การเปรียบเทียบประสิทธิภาพวิธีหาค่าเหมาะสุดแบบกลุ่มอนุภาคและวิธีแบท สำหรับตัวแบบสินค้าคงคลัง 3 ระดับขั้น
คำสำคัญ:
เมตาฮิวริสติก, ปัญญาเชิงกลุ่ม, ตัวแบบสินค้าคงคลัง 3 ระดับบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของวิธีเมตาฮิวริสติกส์ 2 วิธี ได้แก่ วิธีการหาค่าเหมาะสุดแบบกลุ่มอนุภาค (Particle Swarm Optimization ; PSO) และวิธีแบท (Bat Algorithm ; BA) ที่ใช้แก้ปัญหาการจัดการสินค้าคงคลัง 3 ระดับขั้น ที่มีความต้องการสินค้าคงที่ เพื่อให้เกิดค่าใช้จ่ายในการบริหารสินค้าคงคลังที่ต่ำที่สุด วิธีการศึกษาทำโดยการสร้างตัวแบบและจำลองข้อมูลสินค้าคงคลัง 3 ระดับ และทำซ้ำ 1,000 รอบต่อสถานการณ์ กำหนดพารามิเตอร์ที่ศึกษาประกอบด้วย รอบการค้นหาคำตอบแบ่งเป็น 7 ระดับ จำนวนอนุภาค (สำหรับวิธี PSO) จำนวนค้างคาว (สำหรับวิธี BA) แบ่งเป็น 3 ระดับ เกณฑ์การวัดประสิทธิภาพได้แก่ ค่าใช้จ่ายรวมต่ำสุดโดยเฉลี่ย และเวลาในการประมวลผลของแต่ละวิธี ผลการทดลองพบว่าวิธีการหาค่าเหมาะสุดด้วยกลุ่มอนุภาคมีประสิทธิภาพมากกว่าวิธีแบทคิดเป็น 0.46% แต่ใช้เวลาในการประมวลผลมากกว่าถึง 49.64%
เอกสารอ้างอิง
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.
