Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 25624
บทความวจย
การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสาน
ดวยฮวรสตกแบบแทรกไปขางหนาและวธการคนหาค�าตอบเฉพาะท
นรงค วชาผา* และ ไทยทศน สดสวนส สาขาวชาวศวกรรมอตสาหการ คณะวศวกรรมศาสตรและเทคโนโลยอตสาหกรรม มหาวทยาลยกาฬสนธ
พรเทพ ขอขจายเกยรตภาควชาวศวกรรมอตสาหการ คณะวศวกรรมศาสตร มหาวทยาลยขอนแกน
* ผนพนธประสานงาน โทรศพท 08 5002 8205 อเมล: [email protected] DOI: 10.14416/j.kmutnb.2018.12.001
รบเมอ 19 เมษายน 2561 แกไขเมอ 7 กรกฎาคม 2561 ตอบรบเมอ 20 กนยายน 2561 เผยแพรออนไลน 6 ธนวาคม 2561
© 2019 King Mongkut’s University of Technology North Bangkok. All Rights Reserved.
บทคดยอ
ปญหาการจดเสนทางการขนสงแบบมกรอบเวลา (Vehicle Routing Problem with Time Window; VRPTW) เปน
สวนขยายของปญหาการจดเสนทางการขนสง (Vehicle Routing Problem; VRP) ทมการเพมขอจ�ากดดานกรอบเวลาเขา
ในตวแบบทางคณตศาสตร VRP แบบดงเดม ปญหา VRPTW เปนปญหาแบบเอนพ-ฮารด (NP-hard) ดวยเหตนการใชเทคนค
แบบแมนตรง (Exact Optimization Techniques) เพอทจะหาค�าตอบทดทสดส�าหรบปญหา VRPTW จะมความยงยาก
เมอปญหามขนาดใหญ ดงนนในงานวจยนจงเปนการน�าเสนออลกอรทมเชงพนธกรรมแบบผสมผสาน (hybrid Genetic
Algorithm; hybrid GA) ส�าหรบการแกปญหา VRPTWs ซงอลกอรทม hybrid GA เปนการบรณาการระหวางฮวรสตก
แบบแทรกไปขางหนา (Push Forward Insertion Heuristic; PFIH) วธเชงพนธกรรม (Genetic Algorithm; GA) และการ
คนหาค�าตอบเฉพาะทจ�านวน 3 วธ (Three Local Searches) โดยท PFIH จะถกน�ามาใชส�าหรบการสรางค�าตอบเรมตน
(Initial Population) แทนทการสมของวธเชงพนธกรรมแบบดงเดม สวนการคนหาค�าตอบเฉพาะททง 3 วธ จะใชในขนตอน
การปรบปรงค�าตอบใหดยงขน จากนนอลกอรทมทน�าเสนอไดถกน�าไปทดสอบประสทธภาพกบปญหามาตรฐานจ�านวน 14
ปญหา โดยการสมจาก 56 ปญหา ของ Solomon ผลการศกษาแสดงใหเหนวาอลกอรทมทน�าเสนอมประสทธภาพในการ
หาค�าตอบทดเมอเปรยบเทยบกบปญหามาตรฐานเหลาน
ค�าส�าคญ: วธเชงพนธกรรมแบบผสมผสาน, ปญหาการจดเสนทางการขนสงแบบมกรอบเวลา, เมตาฮวรสตก
การอางองบทความ: นรงค วชาผา ไทยทศน สดสวนส และ พรเทพ ขอขจายเกยรต, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลา
โดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรกไปขางหนาและวธการคนหาค�าตอบเฉพาะท,” วารสารวชาการพระจอมเกลา
พระนครเหนอ, ปท 29, ฉบบท 1, หนา 4–13, ม.ค.–ม.ค. 2562.
5The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 2562
Solving the Vehicle Routing Problems with Time Windows Using Hybrid Genetic
Algorithm with Push Forward Insertion Heuristic and Local Search Procedure
Narong Wichapa* and Thaithat SudsuanseeDepartment of Industrial Engineering, Faculty of Engineering and Industrial Technology, Kalasin University, Kalasin, Thailand
Porntep KhokhajaikiatDepartment of Industrial Engineering, Faculty of Engineering, Khon Kaen University, Khon Kaen, Thailand
* Corresponding Author, Tel. 08 5002 8205, E–mail: [email protected] DOI: 10.14416/j.kmutnb.2018.12.001
Received 19 April 2018; Revised 7 July 2018; Accepted 20 September 2018; Published online: 6 December 2018
© 2019 King Mongkut’s University of Technology North Bangkok. All Rights Reserved.
