206 2 May-August 2018eng.kbu.ac.th/kbej/docs/articles/Vol.8_2/KBEJ-8-2-16.pdf · 208 Kasem Bundit Engineering Journal Vol.8 No.2 May-August 2018. ต้องการเลือดของโรงพยาบาลของเขตภาคเหนือตอนบน

206 Kasem Bundit Engineering Journal Vol.8 No.2 May-August 2018

การแกปญหาการจดสงเลอดดวยวธไฮบรดการคนหาแบบนกกาเหวา

BLOOD VEHICLE ROUTING PROBLEM BY HYBRID

CUCKOO SEARCH ALGORITHM

คณน สจาร1 และ สรชย จรวงศนสรณ2 1สาขาวชาวศวกรรมอตสาหการ คณะวศวกรรมศาสตร มหาวทยาลยเทคโนโลยราชมงคลรตนโกสนทร,

96 หม 3 ถ.พทธมณฑล สาย 5 ต.ศาลายา อ.พทธมณฑล จ.นครปฐม 73170,

[email protected] 2สาขาวชาวศวกรรมเครองกล คณะวศวกรรมศาสตร มหาวทยาลยเทคโนโลยราชมงคลรตนโกสนทร,

96 หม 3 ถ.พทธมณฑล สาย 5 ต.ศาลายา อ.พทธมณฑล จ.นครปฐม 73170,

[email protected]

Kanon Sujaree1 และ Sirichai jirawongnuson2 1Division of Industrial Engineering, Faculty of Engineering,

Rajamangala University of Technology Rattanakosin, 96 Moo 3 Phutthamonthon Sai 5 Rd.

Salaya, Phutthamonthon, Nakhon Pathom 73170, Thailand, [email protected] 2Division of Mechanical Engineering, Faculty of Engineering,

Rajamangala University of Technology Rattanakosin, 96 Moo 3 Phutthamonthon Sai 5 Rd.

Salaya, Phutthamonthon, Nakhon Pathom 73170, Thailand, [email protected]

บทคดยอ

งานวจยนนาเสนอวธการคนหาแบบนกกาเหวาประยกตกบวธคนหาแบบทาบและวธคนหาแบบ

เพอนบานซงเรยกวธการนวาวธไฮบรดการคนหาแบบนกกาเหวา สาหรบการแกปญหาการจด

เสนทางการจดสงเลอดของศนยรบบรจาคเลอดจงหวดเชยงใหมไปยงโรงพยาบาลในพนทความ

รบผดชอบ เพอหาระยะทางทส นทสดสาหรบการจดสงเลอด การทดสอบประสทธภาพของอลกอร

ทมจงกาหนดขนาดของปญหาเปนสามขนาด และนาเสนอวธการออกแบบการทดลองและการ

วเคราะหความแปรปรวนเพอหาพารามเตอรทเหมาะสมสาหรบการหาผลเฉลย ปรากฏวาวธไฮบรด

การคนหาแบบนกกาเหวามผลเฉลยดกวาวธทางพนธกรรม วธการคนหาแบบนกกาเหวา และวธ

ปฏกรยาเคม สาหรบปญหาขนาดใหญ 150, 16 และ 12 กโลเมตร ตามลาดบ

คาสาคญ: วธไฮบรดการคนหาแบบนกกาเหวา, ปญหาการจดสงเลอด, การออกแบบการทดลอง

Faculty of Engineering, Kasem Bundit University Research Article

วศวกรรมสารเกษมบณฑต ปท 8 ฉบบท 2 พฤษภาคม-สงหาคม 2561 207

ABSTRACT

This research proposes the hybrid method between Cuckoo Search, Tabu Search and

Neighborhood Search that called the hybrid cuckoo search. The proposed algorithm solves

blood routing problem from Chiang Mai blood donation center to hospitals in the responsible

area. The aim of this research is to minimize the distances for blood transportation. There

are three sizes of comparing dataset to measure the hybrid cuckoo search performance.

The design of the experiment and the variance analysis were used to find the appropriate

parameters. The hybrid cuckoo search can get the better solution than the Genetic algorithm,

Cuckoo search and artificial chemical reaction optimization algorithm in the large problem by

150, 16 and 12 km, respectively.

KEYWORDS: Hybrid cuckoo search, Blood routing problem, Design of experiment

1. บทนา

องคกรหลกทรบบรจาคเลอดของประเทศไทยคอสภากาชาดไทย ซงเปนองคกรทมหนาท

บรการเกยวกบเลอดทงรบบรจาคเลอดและใหโรงพยาบาลทตองการเลอดนาเลอดไปบรการคนไข

โดยดาเนนการจดตงศนยโลหตแหงชาต (National Blood Centre: NBC) ในกรงเทพมหานคร ซง

ความตองการใชเลอดตามหมเลอดในแตละวนของประเทศไทย คอ หม A 400 ยนต หม B 400 ย

นต หม O 600 ยนต และหม AB 100 ยนต โดย 1 ยนตจะเทากบ 400 ซซ สาหรบศนยรบบรจาค

เลอดสวนภมภาค (Regional Blood Centre: RBCs) มหนาทแบบเดยวกนกบ NBC มจานวนศนย

รบบรจาคโลหตสวนภมภาค 11 แหงทวประเทศกระจายไปตามพนทจงหวดใหญๆ ทเปนศนยกลาง

ของแตละภมภาค โดยทง NBC และ RBCs มทาหนาทประชาสมพนธการรบบรจาคเลอด การตง

จดรบบรจาคเลอดนอกสถานทการคดกรองเลอด การสารองเลอด การบรหารคลงเลอดและจดสง

เลอดไปยงโรงพยาบาลทวประเทศ โดยการกาหนดจากรฐบาล สาหรบจดประสงคหลกของ

สภากาชาดไทยคอรกษาระดบปรมาณเลอดใหเพยงพอตอความตองการและรกษาคณภาพของ

เลอดซงจดประสงคเหลานเปนมาตรฐานแบบเดยวกบนานาชาต สวนขนตอนการคดกรองเลอด

ประกอบไปดวยการแยกกลมของเลอดและคดกรองเลอดจากเลอดทมเชอโรคซฟลส HIV และเชอ

ไวรสตบอกเสบเอ บและซ เลอดทงหมดถกทาการแยกอยในรปของเมดเลอดแดง(Single Donor

Red Cell) มอายอยได 21-42 วนแลวแตชนดของเมดเลอดแดง พลาสมา (Single Donor Plasma)

