Enhanced Krill Herd Algorithm for Chemical Engineering Problems

ผู้แต่ง

  • Pattamaporn Suwajittanont ภาควิชาวิศวกรรมเคมี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตบางเขน
  • Kasidij Peantham ภาควิชาวิศวกรรมเคมี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตบางเขน
  • Thongchai Rohitatisha Srinophakun ภาควิชาวิศวกรรมเคมี คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตบางเขน

คำสำคัญ:

วิธีการฝูงกุ้ยเคย, ขั้นตอนวิธีแบบเมตาฮิวริสติกที่เหมาะสมที่สุด, วิธีการทางพันธุกรรม, วิธีการสำรวจ, วิธีการแสวงหาคำตอบ, วิธีการฝูงกุ้งเคยแบบปรับปรุงด้วยการเพิ่มประสิทธิภาพ

บทคัดย่อ

Krill Herd algorithm, Meta-Heuristic optimization, was introduced and wildly applied to many fields. However, Meta-heuristic sometimes got stuck in the local trapped. This article proposes a new technique to enhance the Krill Herd algorithm to apply to various chemical engineering problems. It focuses on balancing between the exploration and exploitation operator for escaping the optimum trapped by using the genetic algorithm named crossover operator to update a new position of the krill and also use the checking method to prevent the unexpectable error from running program. This new technique is the so-called Enhanced Krill Herd algorithm (EKHA). In this research, seven benchmark problems have validated the performance of the developed algorithm. In addition, EKHA also brought to solve the real working field. Four chemical engineering problems with different design conditions were selected to test the performance. The obtained results from the proposed method and standard krill herd algorithm show the achievements reaching the optimum results. This EKHA gave more accuracy comparing with the exact solution from the exact algorithm of the problem. The only weakness of the proposed algorithm is required more computational time for operating because of the checking method. The comparison between the two methods can prove the efficiency and superiority of the proposed algorithm.

References

A. H. Gandomi and A. H. Alavi (2013). An introduction of the Krill Herd algorithm for engineering optimization. Journal of Civil Engineering and Management, 22(3): 302–310.

ศรีสัจจา วิทยศักดิ์ และ ภูพงษ์ พงษ์เจริญ. (2557). การประยุกต์ใช้วิธีการฝูงกุ้งเคยเพื่อแก้ปัญหาการจัดตารางการผลิตสำหรับอุตสาหกรรมที่ผลิตสินค้าประเภททุน. ภาควิชาวิศวกรรมอุตสาหการ มหาวิทยาลัยนเรศวร, วันที่เข้าถึง 17 ตุลาคม 2562.

E. Fattahi, M. Bidar and H. R. Kanan (2014). Modified Krill Herd Algorithm using

Chaotic Parameters.

A. H. Gandomi, X.-S. Yang, S. Talatahari and A. H. Alavi (2013). Metaheuristic Algorithms in Modeling and Optimization. Metaheuristic Applications in Structures and Infrastructures, pp. 1-24.

A. H. Gandomi and A. H. Alavi (2012). Krill herd: A new bio-inspired optimization algorithm. Communications in Nonlinear Science and Numerical Simulation, 17(12): 4831–4845.

Bolaji A.L., Al-Betar M.A., Awadallah M.A., Khader A.T. and Abualigah L.M. (2016). A comprehensive review: Krill Herd algorithm (KH) and its applications. Applied Soft Computing, 49: 437–446.

M. Crepinsek, M. Mernik, S. H. Liu (2013). Exploration and Exploitation in Evolutionary Algorithms: A Survey. ACM Computing Surveys, 25(3): article 35.

Omid Bozorg-Haddad (2018). Advanced Optimization by Nature-Inspired Algorithm. Singapore: Springer Nature.

Downloads

เผยแพร่แล้ว

2020-12-28