Abstract
The Vehicle Routing Problem with Time Windows (VRPTW) is a kind of important variant of VRP with
adding time windows constraints to the model. The VRPTW is classified as an NP-hard problem. Hence,
the use of exact optimization techniques may be hard to solve these problems in acceptable CPU times,
when the problem involves real-world data sets that are very large. To solve this problem, this paper
suggests a hybrid genetic algorithm (hybrid GA) combined with Push Forward Insertion Heuristic (PFIH) to
make an initial solution instead of traditional GA and three local searches to neighborhood search and
improving method. The proposed algorithm was tested on fourteen instances from an online data set
in the Solomon`s 56 benchmark problems-selected randomly. The results indicate the good quality of
the proposed algorithm.
Keywords: hybrid Genetic Algorithm, Vehicle Routing Problem with Time Window, Meta-heuristic
Please cite this article as: N. Wichapa, T. Sudsuansee, and P. Khokhajaikiat, “Solving the vehicle routing problems with time
windows using hybrid genetic algorithm with push forward insertion heuristic and local search procedure,” The Journal
of KMUTNB, vol. 29, no. 1, pp. 4–13, Jan.–Mar. 2019 (in Thai).
Research Article
The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 25626
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
1. บทน�า
ปญหาการจดเสนทางการขนสง (Vehicle Routing
Problems; VRP) เปนปญหาทส�าคญตอระบบเศรษฐกจ
ของทกประเทศ ทงภาครฐ และภาคเอกชน การจดเสนทาง
การขนสงทเหมาะสมจะท�าใหเกดตนทนทต�าและสามารถ
ตอบสนองความพงพอใจของลกคาไดอยางทนเวลา ปญหา
การจดเสนทางการขนสงแบบมกรอบเวลา (Vehicle Routing
Problem with Time Windows; VRPTW) เปนสวนขยายของ
ปญหา VRP ซงเปนปญหาทมความซบซอนยากตอการค�านวณ
โดยปญหานถกจดอยในกลมของปญหาแบบ NP-hard [1]
สมการเปาหมายของปญหา VRPTW เปนการหาเสนทาง
การขนสง (Transport Routes) ทท�าใหเกดตนทนการขนสง
หรอระยะทางรวมต�าสด ภายใตกรอบระยะเวลาทก�าหนด
ของแตละจด โดยแตละจดประกอบดวยศนยกระจายสนคา
(Depot) หนงแหง และกลมลกคา (Customers) ทตงอย
ตามพนทตางๆ ก�าหนดใหยานพาหนะแตละคนจะมความจ
จ�ากดและจะเรมออกเดนทางจากศนยกระจายสนคาไปยง
ลกคาแตละรายเพอรบสนคาหรอบรการ โดยลกคาแตละราย