อยไดประมาณ 1 ป ทอณหภมตดลบและเกรดเลอด (Single Donor Platelets) อยไดประมาณ 5

วน เพอแจกจายไปยงโรงพยาบาล (ศนยบรการโลหตแหงชาตสภากาชาดไทย กรงเทพ, 2016)

กรณศกษาของงานวจยนมงเนนไปทพนทบรเวณภาคเหนอของประเทศไทยสาหรบรองรบความ

คณะวศวกรรมศาสตร มหาวทยาลยเกษมบณฑต บทความวจย


ตองการเลอดของโรงพยาบาลของเขตภาคเหนอตอนบน ซงจดรบบรจาคจดตงขนทจ งหวด

เชยงใหม ทต งของศนยรบบรจาคเลอดจงหวดเชยงใหม อยทเลขท 196 ถนนราชภาคนย ตาบลศร

ภม อาเภอเมอง เทศบาลนครเชยงใหม ซงมหนาทรบบรจาคและจดสงเลอดไปยงโรงพยาบาลเขต

จงหวดภาคเหนอตอนบน 8 จงหวด คอ เชยงใหม เชยงราย แพร นาน ลาปาง พะเยา และ

แมฮองสอน ซงจานวนโรงพยาบาลทตองจดสงเลอด คอ 112 โรงพยาบาล โดยทาการจดสงโดยใช

รถตทกาหนดอณหภมทเหมาะสมกบการเกบรกษาเลอดและกาหนดการจดสง 3 วนตอการจดสง 1

ครง [1] จดดาของรปท 1 แสดงตาแหนงของโรงพยาบาลทง 112 แหง

รปท 1 ตาแหนงของโรงพยาบาลสาหรบจดสงเลอด

ขอบเขตของงานวจยนคอ การจดสงเลอดจากศนยรบบรจาคเลอดจงหวดเชยงใหม ไปยง

โรงพยาบาลตางๆ 112 โรงพยาบาล โดยการจดสงเรมจากจดรบบรจาคเลอดไปสงยงโรงพยาบาล

ตางๆ ตามความตองการเลอดของแตละโรงพยาบาลและเชคปรมาณเลอดทเหลออยบนรถ เมอสง

เลอดครบหรอปรมาณเลอดทเหลอบนรถไมเพยงพอตอความตองการของโรงพาบาลทจะจดสง จง

กลบมาเตมเลอดทศนยรบบรจาคเลอดอกครง หลงจากจดสงเลอดครบทตามจานวนทโรงพยาบาล

ตองการแลวรถจดสงเลอดกจะเดนทางกลบมาประจาทศนยรบบรจาคเลอด มรปแบบการจดสงเลอด

แสดงตวอยางดงรปท 2



รปท 2 รปแบบการจดสงเลอดจากศนยรบบรจาคเลอดไปยงโรงพยาบาล

ปญหาการจดสงเลอดจดเปนรปแบบของปญหาการขนสงชนดหนง ซงเรยกวาปญหาการ

ขนสงแบบมเงอนไขดานความจของรถขนสง (Capacitated Vehicle Routing Problem: CVRP) ซง

มรปแบบปญหาคอ รปรมาณทลกคาตองการและสถานทจดสงทแนนอน (โรงพยาบาลแตละ

โรงพยาบาลแจงความตองการเลอดไปยงศนยรบบรจาคเลอด และจดสงไปยงโรงพยาบาลนนๆ) [2]

สาหรบวธการแกปญหาการจดสงเลอด อยในกลมของปญหาแบบ Non Polynomial hard (NP

Hard) ซงมความซบซอนสาหรบแกปญหา โดยงานวจยดานปญหาการขนสงแบบมเงอนไขดาน

ความจรถ มการคนควาอยางแพรหลาย วธแกปญหาการขนสงแบบมเงอนไขดานความจรถสามารถ

แบงวธการแกปญหาออกเปน 3 วธคอวธแบบทหนงคอ วธแกปญหาแบบสมการคณตศาสตร

(Mathematical model) เชน Linear Programming (LP) หรอ Dynamic Programming (DP) เหมาะ

