การเปรียบเทียบวิธีการหาค่าเหมาะที่สุด ด้วยโซลเวอร์ของ Excel 2019 และขั้นตอนวิธีการหาค่าเหมาะที่สุดแบบวาฬ

ผู้แต่ง

  • วฐา มินเสน กลุ่มวิทยาการข้อมูล ภาควิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่
  • นุสบา แสงงามเมือง กลุ่มวิทยาการข้อมูล ภาควิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่
  • พิมผกา ธานินพงศ์ กลุ่มวิทยาการข้อมูล ภาควิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่
  • สาลินี ธำรงเลาหะพันธุ์ กลุ่มวิทยาการข้อมูล ภาควิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่

คำสำคัญ:

วิธีการหาค่าเหมาะที่สุดแบบวาฬ, วิธีเชิงวิวัฒน์, วิธีเกรเดียนต์ลดรูปแบบวางนัยทั่วไป

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการหาค่าเหมาะที่สุด วิธีเกรเดียนต์ลดรูปแบบวางนัยทั่วไป (Generalized reduced gradient: GRG) และเชิงวิวัฒน์ (Evolutionary algorithm: EV) ด้วยโซลเวอร์ของโปรแกรม Excel เวอร์ชัน 2019 และการหาค่าเหมาะที่สุดแบบวาฬ (Whale optimization algorithm: WOA) ที่พัฒนาใน Visual basic for application (VBA) โดยใช้ฟังก์ชันเกณฑ์เปรียบเทียบสมรรถนะจำนวน 16 ฟังก์ชันสำหรับหาค่าเหมาะที่สุด และใช้เกณฑ์การตัดสินใจ 4 เกณฑ์ คือ 1) อัตราความสำเร็จ (Success rate: ) 2) ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean absolute error: ) 3) อัตราความสำเร็จและค่าความคลาดเคลื่อนสัมบูรณ์ส่วนเบี่ยงเบนมาตรฐาน (  and )  และ 4) เวลาเฉลี่ย (Average time: ) เป็นตัวกำหนดวิธีการค้นหาคำตอบที่มีประสิทธิภาพมากที่สุด โดยในแต่ละฟังก์ชันมีการทำซ้ำ 100 รอบ ผลการวิจัยพบว่า เกณฑ์การตัดสินใจลำดับที่ 1) ถึง 3) วิธีการ WOA เป็นวิธีการหาคำตอบที่ดีที่สุด ส่วนเกณฑ์การตัดสินใจลำดับที่ 4) วิธีการ GRG เป็นวิธีการที่ใช้เวลาในการหาคำตอบได้เร็วที่สุด

เอกสารอ้างอิง

พิศาล สีนวล. การใช้โปรแกรมทางคณิตศาสตร์สำหรับแก้ปัญหาจัดสรรทรัพยากรเพื่อลดเวลาในการวางแผนการผลิต [วิทยานิพนธ์วิศวกรรมศาสตรมหาบัณฑิต]. กรุงเทพฯ: มหาวิทยาลัยธรรมศาสตร์; 2559.

Minsan P, Minsan W. Comparing methods of optimization in solver of Microsoft Excel 2007 and 2019. UTK Research Journal. 2019;13(2):144-61.

Minsan P.Comparing Methods of Optimization in Solver of Microsoft Excel 2007 and 2019: A Case Study of Statistical Models. The Journal of King Mongkut’s University of Technology North Bangkok. 2021;31(2):496-511.

Mirjalili S, Lewis A. The Whale Optimization Algorithm. Adv Eng Software. 2016;95:51-67.

ดรันภพ ยอดเพชร. อภิรัฐ ศิริธราธิวัตร, รองฤทธิ์ ฉัตรถาวร และคณะ. การจัดเรียงรูปแบบโครงข่ายไฟฟ้าที่เหมาะสมเพื่อลดกำลังไฟฟ้าสูญเสียด้วยวิธีจำลองการล่าเหยื่อของวาฬ. งานประชุมวิชาการ และนวัตกรรม กฟภ. ปี 2561; วันที่ 24-25 กันยายน 2561; ณ ศูนย์ประชุมวายุภักษ์ ศูนย์ราชการเฉลิมพระเกียรติ แจ้งวัฒนะ; 2561. น.75-80.

Karaboga D. An Idea Based on Honey Bee Swarm for Numerical Optimization. Technical Report-TR06, Engineering Faculty Computer Engineering Department Kayseri/Türkiye, Erciyes University. 2005.

เดชา พวงดาวเรือง, สุภาภรณ์ สุวรรณรังษี. การประยุกต์ขั้นตอนวิธีการผสมเกสรดอกไม้เพื่อแก้ปัญหาการหาค่าเหมาะที่สุดไม่เชิงเส้นแบบเฟ้นสุ่ม. การประชุมวิชาการข่ายงานวิศวกรรมอุตสาหการ ประจำปี พ.ศ. 2560; วันที่ 12-15 กรกฎาคม 2560; ณ โรงแรมดิเอ็มเพรส เชียงใหม่; 2560. น. 1077-83.

Indusmic Private Limited [Internet]. Benchmark function; 2021 [cited 2021 July 1]. Available form: https://www.indusmic.com/blog/categories/benchmark-function.

Global Optimization Benchmarks and AMPGO [Internet]. Test functions index; 2021 [cited 2021 July 1]. Available form: http://infinity77.net/global_optimization/test_functions.html#test-functions-index.

Mazhar Ansari Ardeh Internet]. BenchmarkFcns; 2021 [cited 2021 July 1]. Available form: https://github.com/mazhar-ansari-ardeh/BenchmarkFcns/tree/master/benchmarks.

ดาวน์โหลด

เผยแพร่แล้ว

12/30/2021

รูปแบบการอ้างอิง

[1]
มินเสน ว. ., แสงงามเมือง น. ., ธานินพงศ์ พ. ., และ ธำรงเลาหะพันธุ์ ส. ., “การเปรียบเทียบวิธีการหาค่าเหมาะที่สุด ด้วยโซลเวอร์ของ Excel 2019 และขั้นตอนวิธีการหาค่าเหมาะที่สุดแบบวาฬ”, UTK RESEARCH JOURNAL, ปี 15, ฉบับที่ 2, น. 106–120, ธ.ค. 2021.

ฉบับ

ประเภทบทความ

บทความวิจัย