จะไดรบการบรการจากยานพาหนะเพยงคนเดยวและเพยง
ครงเดยวเทานน สดทายยานพาหนะจะกลบมายงศนย
กระจายสนคาเปนอนสนสด ดงแสดงในรปท 1
ปญหา VRPTW เปนปญหาทมประโยชนตอภาคธรกจ
ภาครฐ และภาคอตสาหกรรมตางๆ มากมาย ดวยเหตน
ปญหา VRPTW จงยงคงเปนปญหาทส�าคญและไดรบความ
สนใจจากกลมนกวจยดานการวจยด�าเนนงานโลจสตกสและ
การจดการหวงโซอปทาน โดยมนกวจยจ�านวนมาก ไดน�าเสนอ
วธการแกปญหา VRPTW ทแตกตางกนทงการใชเทคนค
แบบแมนตรง (Exact Optimization Techniques) และ
วธการเชงฮวรสตก (Heuristics and Meta Heuristics) ซง
วรรณกรรมทเกยวของมดงน
นกวจยกลมแรกไดน�าเสนอเทคนคแบบแมนตรงส�าหรบ
การแกปญหา VRPTW เชน เทคนค Branch and Cut [2]
เทคนค Column Generation [3] เทคนค Branch-and-
price [4] อยางไรกตาม วธการเหลานสามารถแกปญหา
VRPTWs ไดอยางจ�ากด ถาปญหามขนาดใหญขนหรอม
ความซบซอนมากยงขนอาจไมสามารถหาค�าตอบไดอยาง
มประสทธภาพ [3] ดวยเหตนนกวจยสวนใหญ [5]–[8] จง
นยมแกปญหา VRPTW ดวยวธการเชงฮวรสตก ตวอยาง
เชน Simulated Annealing; SA, Tabu Search; TS และ
Greedy Randomized Adaptive Search Procedure;
GRASP เนองจากวธเชงฮวรสตกเปนวธการทเหมาะสม
เพยงพอทจะถกน�าไปใชในทางปฏบตได
แมวาจะมวธเชงฮวรสตกส�าหรบการแกปญหา VRPTW
จ�านวนมาก อยางไรกตาม วธเชงพนธกรรม (Genetic
Algorithm; GA) [9] เปนวธการเชงฮวรสตกวธหนงทนยม
น�ามาใชในการแกปญหา VRPTWs เนองจากมขนตอนการหา
ค�าตอบทเลยนแบบการววฒนาการของสงมชวตซงท�าให
เขาใจงาย อยางไรกตาม เพอทจะเพมประสทธภาพในการ
หาค�าตอบใหดยงขน การผสมผสานระหวางเมตาฮวรสตก
กบเทคนคหรอวธการอนๆ จงเปนแนวทางทเหมาะสมแนวทาง
หนงในการแกปญหาน เนองจากในปจจบนยงไมมวธการใด
ทยนยนวาเปนวธการทดทสดส�าหรบการแกปญหา VRPTWs
ดงนนการเลอกใชเมตาฮวรสตกและเครองมออนๆ จะเลอก
ตามความถนดและความสนใจของแตละบคคล
วธการบรณาการเมตาฮวรสตกรวมกบเทคนคอนๆ
มหลายวธ เชน การบรณาการระหวางวธเชงฮวรสตกเขา
ดวยกน และการบรณาการรวมกบการคนหาเฉพาะท [10]–[12]
เนองจากฮวรสตกแบบแทรกไปขางหนา (Push Forward
Insertion Heuristic; PFIH) เปนฮวรสตกดงเดมทนยมใชใน
การแกปญหา VRPTWs ซงคณภาพของค�าตอบอยในระดบ
รปท 1 ลกษณะของปญหา VRPTW
Depot
Custom
7The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 2562
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
ทเหมาะสมภายในเวลาการค�านวณทรวดเรว มขนตอนการ
หาค�าตอบไมยงยาก ดงนนแนวคดในการใชฮวรสตก PFIH
สรางประชากรเรมตนแทนทการสรางประชากรโดยการสม
ของวธเชงพนธกรรมดงเดม ซงแนวคดนเปนแนวทางหนงใน