กบปญหาขนาดของขอมลไมมาก ซงเปนวธการทสามารถหาผลเฉลยไดดทสดเนองจากใชหลกการ

ทางคณตศาสตรเหมาะสมกบปญหาทมขนาดเลก เพราะใชเวลาในการหาผลเฉลยใชเวลานาน โดย

มเวลาการคานวณเพมขนเปนรปแบบ exponential ตามขนาดของปญหา วธแบบทสอง คอ วธ

แกปญหาแบบเฉพาะเจาะจงกบชนดของปญหา (Specific approach) เปนวธการแกปญหาทถก

สรางขนมาเพอแกปญหาการแบบเฉพาะเจาะจง หรอเรยกวา Exact method จงไมสามารถนาไป

ประยกตแกปญหาอนได และไมการนตผลเฉลยทดทสดเพราะหาผลเฉลยจากการประมาณ

(Approximation) โดยวธนพฒนาขนเพอตองการลดพนทการคนหาคาตอบและลดเวลาสาหรบการ



ประมวลผล วธการแบบทสาม คอวธแกปญหาแบบปญญาประดษฐ (Artificial intelligent) หรอ

เรยกวา วธ Metaheuristic หรอวธ Machine learning เปนวธทเหมาะสมกบปญหาทมขนาดใหญ

มพนทของผลเฉลยมากปญหามความสลบซบซอนสง เพราะวธการนมความยดหยนในการ

แกปญหา เพราะมการเรยนรการสรางผลเฉลยและพฒนาผลเฉลยดวยตวของอลกอรทมเอง เหมาะ

กบปญหาการหาคาทเหมาะสม (Optimization) [3] แตหวใจสาคญคอการประยกตวธแกปญหากบ

ปญหาใหมความเหมาะสม วธเมตาฮวรสตก (Metaheuristic) ถกประยกตใชอยางแพรหลายใน

สาขาวชา เชน วศวกรรมศาสตร วทยาศาสตร บรหารธรกจ การจดการทรพยากร เปนตน คาวาเม

ตาฮวรสตกมาจากรากศพทภาษากรซ โดยแบงเปน 2 คาผสมกนคอคาวา เมตา แปลวา เหนอกวา

พเศษ ถดไป คาวา ฮวรสตกส แปลวา การหา การสารวจ ซงรวมกนมความหมายวา วธการท

เหนอกวาวธการปกต หรอพฒนามาจากทฤษฎหนงเพอแกปญหาอกทฤษฎหนง [4] โดยสวนมาก

วธการเมตาฮวรสตกพฒนามาจากแนวคดพนฐานทางวทยาศาสตรและสงคม วธเมตาฮวรสตกท

พฒนามาจากพนฐานและกฎทางฟสกสเชน วธ Gravity Search Algorithm (GSA) [5] , วธ

Intelligent Water Drops Algorithm (IWD) [6] เปนตน วธเมตาฮวรสตกทพฒนามาจากพนฐานทาง

ชววทยาหรอจากพฤตกรรมของสงมชวต เชน วธ Ant Colony Optimization (ACO) [7], วธ

Cuckoo Search (CS) [8],วธ Particle Swarm Optimization (PSO) [9] และ วธ Genetic Algorithm

(GA) [10] เปนตน วธเมตาฮวรสตกทพฒนามาจากพนฐานทางเคม เชน วธ Artificial Chemical

Reaction Optimization (ACROA) [11] วธเมตาฮวรสตกทพฒนามาจากพนฐานทางสงคมวทยา

เช น วธ Imperialist Competitive Algorithm (ICA) [1 2] , วธ Tabu Search (TS) [13] และวธ

Neighbor Search (NS) [14] วธเมตาฮวรสตกทพฒนามาจากพนฐานทางมานษยดนตรวทยา เชน

วธ Harmony Search Algorithm (HSA) [15] จากทกลาวมาขางตนเปนการแบงวธเมตาฮวรสตก

ดวยพนฐานการพฒนาแตถาแบงดวยวธการสรางประชากรเรมตนแบงออกไดเปน 2 ชนด คอ แบบ

สม (Random) ซงความนาจะเปนเทากนเชน GA, PSO และแบบความนาจะเปนไปยงตาแหนง

ถดไปเชน ACO, CFO [16] โดยหวใจสาคญของวธเมตาฮวรสตก คอการเรยนรดวยตวของอลกอร

ทม จากประสบการณหรอผลเฉลยกอนหนา ซงแบงเปน 2 แบบ คอ แบบนาเอาผลเฉลยเกามา

พฒนาตอ เชนวธ GA, วธ PSO ซงนาผลเฉลยจากรอบการคานวณครงกอนมาเกบเปนผลเฉลย

เรมตนของงรอบการคานวณถดมาและวธการนาผลเฉลยครงกอนมาแทนดวยตวเลขเพอแทนผล

เฉลยทงหมด เชน วธของกลม ACO งานวจยนนาเสนอวธไฮบรดการคนหาแบบนกกาเหวา ซง

พฒนาจากงานวธการคนหาแบบนกกาเหวาสาหรบการแกปญหาการจดสงเลอดในพนทของศนยรบ

บรจาคเลอดจงหวดเชยงใหม ไปยงโรงพยาบาลในเขตพนทรบผดชอบ [1]

บทความประกอบดวยหวขอตางๆ ทจะอธบายในหวขอถดไปคอ หวขอท 2 สมการของปญหา

การจดสงเลอด หวขอท 3 แนวคดวธไฮบรดการคนหาแบบนกกาเหวา หวขอท 4 การประยกตวธ

ไฮบรดการคนหาแบบนกกาเหวากบปญหาการจดสงเลอด หวขอท 5 การออกแบบการทดลอง



สาหรบหาพารามเตอรทเหมาะสมของวธไฮบรดการคนหาแบบนกกาเหวา หวขอท 6 การสรปผล

การทดลอง

2. สมการและเงอนไขของปญหาการจดสงเลอด

รปแบบของสมการปญหาการจดสงเลอด มวตถประสงคเพอหาระยะทางทส นทสดของการ

จดสงเลอดจากศนยรบบรจาคเลอดไปยงโรงพยาบาลตางๆ ในเขตความรบผดชอบ ครบตามความ

ตองการเลอดในแตละกรปของแตละโรงพยาบาล ซงกาหนดความหมายของตวแปรดงตอไปน

Z ผลรวมระยะทางสาหรบการจดสงเลอดจากศนยรบบรจาคเลอดไปยงโรงพยาบาล

i โรงพยาบาล i

j โรงพยาบาล j

k รถขนสงเลอด k kiU ระยะทางจากโรงพยาบาล i โรงพยาบาล j

N จานวนโรงพยาบาลทงหมด

K จานวนรถทงหมด

p โรงพยาบาล

A กรปเลอด A

B กรปเลอด B

AB กรปเลอด AB

O กรปเลอด O

ka ความจของยานพาหนะ ท k

Aiq ความตองการเลอดกรป A ของโรงพยาบาล i

Biq ความตองการเลอดกรป B ของโรงพยาบาล i

ABiq ความตองการเลอดกรป AB ของโรงพยาบาล i

Oiq ความตองการเลอดกรป O ของโรงพยาบาล i

kijX เปน 1 ถายานพาหนะ k เดนทางจากโรงพยาบาล i ไป j และเปน 0 ถาไมเดนทาง

kiY เปน 1 เมอเลอดถกบรรทกดวยยานพาหนะ k และเปน 0 ถาไมไดถกสงดวยพาหนะ k

kiU คาตวแปรสาหรบปองกนการสงเลอดไมครบ

โดยมการกาหนดสมการวตถประสงคดงตอไปน



1 0 0

K N N

kij ij

k j i

Min Z d X= = =

= ∑∑∑ (1)

เงอนไขและขอจากด

( )1

1 1, 2,3, ..N

koj

j

X K K=

≤ = ……∑ (2)

( )0 0

0 1N N

k kip pj

i j

X X p N= =

− = = …∑ ∑ (3)

( )1

1 1, 2,3 K

ki

k

Y i K=

= = …∑ (4)

( ) 1

1 .N

A K Ai i k

i

q Y a k K=

≤ = …∑ (5)

( ) 1

1 .N

B K Bi i k

i

q Y a k K=

≤ = …∑ (6)

( ) 1

1 .N

O K Oi i k

i

q Y a k K=

≤ = …∑ (7)

( ) 1

1 .N

AB K ABi i k

i

q Y a k K=

≤ = …∑ (8)

