การพัฒนาและปรับปรุงประสิทธิภาพการหาคำตอบที่เหมาะสมโดยวิธีการฝูงหมาป่าสีเทา กรณีศึกษา: การจัดเส้นทางเดินรถเก็บขยะ
DOI:
https://doi.org/10.53848/jlsco.v12i2.291344คำสำคัญ:
เมต้าฮิวริสติกส์, การพัฒนา และปรับปรุง, วิธีการหาค่าที่เหมาะสมของฝูงหมาป่าสีเทา, ปัญหาการจัดเส้นทางยานพาหนะ, การจัดเส้นทางเดินรถเก็บขยะบทคัดย่อ
จากสภาพปัญหาการดำเนินการจัดเส้นทางเก็บขยะที่ไม่มีประสิทธิภาพโดยการเก็บขยะเลือกเส้นทางเริ่มจากที่ไกลก่อน จึงส่งผลให้มีระยะทางรวมในการเก็บขยะที่สูงทำให้เกิดการสิ้นเปลืองด้านน้ำมันเชื้อเพลิง งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนา และปรับปรุงประสิทธิภาพการหาคำตอบที่เหมาะสมของวิธีการฝูงหมาป่าสีเทา (Grey wolf optimizer: GWO) สำหรับการจัดเส้นทางเดินรถเก็บขยะที่มีรูปแบบเป็นปัญหาการจัดเส้นทางเดินรถโดยมีข้อจำกัดของปริมาณการบรรทุกของรถ (The capacitated vehicle routing problem : CVRP) ซึ่งใช้ข้อมูลเก็บขยะกรณีศึกษาหมู่บ้านป่าห้า หมู่บ้านสันต้นขาม และหมู่บ้านดาวดึงส์ ทั้งหมด 52 จุด ในการจัดเส้นทางโดยเปรียบเทียบกับวิธีการเดินรถแบบเดิมกับวิธีการฝูงหมาป่าสีเทาที่ได้พัฒนา และปรับปรุง ได้แก่ GWO แบบสองกลุ่ม (GWO2) และ GWO แบบสามกลุ่ม (GWO3) รวมถึง GWO แบบเดิม, วิธีวิวัฒนาการโดยใช้ผลต่าง (Differential evolution optimization: DEO), วิธีหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค (Particle swarm optimization: PSO) ผลกการวิจัย จำนวนรอบการเก็บขยะเท่ากันคือ 4 รอบ พบว่าวิธีการเดินรถแบบเดิมมีระยะทาง 72,200 เมตร ขณะที่ DEO และ PSO ให้ระยะทางเฉลี่ย 62,970 และ 62,550 เมตรตามลำดับ โดย GWO แบบเดิมสามารถลดระยะทางเหลือ 61,150 เมตร และ GWO2 ลดเหลือ 60,250 เมตร ส่วน GWO3 สามารถลดระยะทางได้มากสุดที่ 58,350 เมตร หรือคิดเป็นร้อยละ 19.183 นอกจากนี้ GWO3 ยังมีค่าเบี่ยงเบนมาตรฐานต่ำที่สุด แสดงถึงความสม่ำเสมอ และเสถียรของผลลัพธ์ จากผลการวิจัยพบว่า GWO3 มีความสามารถในการลู่เข้าหาคำตอบได้รวดเร็ว และมีประสิทธิภาพสูงที่สุดในบรรดาอัลกอริธึมที่เปรียบเทียบกัน จึงเหมาะสมอย่างยิ่งที่จะนำไปประยุกต์ใช้กับการวางแผนเส้นทางเดินรถเก็บขยะ
เอกสารอ้างอิง
Abdollahzadeh, B., Soleimanian Gharehchopogh, F., & Mirjalili, S. (2021). Artificial gorilla troops optimizer: A new nature-inspired metaheuristic algorithm for global optimization problems. International Journal of Intelligent Systems, 36(10), 5887–5958.
Boualem, S. M., Meftah, B., & Debbat, F. (2022). Solving travelling salesman problem using a modified grey wolf optimizer. In M. Hatti (Ed.), Artificial intelligence and heuristics for smart energy efficiency in smart cities (Vol. 361, pp. 708–716). Springer.
Chen, Y., & Wang, J. (2020). A modified binary grey wolf optimizer for the hazardous waste collection vehicle routing problem. Waste Management, 106, 213-226.
Dantzig, G. B., & Ramser, J. H. (1959). The truck dispatching problem. Management Science, 6(1), 80–91.
