การประยุกต์ใช้วิธีวิวัฒนาการโดยใช้ผลต่างสำหรับการแก้ปัญหาการเลือกขนาดและเลือกสถานที่ตั้งเตาเผาขยะติดเชื้อสำหรับโรงพยาบาลชุมชนใน ภาคตะวันออกเฉียงเหนือตอนบน
คำสำคัญ:
ปัญหาตำแหน่งที่ตั้ง, วิธีวิวัฒนาการโดยใช้ผลต่างบทคัดย่อ
งานวิจัยนี้เป็นการแก้ปัญหาการเลือกขนาดและตำแหน่งที่ตั้งเตาเผาขยะติดเชื้อของโรงพยาบาลชุมชนในเขตภาคตะวันออกเฉียงเหนือตอนบนจำนวน 109 แห่ง ประกอบไปด้วย จังหวัดกาฬสินธุ์ ขอนแก่น บึงกาฬ มหาสารคาม เลย สกลนคร หนองคาย หนองคาย หนองบัวลำภู และอุดรธานี โดยประยุกต์ใช้วิธีวิวัฒนาการโดยใช้ผลต่างในการแก้ปัญหา เพื่อหาต้นทุนรวมต่ำสุด ซึ่งประกอบไปด้วย ต้นทุนการขนส่งขยะติดเชื้อและค่าใช้จ่ายคงที่ในการดำเนินการรวมกับค่าใช้จ่ายในการเดินเครื่องเตาเผาขยะติดเชื้อ วิธีวิวัฒนาการโดยใช้ผลต่างที่ผู้วิจัยพัฒนาขึ้นมีการสร้างเวกเตอร์ที่ต่างจากวิธีวิวัฒนาการโดยใช้ผลต่างทั่วไปคือ มีการสร้างเวกเตอร์เพื่อใช้ในการค้นหาคำตอบ 3 ชุด ได้คำตอบเท่ากับ 569,562.66 บาท ใช้เวลาในการค้นหาคำตอบเฉลี่ย 154.44 วินาที โดยได้คำตอบที่ดีกว่าจากการใช้โปรแกรม Lingo คิดเป็น 13.36% ซึ่งโปรแกรม Lingo ทำการหาคำตอบใช้เวลา 1 ชั่วโมง 30 นาที 51 วินาที ได้คำตอบเท่ากับ 657,402.66 บาท
เอกสารอ้างอิง
Bureau of Environmental Health. Situation of infectious waste management in 2020. Thailand: Ministry of public health; 2021.
Chummuel C, Pianthong N, Seabsiri K. Investigation of Community Hospitals Infectious Waste Disposal in Upper Northeastern Region. UBU Engineering Journal. 2009;2(1):26-34.
Sriburum A, Sindhuchao S. Solving the problem of the selection of the size and location of Infectious Waste Incinerators for community hospitals in the upper part of Northeast Thailand. Thai Journal of Operation Research. 2013;1(2):51-59.
Sresanpila P, Sindhuchao S. A Heuristic for Solving the Location and Incinerator Selection Problem: A Case Study of Elimination of Infectious Waste of Community Hospitals in the Upper Northeastern Part of Thailand. UBU Engineering Journal. 2016;11(2):13-24.
Krittika K. Size and location selection of incinerators and vehicle routing for infectious waste collection of community hospitals in the upper part of northeast Thailand[MEng thesis]. Ubon Ratchathani: Ubon Ratchathani University; 2017 Thai.
Owen S, Daskin M. Strategic facility location: A review. European Journal of Operational Research. 1998;111(3):423-447.
Hakimi S. Optimum locations of switching centers and the absolute centers and medians of a graph. Operations Research. 1964;12(3):450–459.
Storn R, Price K. Differential Evolution–a simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization. 1997;11:341-359.
Qin A, Huang V, Suganthan P. Differential evolution algorithm with strategy adaptation for global numerical optimization. Evolutionary Computation. 2009;13(2):398-417.
Chiang C, Lee W, Heh J. A 2-Opt based differential evolution for global Optimization. Applied Soft Computing. 2010;10(4):1200-1207.
Pitakaso R, Parawech P, Jirasirierd G. Comparisons of Different Mutation and Recombination Processes of the DEA for SALB-1. Proceedings of the Institute of Industrial Engineers Asian Conference; 2013 July 18-20; Taipei, Taiwan. Springer Singapore; 2013.
Zhu W, Tang Y, Fang J, Zhang W. Adaptive population tuning scheme for differential evolution. Information Sciences. 2013;223:164-191.
Sethanan K, Pitakaso R. Improved differential evolution algorithms for solving generalized assignment problem. Expert Systems with Applications. 2016;45:450-459.
Sedki A, Quazar D. Hybrid particle swarm optimization and differential evolution for optimal design of water distribution systems. Advanced Engineering Informatics. 2012;26(3):582-591.
Epitropakis M, Plagianakos V, Vrahatis M. Evolving cognitive and social experience in Particle Swarm Optimization through Differential Evolution: A hybrid approach. Information Sciences. 2012;216: 50-92.
Miranda V, Alves R. Differential Evolution Particle Swam Optimization (DEEPSO): a successful hybrid. The 11th Brazilian Congress on Computational Intelligence; 2013 Sep 8-13; Ipojuca, Brazil. IEEE; 2014.
Thongdee T, Pitakaso R. Differential Evolution Algorithms Solving a Multi-Objective, Source and Stage Location-Allocation Problem. Industrial Engineering and Management Systems. 2015;14(1): 11-21.
Olenšek J, Tuma T, Puhan J, Burmen Á. A new asynchronous parallel global optimization method based on simulated annealing and differential evolution. Applied Soft Computing. 2011;11(1): 1481-1489.
Zhao X, Lin W, Yu C, Chen J, Wang S. A new hybrid differential evolution with simulated annealing and self-adaptive immune operation. Computer & Mathematics with Applications. 2013;66(10): 1948-1960.
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2022 วารสารวิจัย มข. (ฉบับบัณฑิตศึกษา)
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