( ) ( ) 1

1 . , 1 .N

k ki ji

i

Y X i N k K=

≤ = … = …∑ (9)

( )1 0

1 1, 2,3 .K N

kij

k i

X j N= =

≥ = …∑∑ (10)

( )( ) ( ) k k k k ki j i k k ij ij ij i jU U q a a X X X q q≥ + − + + − + (11)



( ) 0 k ki k i k iU a X a q≤ − − (12)

1

N

k ki i j ji

j

U q q X=

≤ +∑ (13)

kijX = {0,1} ( ) ( ) ( )1 . , 1 . , 1 .i N j N k K= … = … = … (14)

kiY = {0,1} ( ) ( )1 . , 1 .i N k K= … = … (15)

kiU ≥ 0 ( ) ( )1 . , 1 .i N k K= … = … (16)

จากสมการท 1 เปนสมการหาผลรวมของระยะทางจากศนยรบบรจาคเลอดจงหวดเชยงใหมไปยง

โรงพยาบาล สมการท 2 เปนการเชคเงอนไขของรถขนสงเลอดตองออกจากโรงพยาบาลทเปนศนยรบ

บรจาคเลอด ถาไมใชตองทาการประมวลผลใหม สมการท 3 เชคเงอนไขโรงพยาบาลทตองการเลอด

จะไดรบเลอด ถาไมใชใหสงโรงพยาบาลถดไป สมการท 4 เชคเงอนไขวารถขนสงเลอดเดนทางผาน

โรงพยาบาล ถาไมใช กลบไปเชคเสนทางเดนรถใหม สมการท 5-8 เชคเงอนไขการจดสงเลอดตามหม

A, B, AB, O ตองไมเกนทรถสามารถบรรทกไดและเพยงพอตอโรงพยาบาลทตองการ ถาไมใชใหเวน

โรงพยาบาลทจดสงเลอดนนแลวไปสงโรงพยาบาลถดไป สมการท 9 เชคเงอนไข รถขนเลอดเดน

ทางเขาโรงพยาบาล i ไดกตอเมอ รถขนเลอด i เดนทางผานโรงพยาบาล j ถาไมใชใหเชคเงอนไขใหม

สมการท 10 แสดงโรงพยาบาล j ไดรบการเดนทางผานอยางนอย 1 ครงจากเสนทางของโรงพยาบาล

j ถาไมใชใหทาซาจนพบเสนทางการเดนรถทยงไมไดเดนทางผาน สมการท 11-13 เปนสมการสาหรบ

การปองกนไมใหเกดการขนสงไมครบทกโรงพยาบาลทตองการเลอดและปองกนการเกดทวรยอยของ

ทกรอบการคานวณ ถาไมใชใหทาซาและคนหาเสนทางจนสงครบทกโรงพยาบาลทตองการเลอด

สมการท 14-15 กาหนดใหมคาเปน 0 หรอ 1 ถาไมใชใหกลบมาเชคเงอนไขใหมใหถกตอง สมการท

16 กาหนดใหมคามากกวา 0 [17] ถาไมใชใหกลบมาเชคเงอนไขจนกวาผานเงอนไข

3. วธไฮบรดการคนหาแบบนกกาเหวา (Hybrid Cuckoo Search: HCS)

งานวจยนนาเสนอวธไฮบรดกระบวนการคนหาแบบนกกาเหวา ซงมวธการหลกคอวธการ

คนหาแบบนกกาเหวาและนาวธคนหาแบบทาบวธการคนหาแบบเพอนบานมาประยกตกบขนตอน

การสรางผลเฉลยเรมตนและขนตอนการพฒนาผลเฉลยตามลาดบ เพอความเขาใจเปนลาดบ



ขนตอนหวขอนมการอธบายแนวคดวธการคนหาแบบนกกาเหวา วธคนหาแบบทาบ วธคนหาแบบ

เพอนบาน และการวธไฮบรดการคนหาแบบนกกาเหวาตามลาดบดงน

เมอป 2009 Xin She Ying และ Suash Deb ไดพฒนาวธการคนหาแบบนกกาเหวา ซงพฒนา

มาจากพฤตกรรมการวางไข (NE) ของนกกาเหวาทวางไขทรงของนกชนดอนทอยในสายพนธ

เดยวกน ซงอาจวางไขพรอมกนทละหลายๆ รง เมอวางไขแลวนกกาเหวาทาการเลยนแบบ (λ) ไข

ของตวเองใหมความคลายกบไขของนกชนดอนในรงนนใหมากทสด โดยพยายามใหนกเจาของรง

คนหาไมเจอวามไขแปลกปลอมหรอบางทเรยกวาไขเอเลยนเขามาในรง กรณทนกเจาของรงเจอไข

แปลกปลอมกมอย 2 ทางเลอกคอ ทาลายไขแปลกปลอมโดยการโยนไขนกกาเหวาทแปลกปลอม

ทงและนกเจาของรงทงรง (Pa) ไปสรางรงใหม [8] ซงแผนภาพขนตอนการทางานของนกกาเหวา

ดงแสดงในรปท 3

รปท 3 แผนภาพกระบวนการทางานของวธคนหาแบบนกกาเหวา

วธคนหาแบบทาบ ถกนาเสนอครงแรก โดย Glover F. ในป 1986 การคนหาแบบทาบใช

สาหรบแกปญหาสาหรบหาคาตอบของสมการคณตศาสตร หรอแกปญหาทมความซบซอน



กระบวนการทางานของวธคนหาแบบทาบ คอ การสรางผลเฉลยหรอฟงชนวตถประสงค เมอ

ดาเนนการเรยบรอยแลวทาบนทกของผลเฉลยนนไว เพอปองกนการทาซา เรยกวา ทาบลสต

(Tabu list) และ ทาซาไปเรอยๆ จนถงเงอนไขทกาหนดและเลอกผลเฉลยทดทสด [13]

วธคนหาแบบเพอนบาน เปนวธทการคนหาทชวยเพมประสทธภาพการหาคาตอบหรอผล

เฉลย โดยมแนวคดการสลบตาแหนงกบตาแหนงขางเคยง และอาจพฒนาผลเฉลยใหดขนได ซง

อาจเรยกวาเปนการหาผลเฉลยแบบเฉพาะท (Local search) ถกนาเสนอครงแรกป ค.ศ. 1973 โดย

Knuth D. [14]