การพฒนาประสทธภาพของอลกอรทมส�าหรบการแกปญหาน
สวนวธการคนหาค�าตอบเฉพาะท 2 – Opt λ – interchange
และ Insertion เปนวธทนยมและมประสทธภาพสงในการ
ปรบปรงคณภาพของค�าตอบทไดจากวธเชงฮวรสตกตางๆ
ดงแสดงในวรรณกรรม [13], [14]
ดงนนในงานวจยนจงท�าการบรณาการระหวางวธเชง
พนธกรรม ฮวรสตก PFIH และวธการคนหาค�าตอบเฉพาะท
เพอปรบปรงคณภาพของค�าตอบจากวธเชงพนธกรรมดงเดม
ใหดยงขน ซงเปนแนวทางหนงในการพฒนาประสทธภาพ
ของวธเชงพนธกรรมดงเดมใหดยงขน ส�าหรบวธการ
การบรณาการจะเรมจากการสรางประชากรเรมตนโดยใช
PFIH แทนทการสมแบบดงเดมของวธเชงพนธกรรม สวนการ
คนหาค�าตอบเฉพาะทจะถกใชส�าหรบการปรบปรงคณภาพ
ค�าตอบทไดจากวธเชงพนธกรรม ซงเรยกการบรณาการนวาวธ
เชงพนธกรรมแบบผสมผสาน (hybrid Genetic Algorithm;
hybrid GA) หลงจากนน วธเชงพนธกรรมแบบผสมผสานท
น�าเสนอนจะถกน�าไปทดสอบประสทธภาพในการหาค�าตอบ
กบปญหามาตรฐานของโซโลมอน [15] จ�านวน 14 ปญหา
โดยผ วจยคาดหวงว างานวจยนจะเปนแนวทางในการ
ประยกตใชกบกรณศกษาอนทเกยวของตอไป
2. ตวแบบทางคณตศาสตรส�าหรบปญหา VRPTW
การสรางตวแบบทางคณตศาสตรส�าหรบปญหา VRPTW
เรมจากการก�าหนดดชน พารามเตอร ตวแปรตดสนใจ สราง
สมการเปาหมาย และขอจ�ากด ตามล�าดบ ซงรายละเอยด
แสดงไดดงน
ดชน: ก�าหนดใหกราฟ G = (V, A) โดย V แทนเซตของจด
(Nodes) ทงหมด ซงประกอบดวยจดของศนยกระจายสนคา
และจดของลกคา ดงนน V = {1, 2 ,3,..., N} ก�าหนดให
จดท 1 เปนทตงศนยกระจายสนคา สวนจด {2, 3 ,4,..., N}
เปนจดของลกคา และ A แทนเซตของเสนเชอมระหวางจด
ทงหมด ซง (i, j) ∈A
พารามเตอร: dij แทนระยะทางการขนสงจากจด i ไปยง
จด j
K แทนเซตของยานพาหนะ K = {1, 2, 3,..., k}
N แทนเซตของจดทงหมด N = {1, 2, 3,..., n}
qk แทนความจของยานพาหนะคนท k
tij แทนเวลาในการเดนทางจากจด i ไปยงจด j
tsi แทนเวลาบรการลกคา
ai แทนเวลาเปดท�าการแตละจด
bj แทนเวลาปดท�าการของแตละจด
ตวแปรตดสนใจ:
1) ตวแปรตดสนใจแบบไบนาร:
Xijk เทากบ 1 ถามการเดนทางจากจด i ไปยงจด j
โดยใชรถคนท k
Xijk เทากบ 0 ถาไมมการเดนทางจากจด i ไปยงจด j
โดยใชรถคนท k
Zk เทากบ 1 ถายานพาหนะคนท k มการเดนทาง
Zk เทากบ 0 ถายานพาหนะคนท k ไมมการเดนทาง
2) ตวแปรตดสนใจแบบตอเนอง:
STik เวลาทยานพาหนะ k มาถงจด i
STik เวลาทยานพาหนะ k ออกจากจด j
Tsi เวลาใหบรการส�าหรบยานพาหนะแตละคนทจด i
สมการเปาหมาย:
(1)
ขอจ�ากด:
(2)
(3)
(4)
(5)
The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 25628
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
สมการท (1) เปนสมการเปาหมายระยะทางรวมต�าสด
