A Comparative study on Particle Swarm Optimization and Bat Algorithm for Three Echelon Inventory Model

Authors

  • Sirirat Kakarndee Department of Applied Statistics, Faculty of Applied Science, King Mongkut’s University of Technology North Bangkok
  • Siraprapa Manomat Department of Applied Statistics, Faculty of Applied Science, King Mongkut’s University of Technology North Bangkok

Keywords:

Metaheuristic, Swarm Intelligence, Three Echelon Inventory Model

Abstract

The objective of this research is to compare the efficiency of two metaheuristic algorithms, consist of Particle Swarm Optimization (PSO) and Bat Algorithms (BA) which are used to solve a three-echelon inventory problem under deterministic demand. Minimum inventory management costs are investigated in various parameters such as iteration (7 levels), number of particles and number of bats (3 levels). Average minimum costs and processing time are considered as efficacy of each method. The results show that the Particle Swarm Algorithm is better than the Bat Algorithm in terms of accurate solutions by 0.46%. However, PSO processing time is longer than the Bat algorithm by 49.64%.

References

J. R. Stock and D. M. Lambert, Strategic Logistics Management. 4th ed., New York: McGraw-Hill, 2001.

บุญเจริญ ศิริเนาวกุล, ปัญญาประดิษฐ์: ปัญญาเชิงกลุ่ม. กรุงเทพมหานคร: สำนักพิมพ์ท้อป, 2555.

A. Gupta, V. Narayan, A. Raj, Harsh and D. Nagaraju, “Comparative Study of Three Echelon Inventory Optimization using Genetic Algorithm and Particle Swarm Optimization,” International Journal of Trade, Economics and Finance., vol. 3, pp. 205-208, 2012.

ภาสุระ อังกุลานนท์, “การศึกษาเปรียบเทียบวิธีการแก้ไขปัญหาด้วยวิธีแบทและวิธีกลุ่มอนุภาค กรณีศึกษาการวางแผนการผลิต.” ใน การประชุมวิชาการข่ายงานวิศวกรรมอุตสาหการ ประจำปี พ.ศ. 2555. กรุงเทพมหานคร: หน้า 60-65, 2555.

V.R.S. Kumar, S. P. Anbuudayasankar and K. Rameshkumar, “Optimization Bi-Objective, Multi-Echelon Supply Chain Model using Particle Swarm Intelligence Algorithm,” in International Conference on Advances in Materials and Manufacturing Applications. United Kingdom: pp. 1-11, 2018.

เอกพงษ์ มานิล และอนงค์ฤทธิ์ แข็งแรง, “การประยุกต์ใช้การค้นหาด้วยวิธีแบท ค้นหาโค้งควบคุมที่เหมาะสม,” ในการประชุมวิชาการมหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 14. กองส่งเสริมการวิจัยและบริการวิชาการ มหาวิทยาลัยมหาสารคาม: หน้า 456-465, 2561.

E. O. Wilson, Sociobiology : The new synthesis. Cambridge: Belknap Press, 1975.

C. W. Reynolds, "Flocks, herds and schools : a distributed behavioral model," Computer Graphics., vol. 21, pp. 25-34, 1987.

J. Kennedy and R. Eberhart, “Particle Swarm Optimization,” in Proceedings of the IEEE International Conference on Neural Networks, Perth Australia: pp. 1942-1948, 1995.

X. S. Yang, “A New Metaheuristic Bat – Inspired Algorithm in J.R. González, D.A. Pelta, C. Cruz, G. Terrazas, and N. Krasnogor (eds.),” Nature Inspired Cooperative Strategies for Optimization Studies in Computational Intelligence., vol. 284, pp. 65-74, 2010.

Downloads

Published

2020-06-02

How to Cite

[1]
S. Kakarndee and S. Manomat, “A Comparative study on Particle Swarm Optimization and Bat Algorithm for Three Echelon Inventory Model”, TJOR, vol. 8, no. 1, pp. 11–19, Jun. 2020.