หลงจากการนาเสนอทง 3 วธ งานวจยนจงนาขอดของแตละวธมาประยกตใชโดยใชวธคนหา

แบบนกกาเหวาเปนโครงสรางหลก จงนาการเชคทาบลสตของวธคนหาแบบทาบ ทปองกนการ

เกดผลเฉลยซา ทาใหโอกาสพฒนาผลเฉลยใหมๆ ไดมากขน ครอบคลมพนทของผลเฉลยมากขน

และวธการคนหาแบบเพอนบานนามาพฒนาผลเฉลยหลงจากไดผลเฉลยจากวธการคนหาแบบนก

กาเหวา ซงแสดงเปนแผนภาพดงรปท 4

รปท 4 แผนภาพกระบวนการทางานของวธไฮบรดการคนหาแบบนกกาเหวา



4. การประยกตวธไฮบรดการคนหาแบบนกกาเหวากบปญหาการจดสงเลอด

ขนตอนท 1 เรมตนดวยการขนตอนการกาหนดคาพารามเตอรเรมตน เชนจานวนรอบการ

คานวณ (I) จานวนไขในแตละรง (NE) อตราการทงรงของนกเจาของรง (Pa ) จานวนการเลยนแบบ

ไขนกเจาของรง levy’ fight (λ) และกาหนดจานวนไขในแตละรง

ขนตอนท 2 การสรางรงและไขของนกเจาของรง โดยการสรางไขแตฟองมดงน สมเลอก

โรงพยาบาลสาหรบจดสงเลอด โดยแตละเสนทางการจดสงเลอดแทนไขของนกเจาของรง จดเกบ

เสนทางการเดนรถและเรมสรางไขฟองตอไปจนครบและนาไขไปวางในแตละรงจนครบตามจานวน

ทกาหนดจากขนตอนท 1

ขนตอนท 3 การเชคทาบลสต เปนขนตอนการปองกนการสรางคาตอบเรมตนซา เพอให

คาตอบเรมตนเกดการกระจายของคาคาตอบเพอโอกาสสาหรบสรางคาตอบทดข น โดยการจดเกบ

เสนทางการจดสงเลอดไปยงโรงพยาบาลในลกษณะของอารเรย 2 มต ถาสรางคาตอบใหมตองนา

เสนทางการจดสงเลอดเขาไปวนลปหาเสนทางทซากนในทาบลสต กรณซากนทกจดสงเลอดใหสรา

คาตอบเรมตนขนมาใหม ถาไมซากนทกจดสงเลอดใหเกบเสนทางการจดสงเลอดนนเพมไวในทาบ

ลสต

ขนตอนท 4 การคานวณสมการวตถประสงค เมอไดเสนทางการจดสงเลอดแลวกนากลบมา

คานวณระยะทาง ซงกคอคาสมการวตถประสงค (สมการท 1) และเชคเงอนไขของการจดสงเลอด

(สมการท 2-16) ซงขอมลระยะทางระหวางโรงพยาบาลจดเกบอยในรปแบบของตารางเมตรกแบบ

สมมาตร

ขนตอนท 5 การเลอกรงดวยวงลอเสยงทาย ไดมการกาหนดจานวนรงซงโดยปกตกาหนด 15

รง ถง 50 รง [13] หมายถงกลมของคาตอบของสมการวตถประสงคและเสนทาง ตวอยางเชนรงนก

มไขของนกเจาของรง 4 ฟอง นนหมายความวา ในกลมของคาตอบน (รง) ประกอบดวย เสนทาง

การเดนรถ(ไข) 4 เสนทาง มการคานวณผลของระยะทาง 4 คาตอบ ซงตองไมตรงกบเสนทางทอย

ในทาบลสต และทาการเรยงคาตอบซงหมายถงระยะทางทนอยทสดจะถกเรยงไวลาดบแรก โดยให

นกกาเหวาทตองการฝากใขไวทรงของนกชนดอนใหวธวงลอเสยงทายเลอกรงทจะไปวางไข ตาม

ความนาจะเปนของไข(ระยะทางทส นทสด) ทดทสดในแตละรงนน การคานวณความนาจะเปนจาก

การเปลยนผนใหระยะทางสนมความนาจะเปนมาก แสดงดงรปท 5

คาของแตละเสนทาง (A) = (ระยะทางรวมของทกเสนทาง/ระยะทางของเสนทางนน)

ความนาจะเปน (P) = (ระยะทางของเสนทางนน/ระยะผลรวมของ A)



รปท 5 แผนภาพกระบวนการเลอกรงดวยวงลอเสยงทาย

ขนตอนท 6 การทา levy’ fight (λ) เปนขนตอนการเลยนแบบใขทดทสดของรงนน ซงทาได

โดยการนาเสนทางของไขทดทสดเปนตวโครงสรางหลกและทาการสมตาแหนงของโรงพยาบาลท

จดสงเลอดแทรกเขาไประหวางเสนทางเพอเปนเสนทางใหมและคานวณระยะทางตามลาดบ

กาหนดตาแหนงสาหรบการสมคอ 1-3 ตาแหนง ซงรปแบบคลายกบวธการมวเตชนของวธทาง

พนธกรรมและไดเลอกวธ Shift change เนองจากวาใหคาผลเฉลยทดกวาวธมวเตชนแบบอนๆ

ของวธทางพนธกรรม [18] โดยการสมตาแหนงมา 2 ตาแหนง ซงตาแหนงท 2 จะถกแทรกใน

ตาแหนงแรก แสดงตงรป 6

รปท 6 ขนตอนการทา levy’ fight (λ) ของนกกาเหวา

ขนตอนท 7 นกเจาของรงคนหาไขแปลกปลอมในรง เนองจากวานกกาเหวานาไขมาฝากไวใน

รงและทาการเลยนแบบไขของนกเจาของรง ทาใหใขในรงมจานวนเพมมากขน โดยนกเจาของรง

พจารณาจากคาของสมการวตถประสงควาจะทาลายไขทใหคาผลเฉลยแยทสดหรอทงรงนนไปเพอ

สรางรงใหม [13]