สมการท (2) เปนเสนเชอมระหวางจด i และ j ซงมไดไมเกน
จ�านวนจดทงหมด (N) เมอใชยานพาหนะ k โดย Yk จะมคา
เปนหนงเมอยานพาหนะคนท k ถกใช สมการท (3) เปนการ
ประกนวายานพาหนะ k ไมจ�าเปนตองออกจากทตงทกคน
สมการท (4) เปนการประกนวาเมอยานพาหนะ k ไปรบสนคา
ทจดใดแลวตองออกจากจดนน สมการท (5) เปนการประกน
วายานพาหนะ k เดนทางเขาไปรบสนคาจากลกคา j ไดเพยง
1 รายเทานน สมการท (6) เปนการประกนวายานพาหนะ k
จะออกเดนทางจากจด i เขาไปรบสนคาจากลกคา j ไดเพยง
1 รายเทานน สมการท (7) เปนการประกนวาปรมาณสนคารวม
ทบรรทกดวยยานพาหนะ k ตองไมเกนความจของยานพาหนะ
นนดวย สมการท (8) เปนการประกนวายานพาหนะ k ท
ออกเดนทางตองกลบมายงทตง สมการท (9) เปนการ
ประกนวาเวลาทยานพาหนะออกจากจดหนงไปยงอกจดหนง
ไมเกนกวาเวลาจดใหม สมการท (10) เปนการประกนวา
ยานพาหนะ k จะไปรบสนคาทจด i ไดตองถงเวลาทจด i เปดแลว
สมการท (11) เปนการประกนวายานพาหนะ k เดนทางจาก
จด i ไปรบสนคาใหกบจด j ไดทนเวลาทจด j ปด สมการท (12)
ถงสมการท (13) แสดงตวแปรตดสนใจเปนตวเลขแบบไบนาร
3. วธเชงพนธกรรมแบบผสมผสาน
วธเชงพนธกรรม (Genetic Algorithm; GA) ถกน�าเสนอ
ครงแรกโดย John Holland [16] ซงวธการนเปนเมตาฮวรสตก
ชนดหนงทไดรบความนยมส�าหรบการแกปญหา VRPs ขนตอน
การท�างานของวธเชงพนธกรรม จะเรมจากการสรางประชากร
เรมตน (Initial Population) ตามขนาดทก�าหนด จากนนน�า
โครโมโซมในประชากรเรมตนไปวดคาฟตเนส (Fitness) ขนตอน
ตอมาจะเปนการสมเลอกโครโมโซมพอแม โดยโครโมโซมทม
คาฟตเนสสงกวาจะมโอกาสถกเลอกมากกวาโครโมโซมทมคา
ฟตเนสต�ากวา จนไดจ�านวนโครโมโซมพอแมครบตามก�าหนด
จากนนจะเขาสกระบวนการสบพนธ (Genetic Operator)
เพอใหการเกดววฒนาการไปสค�าตอบทดขน โดยขนตอนยอย
เรมจากการแลกเปลยนยนขามโครโมโซม (Crossover) เพอ
ใหไดโครโมโซมใหม หลงจากนนน�าโครโมโซมมาท�าการ
แลกเปลยนยนภายในโครโมโซม (Mutation) เพอใหเกด
การผาเหลาของโครโมโซม จนครบจ�านวนรอบทก�าหนด
(Termination) จะถอวาค�าตอบทดทสดภายใตกรอบท
ก�าหนดนนเปนค�าตอบทดทสดของอลกอรทม
แมวาวธเชงพนธกรรมจะเปนวธการทมประสทธภาพ
ในการแกปญหาการจดเสนทางการขนสง อยางไรกตาม
เพอเพมประสทธภาพในการหาค�าตอบใหดยงขน ผวจยจง
ไดน�าเสนอการพฒนาวธการเชงพนธกรรมแบบผสมผสาน
(hybrid Genetic Algorithm; hybrid GA) ซงเปนการ
บรณาการระหวางวธเชงพนธกรรม ฮวรสตก PFIH และวธการ
คนหาค�าตอบเฉพาะทจ�านวน 3 วธ ไดแก 2-Opt Insertion
และ λ-interchange อลกอรทมทน�าเสนอแสดงในรปท 2
ขนตอนแรก สรางประชากรเรมตนดวย PFIH โดย
ก�าหนดฟงกชนวตถประสงค (Ci) ดงสมการท (14)