Diastivena, D., Wahyuningsih, S., & Satyananda, D. (2021). Grey Wolf Optimizer algorithm for solving the multi depot vehicle routing problem and its implementation. Journal of Physics: Conference Series, 1872(1), 012001.
Eberhart, R., & Kennedy, J. (1995, October). A new optimizer using particle swarm theory. Proceedings of the Sixth International Symposium on Micro Machine and Human Science, (pp. 39–43). IEEE.
Gupta, S., & Sharma, R. (2022). An enhanced grey wolf optimizer for electric vehicle routing problem with time windows considering battery consumption. Journal of Cleaner Production, 330, 129858.
Hu, P., Pan, J.-S., & Chu, S.-C. (2020). Improved Binary Grey Wolf Optimizer and Its application for feature selection. Knowledge-Based Systems, 195, 105746.
Huang, G., Qi, Y., Cai, Y., Luo, Y., & Huang, H. (2024). A Grey Wolf Optimizer Algorithm for Multi-Objective Cumulative Capacitated Vehicle Routing Problem Considering Operation Time. Biomimetics, 9(6), 331.
Ibrahim, A. M., Tawhid, M. A., & Won, D. (2022). A hybrid grey wolf optimizer and tabu search algorithm for the recyclable waste collection routing problem. Applied Soft Computing, 119, 108585.
Jayabarathi, T., Raghunathan, T., Adarsh, B. R., & Suganthan, P. N. (2016). Economic dispatch using hybrid grey wolf optimizer. Energy, 111, 630–641.
Jayakumar, N., Subramanian, S., Ganesan, S., & Elanchezhian, E. B. (2016). Grey wolf optimization for combined heat and power dispatch with cogeneration systems. International Journal of Electrical Power & Energy Systems, 74, 252–264.
Komaki, G. M., & Kayvanfar, V. (2015). Grey Wolf Optimizer algorithm for the two-stage assembly flow shop scheduling problem with release time. Journal of Computational Science, 8, 109–120.
Kumar, V., Kalra, M., & Singh, D. (2021). A hybrid grey wolf optimizer with local search for capacitated vehicle routing problem. Expert Systems with Applications, 173, 114659.
Li, X., & Zhao, Y. (2023). Grey wolf optimizer with reinforcement learning for dynamic waste collection vehicle routing problem. Computers & Industrial Engineering, 175, 108853.
Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software, 69, 46–61.
Muangkote, N., Sunat, K., & Chiewchanwattana, S. (2014). An improved grey wolf optimizer for training q-Gaussian Radial Basis Functional-link nets. 2014 International Computer Science and Engineering Conference (ICSEC), 209–214.
Reinelt, G. (1991). TSPLIB—A traveling salesman problem library. ORSA Journal on Computing, 3(4), 376–384.
Shaheen, A., Sleit, A., & Al-Sharaeh, S. (2018). A solution for traveling salesman problem using grey wolf optimizer algorithm. J. Theor. Appl. Inf. Technol, 96(18), 6256–6266.
Song, X., Tang, L., Zhao, S., Zhang, X., Li, L., Huang, J., & Cai, W. (2015). Grey Wolf Optimizer for parameter estimation in surface waves. Soil Dynamics and Earthquake Engineering, 75, 147–157.
Sopto, D. S., Ayon, S. I., Akhand, M. A. H., & Siddique, N. (2018). Modified Grey Wolf Optimization to Solve Traveling Salesman Problem. 2018 International Conference on Innovation in Engineering and Technology (ICIET), 1–4.
Storn, R., & Price, K. (1997). Differential evolution – A simple and efficient heuristic for global optimization over continuous spaces. Journal of Global Optimization, 11(4), 341–359.
Toth, P., & Vigo, D. (Eds.). (2014). Vehicle routing: Problems, methods, and applications (2nd ed.). Society for Industrial and Applied Mathematics.
Winyangkul, S., Kamtaeja, S., Chaiwongsakda, N., Sukkay, S., & Saengsuwan, T. (2025, September 5). Data grey wolf optimization algorithm. Faculty of Industrial Technology, Chiang Rai Rajabhat University. https://www.ind.crru.ac.th/data/Data_GreyWolfOptimization.pdf
Yang, X. S. (2010). Nature-inspired metaheuristic algorithms (2nd ed.). Frome, UK: Luniver Press.
Zhang, G., Li, Y., & Zhang, W. (2019). A multi-phase grey wolf optimizer for multi-depot vehicle routing problem in e-waste collection. Journal of Cleaner Production, 234, 1188-1201.