ขนตอนท 8 วธการคนหาแบบเพอนบาน เปนการนาไขทดทสดของแตละรง (ผลเฉลยทดทสด

ของแตละรง) มาทาการพฒนาคาตอบ โดยการสมตาแหนงของโรงพยาบาลในเสนทางการจดสง

เลอด และสลบตาแหนงซายขวา ซงจะไดผลเฉลยเพมขนมาอก 2 ผลเฉลย แลวนามาเปรยบเทยบ

กบผลเฉลยทมอยเดม ถาผลเฉลยของวธคนหาแบบเพอนบานดกวาใหนาผลเฉลยหรอไขนนกลบ

เขาไปในรงแทนผลเฉลยหรอไขเดม แสดงดงรปท 7 ขนตอนวธคนหาแบบเพอนบาน

รปท 7 วธการคนหาแบบเพอนบาน

ขนตอนท 9 ขนตอนของการนาผลเฉลยทดทสดจากไขทกรงมาเกบเปนคาผลเฉลยทดทสด

ตงแตการคานวณมา (Best so far) ตอจากนนเชคเงอนไขของรอบการคานวณทกาหนดวาครบ

หรอไม ถายงไมครบตามจานวนทกาหนดใหกลบไปทาซากระบวนการเดม ถาครบแลวใหเลอก

คาตอบทเปน Best so far มาเปนคาตอบของรอบการคานวณนน

งานวจยนถกพฒนาบนชดของการพฒนา Visual studio และทาการพฒนาบนภาษา Visual

basic 2012 เวอรชนทดลอง (Express edition) ประมวลผลบนคอมพวเตอร Intel core i7 3.40

GHz Ram 8 GB ซงสามารถเขยนขนตอนการประยกตวธไฮบรดการคนหาแบบนกกาเหวากบ

ปญหาการจดสงเลอดไดในรปแบบของรหสเทยม (Pseudo code) ดงรปท 8



รปท 8 รหสเทยมของอลกอรทมสาหรบการแกปญหาการจดสงเลอด

5 ผลการศกษาและอภปรายผล

งานวจยนกาหนดปญหาเปน 3 ขนาดเพอทดสอบความสามารถของการหาคาตอบของวธ

ไฮบรดการคนหาแบบนกกาเหวา กาหนดปญหาขนาดเลกม 26 โรงพยาบาล ใชรถขนสง 1 คน ซง

เปนโรงพยาบาลในจงหวดเชยงใหมเทานน ปญหาขนาดกลางม 38 โรงพยาบาล ใชรถขนสง 2 คน

ในเขต 3 จงหวดคอ เชยงใหม แมฮองสอนและลาพน และปญหาขนาดใหญจดสงเพมอก 5 จงหวด

คอ นาน แพร เชยงราย พะเยาและลาปาง ใชรถขนสง 3 คน แตละคนสามารถบรรทกได 600 ยนต

และความตองการเลอดของแตละวนของศนยรบบรจาคเลอดจงหวดเชยงใหมโดยเฉลยประมาณ

125 ยนต ซงโรงพยาบาลบางแหงไดมเลอดสารองไวอยแลวและไดรบบรจาคเลอดของโรงพยาบาล



โดยมการเปรยบผลการผลเฉลยกบวธทางพนธกรรม (Genetic Algorithm: GA) วธการคนหาแบบ

นกกา เหว า (Cuckoo Search: CS) [1] และวธปฏก รย า เคม (Artificial Chemical Reaction

Optimization Algorithm: ACROA) [19]

เนองจากอลกอรทมทนาเสนอมตวแปรทมผลตอการหาผลเฉลยหลายตว เชน รอบการคานวณ

(Iteration) จานวนไขทอยในรง อตราการทาลายรง หรอ จานวนไขนกกาเหวาทการทา levy’ fight

จงนาเสนอวธการออกแบบการทดลองแบบฟลแฟคทอเรยล 3k ซง k เปนจานวนปจจย โดยกาหนด

พารามเตอร 3 ตว (ปจจย) คอ กาหนดรอบการคานวณ (i) ตอ จานวนไข (NE) อตราการทงรงของ

นกเจาของรง (Pa) และการเลยนแบบไขนกเจาของรง levy’ fight (λ) แตละตวม 3 ระดบ กาหนด

รอบการทาซา 5 รอบ ซงมผลการทดลองทงหมด 3k x 5 = 135 ครง [1] ซงงานวจยนออกแบบการ

ทดลอง ประมวลผลในโปรแกรม Minitab 18 เวอรชนทดลองและทดสอบกบปญหาขนาดใหญทม

112 โรงพยาบาลเทานนเพอหาพารามเตอรทเหมาะสม สาหรบใชในปญหาขนาดกลางและขนาด

เลกดวย เนองจากรปแบบของปญหาคลายกน ปจจยและระดบการทดลองแสดงในตารางท 1

ตารางท 1 การกาหนดระดบพารามเตอรของวธไฮบรดการคนหาแบบนกกาเหวา

พารามเตอร ระดบ

ตา กลาง สง

กาหนดรอบการคานวณตอจานวนไข (i/NE) 50/200 100/100 200/50

อตราการทงรงของนกเจาของรง (Pa ) 25% 35% 45%

การเลยนแบบไขนกเจาของรง levy’ fight (λ) 1 2 3

โดยกาหนดการวเคราะหการกระจายตวของเศษเหลอ (Residual) โดยพจารณากราฟความ

นาจะเปนปกต (Normal probability plot) และกราฟแทง (Histogram plot) พบวามการแจกแจง

แบบปกต กราฟ Versus fits และกราฟ Versus order สามารถสรปขอมลไดวาขอมลมการกระจาย

ตวแปรแบบปกตและขอมลมความเปนอสระตอกนดงแสดงในรปท 9



รปท 9 กราฟการวเคราะหการกระจายตวของเศษเหลอ

การวเคราะหความแปรปรวน (ANOVA) เพอตองการทดสอบความมนยยะสาคญของปจจยทม

ผลตอคาสมการวตถประสงค โดยวเคราะหจากคา P-value ทกาหนดคาความเชอมนไวท 95% (1-α)