Ci = –α d0i + β li + γ ((pi/360)d0i) (14)
α เปนคาพารามเตอรของระยะทาง
β เปนคาพารามเตอรของลกคา
9The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 2562
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
6 2 5 7 3 1 4
6 2 4 7 3 1 5
กอน
หลง
γ เปนคาพารามเตอรเชงมมของลกคา
d0i เปนระยะทางระหวาง Depot และลกคาท i
li เปนเวลาชาสดทมาถงลกคา i
pi มมของลกคา I เมอเทยบกบจดกระจายสนคา
วธการจะเรมจากประเมนลกคาแตละรายดวยฟงกชน
Ci ลกคารายใดใหคา Ci นอยสดจะถกจดเขาเสนทาง จากนน
ด�าเนนการจนครบทกลกคา ซงรายละเอยดของ PFIH
สามารถศกษาเพมเตมในงานวจย [17], [18] เมอไดจ�านวน
ประชากรตามก�าหนด (N) จากนนเรยงล�าดบความส�าคญ
ตามคาฟตเนส ขนตอนตอมาสมเลอกโครโมโซมพอแมมา
ด�าเนนการผสมพนธตามหลกการของวธเชงพนธกรรมไดแก
การแลกเปลยนยนขามโครโมโซม โดยเรมจากสมต�าแหนงท
จะตดยนจากโครโมโซมพอแม (P1 และ P2) ไดต�าแหนงท 2
และ 8 จากนนตดยนทต�าแหนง 2 และ 8 จะไดโครโมโซม
ตนแบบจากโครโมโซมพอ (P1) คอ 3-1-6-2-9 และโครโมโซม
ตนแบบจากโครโมโซมแม (P2) คอ 6-2-5-8-7 จากนนน�า
โครโมโซมตนแบบจากพอ (P1) ถายทอดสลกคนท C2 และ
จะน�าโครโมโซมตนแบบจากโครโมโซมแม (P2) ถายทอดส
ลกคนท C1 น�ายนทเหลอมาเตมลงในชองทมเครองหมาย *
โดยลกคนท C1 จะเลอกยนจากโครโมโซมพอทไมซ�ากบยนท
มอยแลวคอไมซ�ากบยน 6-2-5-8-7 ในทนไดยนทมาเตม คอ
3-1-9-4 ท�านองเดยวกนลกคนท C2 จะด�าเนนการเหมอน
ลกคนท C1 ในทนไดยนทมาเตม คอ 4-5-8-7 สดทายจะได
โครโมโซมลกคนท C1 และลกคนท C2 ดงแสดงในรปท 3
การแลกเปลยนยนภายในโครโมโซมโดยการสมสลบ
ต�าแหนง (Swap) เรมจากสมต�าแหนงทจะสลบไดต�าแหนง 3
และต�าแหนง 7 จากนนสลบต�าแหนงกน ดงแสดงในรปท 4
หลงจากนนจะเปนกระบวนการปรบปรงค�าตอบโดย
เรยงล�าดบวธคนหาค�าตอบเฉพาะทดงน 2-Opt Insertion
และ λ-interchange ตามล�าดบ โดยรายละเอยดของทง 3 วธ
แสดงในรปท 5 และวรรณกรรม [19], [20]
4. ผลการศกษา
อลกอรทมทน�าเสนอในหวขอท 3 จะถกน�าไปทดสอบ
ประสทธภาพกบปญหามาตรฐานของโซโลมอน [21] จ�านวน
รปท 2 อลกอรทมส�าหรบการแกปญหา VRPTWs
รปท 3 การแลกเปลยนยนขามโครโมโซม
รปท 4 วธการแลกเปลยนยนภายในโครโมโซม
Swap
ไม
ไม
ไม
ไม
ใช
ใช
ใช
ใช
เรมตน
สรางประชากรเรมตนดวย PFIH
เรยงลำดบประชากรตามคาฟตเนส
คดเลอกโครโมโซมพอแม
ความนาจะเปนในการครอสโอเวอร
แลกเปลยนยนขามโครโมโซม
ความนาจะเปนในการกลายพนธ
ขนาดของประชากร N
เลอก N โครโมโซมจากโครโมโซมพอแม และโครโมโซมลก
ปรบปรงคำตอบโดยใช 2-Opt-move, Insertion and λ-interchange
จำนวนรนประชากรเทากบคาทกำหนด?
