ระบบชาญฉลาดวางแผนเส้นทางอัตโนมัติโดยขั้นตอนวิธีเชิงพันธุกรรมออนไลน์
Main Article Content
บทคัดย่อ
งานวิจัยฉบับนี้ได้เสนอการประยุกต์ใช้ขั้นตอนวิธีเชิงพันธุกรรม (Genetic Algorithm) เพื่อสร้างเส้นทางอัตโนมัติออนไลน์ โดยจะนำข้อมูลเส้นทางเดินของพนักงานจ่ายพัสดุเพื่อนำข้อมูลไปวิเคราะห์และปรับปรุงเส้นทางการนำจ่ายพัสดุของระบบบริการขนส่งแบบด่วนพิเศษในจังหวัดอุดรธานีให้ได้เส้นทางที่ดีที่สุดสั้นที่สุด ประหยัดเวลา และสะดวกสบาย เพื่อให้ทันต่อความต้องการของลูกค้าและการใช้ทรัพยากรที่น้อยที่สุดไม่ว่าจะเป็นด้านเวลาและระยะทางของเส้นทาง เพื่อที่จะใช้บริหารทรัพยากรให้คุ้มค่ามากที่สุดในการเดินทางของพนักงานขนส่งพัสดุในจังหวัดอุดรธานี ซึ่งพนักงานนำจ่ายพัสดุจะทำการกำหนดสถานที่ในการจัดส่งตามจำนวนที่ต้องการ จากนั้นระบบจะทำการประมวลผลเพื่อหาเส้นทางที่ดีที่สุดโดยจะเดินทางไปในทุกจุดที่กำหนดไว้โดยใช้ขั้นตอนวิธีเชิงพันธุกรรม ในการทดสอบประสิทธิภาพของงานวิจัยที่นำเสนอผู้วิจัยได้ทำการทดสอบเปรียบเทียบกับวิธีการค้นหาแบบที่ดีที่สุดกรีดี (Greedy Best First Search) การค้นหาแบบเอ-สตาร์ (A* Search) และการค้นหาโดยพนักงานนำจ่ายพัสดุที่มีความเชี่ยวชาญในการส่งของ ซึ่งจากผลการทดลองพบว่าวิธีการที่นำเสนอสามารถจัดการหาเส้นทางที่ดีมากกว่าวิธีการที่นำมาเปรียบเทียบทั้งด้านระยะทางและเวลา และจากการทดสอบความพึงพอใจของผู้ใช้พบว่าระบบที่นำเสนอมีความพึงพอใจของผู้ใช้ในระดับที่ดี ซึ่งจากการทดสอบทั้งหมดพบว่าวิธีการที่นำเสนอสามารถหาเส้นทางที่เหมาะสมได้อย่างมีประสิทธิภาพและเหมาะสมที่จะเป็นเครื่องมือในการช่วยเหลือพนักงานขนส่งให้สามารถทำงานได้อย่างมีประสิทธิภาพมากขึ้น
Article Details
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
[2] M. Baker and M. A. Ayechew, “A genetic algorithm for the vehicle routing problem,” Computers & Operations Research, vol. 5, pp. 787–800, 2003.
[3] K. C. Tan, L. H. Lee, and K. Ou, “Artificial intelligence heuristics in solving vehicle routing problems with time window constraints,” Engineering Applications of Artificial Intelligence, vol. 14, pp. 825–837, 2001.
[4] V. Cerny, “Thermodynamical approach to the traveling salesman problem: An efficient simulation algorithm,” Journal of Optimization Theory and Applications, vol. 45, pp. 41–55, 1985.
[5] J. A. A. Van der Veen, “Solvable cases of the traveling salesman problem with various objective function,” Ph.D. thesis, University of Groningen, Groningen, 1992.
[6] D. S. Johnson and L. A. McGeoch, “The traveling salesman problem: A case study in local optimization,” Local search in combinatorial optimization, 1997.
[7] M. L. Fredman, D. S. Johnson, L. A. McGeoch, and G. Ostheimer, “Data structures for traveling salesmen,” Journal of Algorithms, vol. 18, no. 3, pp. 432–479, 1995.
[8] J. Carlier and P. Villon, “A new heuristic for the traveling salesman problem,” Recherche Operationelle/Operations Research, vol. 24, no. 3, pp. 245–253, 1999.
[9] G. A. CROES, “A method for solving traveling salesman problems,” Operations Research, vol. 6, no. 6, pp. 791–812, 1958.
[10] S. Singh and E.A. Lodhi, “Study of variation in TSP using genetic algorithm and its operator comparison,” International Journal of Soft Computing and Engineering, vol. 3, no. 2, pp. 264–267, 2013.
[11] S. Han, “The normality analysis of test score,” presented at the International Conference on Control, Automation and Systems Engineering (CASE), Singapore, Singapore, Jul. 30–31, 2011.
[12] Y. Yi and Q. Fang, “The improved hybrid genetic algorithm for solving TSP based on Handel-C,” presented at the 3rd International Conference on Advanced Computer Theory and Engineering, Chengdu, China, Aug. 20–22, 2010.
[13] Z. Wang, H. Duan, and X. Zhang, “An improved greedy genetic algorithm for solving travelling salesman problem,” presented at the Fifth International Conference on Natural Computation, Tianjin, China, Aug. 14–16, 2009.
[14] D. E. Goldberg, “Genetic Algorithms in Search, Optimization, and Machine Learning.” Massachusetts: Addison-Wesley Publishing Company, Inc. 1989.
[15] J. H. Holland, “Genetic algorithm and the Optimal Allocation of Trials,” SIAM Journal of Computing, vol. 2, no. 2, pp. 88–105, 1973.
[16] D. Xiaoyu and L. Yunhao, “Research and implementation of Web-Online english testing system,” in Proceedings Fourth International Symposium on Information Science and Engineering, 2010, pp. 430–433.
[17] S. Ghoshray and K. K. Yen, “More efficient genetic algorithm for solving optimization problems,” in Proceedings IEEE International Conference on Systems, Man and Cybernetics. Intelligent Systems for the 21st Century, vol. 5, pp. 4515–4520, 1995.
[18] B. Bonet and H. Geffner, “Planning as heuristic search,” Artificial Intelligence, vol. 129, pp. 5–33, 2001.
[19] M. Jose, “A heuristic for the traveling salesman problem based on a continuous approximation,” Transportation Research Part B33, pp.123–152, 1999.