รายละเอยดปรากฏไวในตารางท 2

ตารางท 2 ผลการทดสอบปจจยทมผลตอสมการวตถประสงค

Source DF SS MS F P

i/NE 2 164 82 0.01 0.986

Pa 2 45484 22742 3.99 0.021

λ 2 332124 166062 29.15 0.000

i/NE * Pa 4 62678 15669 2.75 0.032

i/NE * λ 4 8636 2159 0.38 0.823

Pa * λ 4 15244 3811 0.67 0.615

i/NE * Pa* λ 8 15709 1964 0.34 0.946

Error 108 615186 5696

Total 134 1095225

2001000-100-200

99.999

90

50

10

10.1

Residual

Perc

ent

22002150210020502000

200

100

0

-100

-200

Fitted Value

Resi

dual

180120600-60-120-180

20

15

10

5

0

Residual

Freq

uenc

y

1301201101009080706050403020101

200

100

0

-100

-200

Observation Order

Resi

dual

Normal Probability Plot Versus Fits

Histogram Versus Order

Residual Plots for Objective function



จากตารางดงกลาวแสดงวาปจจยของ levy’ fight และปจจย Pa มผลตอการสรางผลเฉลยของ

วธไฮบรดการคนหาแบบนกกาเหวาสาหรบการแกปญหาการจดสงเลอด อกทงยงมปจจยรวม

ระหวาง i/NE * Pa กมผลตอการทดลองเชนเดยวกน เนองจากมคา P-value นอยกวา 0.05 จาก

กราฟปจจยผลกระทบหลก (Main effect plot) ทแสดงดงรปท 10 ซงสรปไดวาปจจยทมผลตอการ

หาผลเฉลยคอ คา levy’ fight (λ) เทากบ 3 ตาแหนง อตราการทงรงของนกเจาของรง (Pa) คอ รอย

ละ 45 จานวนรอบการคานวณตอจานวนไข (i/NE) เทากบ 100/100 เนองจากคาเฉลยของกราฟ

ผลกระทบหลกนอยทสด ตามลาดบ

รปท 10 กราฟผลกระทบหลกทมตอสมการวตถประสงค

รปท 11 กราฟเปรยบเทยบผลเฉลยของ GA, CS, ACROA, HCS

200/50100/10050/200

2140

2120

2100

2080

2060

2040

2020

453525 321

Iteration/Number of eggs

Mea

n of

Obj

ectiv

e fu

nctio

n

Destroy rate Levy fight

Main Effects Plot for Objective functionFitted Means

50454035302520151051

2700

2600

2500

2400

2300

2200

2100

2000

1900

1800

จานวนครง

ระยะ

ทาง

GACSACROAHCS

Algorithm

การหาผลเฉลยของ GA, CS, ACROA, HCS



ปจจยทมผลกระทบตอการหาคาตอบของวธ Genetic algorithm (GA) วธ Cuckoo Search

(CS) วธ Artificial Chemical Reaction Optimization Algorithm (ACROA) และวธ Hybrid Cuckoo

Search (HCS) ไดแสดงดงตารางท 3 [1, 19]

ตารางท 3 การเปรยบผลของของแตละวธการ (หนวยเปนกโลเมตร)

ปจจยทมผลตอการหาคาตอบของแตละวธ

GA CS ACROA HCS

จานวนรนตอ

จานวนประชากร

(G/P) = 50/200

จานวนรอบการ

คานวณตอจานวนไข

(I/NE) = 100/100

จานวนรอบการคานวณ

ตอจานวนสารตงตน

(I/R) = 200/50

จานวนรอบการคานวณ

ตอจานวนไข (I/NE) =

100/100

อตรารอยละการ

Crossover

(CR) = 80

อตราการทงรงของ

นกเจาของรง

(Pa) = 45

รอยละการเกดปฏกรยา

(PR) = 75

อตราการทงรงของนก

เจาของรง

(Pa) = 45

อตรารอยละการ

Mutation

(MR) = 10

จานวนการทา

levy’ fight

(λ) = 3

รอยละของโมเลกล

เดยว

(PM) = 75

จานวนการทา

levy’ fight

(λ) = 3

เมอกาหนดหาคาพารามเตอรทเหมาะสมจากกราฟผลกระทบหลก ทาการประมวลผลดวย

คาพารามเตอรทเหมาะสม 50 ครง แสดงเปรยบเทยบกบวธทางพนธกรรม วธการคนหาแบบนก

กาเหวา และวธปฏกรยาเคม ซงไดเปรยบเทยบผลเฉลยดวยวธการทดลองทเหมอนกน [1, 19]

แสดงไดดงรปท 11 และเมอนาคาพารามเตอรทเหมาะสมมาประมวลผลสาหรบปญหาขนาดเลก

ปญหาขนาดกลาง และปญหาขนาดใหญ สรปไดดงตารางท 4

ตารางท 4 การเปรยบผลของของแตละวธการ (หนวยเปนกโลเมตร)

ขนาดปญหา

เปรยบเทยบผลเฉลย GA, CS, ACROA, HCS

ภายใน ( ) เปนเวลาประมวลผลเฉลย หนวยเปนวนาท

GA CS ACROA HCS

ขนาดเลก 26 โรงพยาบาล 389 (18.4) 389 (19.2) 389 (23.3) 389 (26.1)

ขนาดกลาง 38 โรงพยาบาล 735 (41.7) 697 (43.5) 697 (49.2) 697 (55.6)

ขนาดใหญ 112 โรงพยาบาล 1968 (191.5) 1836 (213.6) 1832 (231.7) 1818 (264.3)



