรงงานแปรรูปมันสำปะหลังในจังหวัดนครราชสีมา ซึ่งมีวัตถุประสงค์เพื่อหาระยะทางรวมต่ำสุด โดยขั้นตอนของอัลกอริทึมวิวัฒนาการผลต่างที่นำเสนอ ประกอบด้วย 4 ขั้นตอนหลัก ดังนี้ การหาคำตอบเริ่มต้น (Initial solution) การผ่าเหล่า (Mutation) การรวมกัน (Recombination) และการเลือก (Selection) ร่วมกับการถอดรหัสแบบละโมบ (Greedy Decoding) ผลการทดสอบพบว่าอัลกอริทึมวิวัฒนาการผลต่างที่นำเสนอให้ผลลัพธ์ที่มีประสิทธิภาพอยู่ระดับที่ดีเมื่อเทียบกับฮิวริสติกแบบสองเฟส (Cluster-First Route -Second) และ DE-ROV Decoding โดยวิธี DE-Greedy ROV Decoding ที่นำเสนอมีประสิทธิภาพในการจัดเส้นทางการขนส่งที่ดีกว่าฮิวริสติกแบบสองเฟส และ อัลกอริทึม DE-ROV Decoding คิดเป็นร้อยละ 3.88 และ 1.87 ตามลำดับ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์ในวารสารฯ ท้ังในรูปแบบของรูปเล่มและอิเล็กทรอนิกส์เป็นลิขสิทธิ์ของวารสารฯ
References
Office of the National Economic and Social Development Council. Thailand’s logistics report 2022. [Internet]. 2022 [cited 2022 July 20]. Available from : https://www.nesdc.go.th/ewt_dl_
link.php?nid=11975.
Dantzig GB, Ramser JH. The truck dispatching problem. Management Science. 1959; 6(1): 80–91.
Shang Q, Huang Y, Wang Y, Li M, Feng L. Solving vehicle routing problem by memetic search with evolutionary multitasking. Memetic Computing. 2022; 14: 31-44.
Wichapa N, Sudsuansee T, Khokhajaikiat P. Solving the vehicle routing problem with time windows by using the adaptive local search in artificial bee colony optimization. Thai Journal of Operations Research: 2019; 29(1): 4-13. (in Thai)
Mohammed MA, Abd Ghani MK, Hamed RI, Mostafa SA, Ibrahim DA, Jameel HK, et al. Solving vehicle routing problem by using improved K-nearest neighbor algorithm for best solution. Journal of Computational Science. 2017; 21: 232-40.
Srisuwandee T, Pitakaso R. Solving vehicle routing problem by using ant colony optimization case study in Jiaranai Drinking Water Company. KKU Research Journal. 2555; 17(5): 706-14. (in Thai)
Wichapa N, Khokhajaikiat P. Solving a multi-objective location routing problem for infectious waste disposal using hybrid goal programming and hybrid genetic algorithm. International Journal of Industrial Engineering Computations. 2018; 9(1): 75-98.
Suntinac A, Arunyanart S. Vehicle routing problem with split delivery and heterogeneous fleet using differential evolution method: a case study of beverage logistics company. KMUTT Research & Development Journal. 2019; 42(2):145-59. (in Thai)
Erbao C, Mingyong L. A hybrid differential evolution algorithm to vehicle routing problem with fuzzy demands. Journal of Computational and Applied Mathematics. 2009; 231(1): 302-10.
Thumrongvut P, Sethanan K, Pitakaso R, Jamrus T, Golinska-Dawson P. Application of industry 3.5 approach for planning of more sustainable supply chain operations for tourism service providers. International Journal of Logistics Research and Applications. 2022; 1-24.
Sowcharoensuk C. Industry outlook 2022-2024 : cassava industry. [Internet]. 2022 [cited 2022 July 10]. Available from: https://www.krungsri.com/th/research/industry/industry-outlook/
agriculture/cassava/IO/io-cassava-21. (in Thai)
Hokama P, Miyazawa FK, Xavier EC. A branch – and – cut approach for the vehicle routing problem with loading constraints. Expert Systems with Applications. 2016; 47(1): 1-13.
Letchford A, Lysgaard J, Eglese R. A Branch-and-cut algorithm for the capacitated open vehicle routing problem. Journal of the Operational Research Society. 2007; 58(12): 1642-51.
Shi Y, Lvd LL, Hu F, Han Q. A heuristic solution method for multi-depot vehicle routing-based waste collection problems. Applied Sciences. 2020; 10(7), 2403; Doi: 10.3390/app10072403.
Yuan X, Zhang Q, Liu H, Wu L. Solving MDVRP with grey delivery time based on improved quantum evolutionary algorithm. The Journal of Grey System. 2020; 32(3): 110-23.
Demirel T, Yılmaz Ş. A new solution approach to multi-depot vehicle routing problem with ant colony optimization. Journal of Multiple-valued Logic and Soft Computing. 2020; 18: 421-39.
Surekha P, Sumathi S. Solution to multi-depot vehicle routing problem using genetic algorithms. World Applied Programming. 2011; 1(3): 118-31.
Escobar JW, Linfati R, Toth P, Baldoquin MG. A hybrid granular tabu search algorithm for the multi-depot vehicle routing problem. Journal of heuristics. 2014; 20(5): 483-509.
Moonsri K, Sethanan K, Worasan K. A novel enhanced differential evolution algorithm for outbound logistics of the poultry industry in Thailand. Journal of Open Innovation: Technology, Market, and Complexity. 2022; 8(1), 15; Doi: 10.3390/joitmc8010015.
Shen YM, Chen RM. Optimal multi-depot location decision using particle swarm optimization. Advances in Mechanical Engineering. 2017; 9(8): 1-15.