การคำนวณเชิงวิวัฒนาการระหว่าง เจเนติกอัลกอริทึม กับ พาติคอลสวอมออปติมัยเซชัน

Main Article Content

สุภกิจ นุตยะสกุล

บทคัดย่อ

- Genetic algorithm (GA) สามารถแก้ปัญหาและค้นหาผลลัพธ์ได้ดี แต่กระนั้นเจเนติกอัลกอริทึมยังขาดในด้านการแบ่งข้อมูลระหว่างประชากรจึงทำให้ GA ค้นหาผลลัพธ์ค่อนข้างช้า วิธีการใหม่ที่ได้รับการกล่าวถึงคือ Particle Swarm Optimization (PSO) ซึ่งจัดอยู่ในกลุ่มทฤษฎีการวิวัฒนาการกลุ่มเดียวกับ GA โดย PSO ใช้การจำลองหลักการค้นหาอาหารหรือเคลื่อนย้ายของสิ่งมีชีวิต ที่อยู่เป็ นกลุ่ม เช่นฝูงนกหรือฝูงปลา ไม่เหมือนกับ GA ที่ใช้การแข่งขันของประชากรค้นหาผลลัพธ์ บทความนี้นำเสนอเทคนิคของ PSO โดยเปรียบเทียบกับ GA เพื่อเชื่อมโยงความเหมือนและความต่างระหว่าง GA กับ PSO และสามารถนำไปประยุกต์ใช้งานเพื่อแก้ปัญหาที่ซับซ้อนได้

Article Details

How to Cite
[1]
นุตยะสกุล ส., “การคำนวณเชิงวิวัฒนาการระหว่าง เจเนติกอัลกอริทึม กับ พาติคอลสวอมออปติมัยเซชัน”, JIST, ปี 2, ฉบับที่ 2, น. 13–22, ธ.ค. 2011.
บท
บทความวิจัย Soft Computing:

References

1. John H. Holland, “Adaptation in Natural and Artificial System, University of Michigan press, Ann Arbor, 1979

2. M. Srinivas, L. M. Patnaik, “Genetic algorithm: a survey”, IEEE computer society, Vol. 27, pp. 17-26, 1994

3. Carlos A. Coello, “An Updated Survey of GA-Based Multiobjective Optimization Techniques”, ACM Computing Survey (CSUR), Vol. 32, June 2000

4. Kennedy J. and Eberthart R. “Particle Swarm Optimization”, Proc. IEEE Int. Conf. Neural Network, Vol. 4, pp 1942-1948, 1995

5. Cezary Z. Janikow and Zbigniew Michalewicz, “An Experimental Comparison of Binary and Floating Point Representation in Genetic Algorithm”, Proceeding of the 4th International Conference on Genetic Algorithm, pp. 31-36, 1991

6. David E. Goldberg, “Genetic Algorithm in Search, Optimization and Machine Learning”, Addison Wesley, New York, 1989

7. Z. Michalewicz, “Genetic Algorithm + Data Structures = Evolution Programs”, Springer-Verlag, New York, 1992

8. P. E. Gill and W. Murray, “Quasi-Newton method for Unconstrained Optimization”, IMA Journal of Applied Mathematics, Vol. 9, pp. 91-108, 1972

9. Nelder J. A. and Mead R. , “A simplex method for function optimization”, The Computer Journal, Vol.7, pp. 308-313, 1965

10. A. Ratnawera, S. K. Halgamuge, and H. C. Watson, Selforganizing hierarchical particle swarm optimizer with time-varying acceleration coefficients, IEEE Transaction on Evolutionary Computation, Vol.8, No.3, pp. 240-255, 2004

11. Angline P. J., “Evolutionary Optimization versus Particle Swarm Optimization: Philosophy and Performance Difference,” The 7th Annual Conference on Evolutionary Programming, San Diego, USA 1998

12. J. Vesterstrom, R. Thomsen, “A Comparative study of Differential Evolution, Particle Swarm Optimization, and Evolutionary Algorithm on Numerical Benchmark Problem,” in Proc. IEEE Congr Evolutionary Computation, Protland, pp. 1980-1987, 2004

13. Deniel W. Boeringer and Douglas H. Werner, “Particle Swarm Optimization Versus Genetic Algorithms for Phased Array Synthesis”, IEEE Trans. On Antennas and Proparation, Vol. 52, No. 3, pp 771-779, March 2004

14. The Mathworks, “Genetic Algorithm and Direct Search Toolbox User’s Guide”, The Mathworks Inc, p.222, 2005