6. สรป

งานวจยนนาเสนอวธไฮบรดการคนหาแบบนกกาเหวา ซงเปนการรวมกนของวธการคนหา

แบบนกกาเหวา วธคนหาแบบทาบและวธคนหาแบบเพอนบาน เพอเพมประสทธภาพของการหา

ผลเฉลยของปญหาการจดสงเลอด ขอบเขตของวจยศกษาการจดสงเลอดของศนยรบบรจาคเลอด

จงหวดเชยงใหม ไปยงโรงพยาบาลในเขตพนทรบผดชอบ เพอหาระยะทางทส นทสดสาหรบการ

จดสงเลอด โดยทาการทดสอบประสทธภาพของอลกอรทม โดยกาหนดขนาดของปญหาสามขนาด

สาหรบประมวลผล และนาเสนอวธการออกแบบการทดลองและการวเคราะหความแปรปรวนเพอ

หาพารามเตอรหรอปจจยทมผลตอการหาผลเฉลย อกทงยงทาการเปรยบเทยบอลกอรทมกบ

งานวจยทแกปญหาการจดสงเลอดแบบเดยวกน สรปไดวาวธไฮบรดการคนหาแบบนกกาเหวา

สามารถหาผลเฉลยไดเทากบ วธทางพนธกรรม วธการคนหาแบบนกกาเหวา และวธปฏกรยาเคม

และสามารถหาผลเฉลยไดดกวา สาหรบปญหาขนาดใหญ เนองจากวาวธการคนหาแบบนกกาเหวา

สามารถสรางประชากรเรมตนครอบคลมพนทของผลเฉลยมากกวา เพราะมการกาหนดจานวนรง

ของนก และมการสรางผลเฉลยเรมตนทไมซาเดมดวยวธทาบลสต ทาใหโอกาสในการหาผลเฉลย

ครอบคลมพนทของผลเฉลยมากขน อกทงยงปรบปรงผลเฉลยแบบพนทของผลเฉลยทดทสดของ

กลมหรอรงนน ทาใหไดผลเฉลยทดข น สาหรบงานวจยตอยอดเปนการจดเสนทางการจดสงวคซน

โดยใชวธเมตาฮวรสตก เนองจากวคซนตองมการควบคมอณหภมสาหรบการจดสงและองคการ

อนามยโลกใหความสาคญกบการรกษาคณภาพวคซนจากโรงงานทผลตไปยงผรบวคซน

กตตกรรมประกาศ

ขอขอบคณสาขาวศวกรรมอตสาหการ คณะวศวกรรมศาสตร มหาวทยาลยเทคโนโลย

ราชมงคลรตนโกสนทร

References

[1] Kanon Sujaree. Cuckoo search algorithm for mobile blood vehicle routing. In:

Rajamangala University of Technology Phra nakorn, editors. 1st RMUTP Engineering

Conference. 2016 May 28; Nonthaburi, Thailand; 2016. p. 118-8 (In Thai).

[2] Akhand MAH, Zahrul JP, Sultana T, Mahmud A. Solving Capacitated Vehicle Routing

Problem with Route Optimization using Swarm Intelligence. Khunla University of

Engineering & Technology, editors. Proceedings of International Conference on

Electrical Information and Communication Technology. 2015 December 10-12; Khunla-

9203, Bangladesh; 2015. p. 112-6.



[3] Pupong Pongcharoen, Hicks C, Braiden PM, Stewardson DJ, Metcalfe AV. Using

genetic algorithms for scheduling the production of capital goods. Proceedings of the

Eleventh International Working Seminar on Production Economics. 2000 Feb 20-23;

Innsbruck, Austria; 2000. p. 21-5.

[4] Lazar A. Heuristic knowledge discovery for archaeological data using genetic algorithm

and rough set. In: Ruhul AS, Hessian AA, Charles SN, editors. Heuristic and

optimization for knowledge discovery. London. IGI Global; 2002. p. 263-78.

[5] Rashedi E, Nezamabadi H, Saryazdi S. GSA: a gravatational search algorithm. Journal

of Information of Science 2009;179:2232-43.

[6] Shah-Hosseini H. Optimization with the Nature-Inspired Intelligent Water Drops

Algorithm, Evolutionary computation. Rijeka, Croatia. Wellington Pinheiro dos Santos

(Ed.); 2009. p. 297-320.

[7] Dorigo M, Gambardella LM. Ant Colony System: A cooperative learning approach to

the traveling salesman problem. IEEE Transactions on Evolutionary Computation

1997;1(1):53-66.

[8] Xin SY, Suash D. Cuckoo search via Lévy flights. Mathematical Modeling and Numerical

Optimization 2010;1(4):210-5.

[9] Kennedy J, Eberhart RC. Particle swarm optimization. IEEE Transaction 1995; 4:1942-7.

[10] Goldberg DE. Genetic Algorithm in Search optimization and Machine Learning. 13th ed.

New Jersey, United States: Addison-Wesley Publishing Company Inc; 1989.

[11] Alatas B. A novel chemistry based metaheuristic optimization method for mining of

classification rules. Expert system with application 2012;39:11080-9.

[12] Gargari AE, Lucas C. Imperialist Competitive Algorithm: An algorithm for optimization

inspired by imperialistic competition. IEEE Congress on Evolutionary Computation 2007;

7:4661-7.

[13] Glover F. Future paths for integer programming and link to artificial intelligence.

Computers and Operation Research 1986;13:533-49.

[14] Knuth D. The Art of Computer Programming. 3rd Revised ed. New Jersey, United States:

An Imprint of Addison Wesley Longman Inc; 1973.

[15] Lee KS, Geem ZW. A new meta-heuristic algorithm for continuous engineering

optimization: Harmony search theory and practice. Computer Methods in Applied

mechatronic and Engineering 2005;194:3902-31



[16] Kanon Sujaree, Sattithep Songthong, Jarirat Jitthumma. Designing blood supply chain

network using central force optimization. In: Khonkaen University, editors. IE Network;

2016 July 7-8; Khonkaen, Thailand; 2016. p. 2-9. (In Thai)

[17] Weena Promtet. Application of genetic algorithm in course timetabling [dissertation].

Phitsanulok: Naresuan University; 2006.

[18] Kanon Sujaree. Blood vehicle routing network using chemical reaction optimization

algorithm. In: Mahidol University, editors. The 2017 Technology Innovation Management

and Engineering Science international conference, 2017 November 20-21; Nakhon

phathom, Thailand; 2017. p. 189-95

[19] Montgomery DC. Design and Analysis of Experiments. 8th ed. New York, United States:

John Wiley and Sons; 2001

ประวตผเขยนบทความ

คณน สจาร อาจารยประจาสาขาวชาวศวกรรมอตสาหการ คณะ

วศวกรรมศาสตร มหาวทยาลยเทคโนโลยราชมงคลรตนโกสนทร

E-Mail: [email protected]

งานวจยทสนใจ : Metaheuristic approaches, Computer simulation for

Industrial Engineering

สรชย จรวงศนสรณ อาจารยประจาสาขาวชาวศวกรรมเครองกล คณะ

วศวกรรมศาสตร มหาวทยาลยเทคโนโลยราชมงคลรตนโกสนทร

E-Mail: [email protected]

งานวจยทสนใจ : Design of experiment, Electric car


Documents

206 2 May-August 2018eng.kbu.ac.th/kbej/docs/articles/Vol.8_2/KBEJ-8-2-16.pdf · 208 Kasem Bundit Engineering Journal Vol.8 No.2 May-August 2018. ต้องการเลือดของโรงพยาบาลของเขตภาคเหนือตอนบน