แสดงผล
โครโมโซมพอแมP1 5 8 3 1 6 2 9 4 7 P2 4 3 6 2 5 8 7 1 9
ขนตอนท 1C1 6 2 5 8 7 * * * * C2 3 1 6 2 9 * * * *
ขนตอนท 2P1 5 8 3 1 6 2 9 4 7 P2 4 3 6 2 5 8 7 1 9
ขนตอนท 2C1 6 2 5 8 7 3 1 9 4 C2 3 1 6 2 9 4 5 8 7
The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 256210
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
3 7 6 2 4 5 1
6 1 7 2 4 3 5
(ค)
กอน
หลง
7 1 6 2 4
7 1 2 4
5
3
3
5
6
(ข)
กอน
หลง
เสนทางเสนทาง
เสนทาง
3 5 1 6 2 4
3 5 1 6 2 4
7
7
(ก)
14 ปญหาโดยการสม ซงปญหามาตรฐานเหลานจะแบง
ตามลกษณะการกระจายตวของลกคาเปน 3 กลม คอ การ
กระจายตวเปนกลม (Clustered Customer Distribution; C)
ไดแก C101, C1O2, C106, C201 และ C203 การกระจาย
ตวอยางไรแบบแผน (Randomly Customer Distribution; R)
ไดแก R104, R108, R205 และ R211 และการกระจายตว
ของลกคาเปนกลมและไรแบบแผน (Combination of a
Random and Clustered Customer Distribution; RC)
ไดแก RC101 RC102 RC105 RC203 และ RC207 ซงทก
ปญหามขนาดเทากบ 100 ลกคา และจะถกทดลองซ�าจ�านวน
5 ครง ค�าตอบดทสดของแตละปญหาจะถกเลอกมาเปน
ค�าตอบทดทสดของอลกอรทม สวนคาพารามเตอรตางๆ
จะถกท�าการทดลองและปรบคาจนไดคาทพงพอใจแลว จากนน
จงน�าไปทดสอบกบปญหามาตรฐานตอไป คาพารามเตอร
ทส�าคญแสดงดงน คา α เทากบ 0.70 คา β เทากบ 0.20 และ
คา γ เทากบ 0.10 คาความนาจะเปนของการแลกเปลยนยน
ระหวางโครโมโซม (ρC) มคาเทากบ 0.80 คาความนาจะเปน
ของการแลกเปลยนยนภายในโครโมโซม (ρm) มคาเทากบ
0.35 ก�าหนดจ�านวนประชากร (N) เทากบ 100 โครโมโซม
โดยผลการทดลองจะถกน�าไปเปรยบเทยบกบค�าตอบทรคาท
ดทสด หรอ BKS ก�าหนดให NV เปนจ�านวนยานพาหนะ และ
TD เปนคาระยะทางรวม รายละเอยดผลการทดลองแสดงใน
ตารางท 1 สวนการเปรยบเทยบวธเชงพนธกรรมแบบผสม
ผสานกบวธเชงพนธกรรมดงเดม และวธเชงพนธกรรมรวมกบ
PFIH จะแสดงในตารางท 2
รปท 5 (ก) 2-opt (ข) Insertion และ (ค) λ-interchange
ตารางท 1 เปรยบเทยบค�าตอบของวธเชงพนธกรรมแบบ
ผสมผสานกบปญหามาตรฐาน
ปญหาค�าตอบรคาทดทสด (BKS) ค�าตอบของ hybrid GA
NV TD NV TD
C101 10 828.94 10 828.94C102 10 828.94 10 828.94C106 10 828.94 10 828.94C201 3 591.56 3 591.56C203 3 591.17 4 701.432R104 9 1,007.24 11 1,029.492R108 9 960.88 11 1,012.793R205 3 994.42 5 1,063.643R211 2 892.71 4 863.272RC101 14 1,696.94 17 1704.650RC102 12 1,554.75 14 1,505.223RC105 13 1,629.44 16 1558.897RC203 3 1,049.62 5 1,036.926RC207 3 1,061.14 5 1,113.406
% เบยงเบน 1.04
ตารางท 2 เปรยบเทยบค�าตอบระยะทางรวมของวธเชง
พนธกรรมผสมผสานกบวธการอนๆ
ปญหาเมตาฮวรสตก
GA GA with PFIH hybrid GA
C101 1,658.680 1,109.171 828.94*
C102 1,882.813 1,123.007 828.94*
C106 1,943.201 1,036.276 828.94
C201 1,517.308 591.56 591.56
C203 1,780.962 825.829 701.432
R104 1,672.997 1,206.500 1,029.492
R108 1,571.510 1,245.995 1,012.793
R205 1,694.514 1,237.899 1,063.643
R211 1,608.551 1,011.166 863.272
RC101 2,356.174 1,991.100 1,704.650
RC102 2,115.240 1,911.823 1,505.223
RC105 2,137.341 1,874.527 1,558.897
RC203 1,957.658 1,292.373 1,036.926
RC207 1,960.502 1,269.073 1,113.406
รวม 25,857.45 17,726.30 14,668.11
% เบยงเบน 0 ลดลง = 31.45% ลดลง = 43.27%
11The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 2562
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
จากตารางท 1 แสดงใหเหนวาค�าตอบทไดจากอลกอรทม
ทน�าเสนอส�าหรบปญหา C101 C102 C106 และ C201
มคาเทากบ BKS สวนปญหามาตรฐานอนๆ ค�าตอบทไดจาก
อลกอรทมมคาแตกตางกบ BKS เพยงเลกนอย โดยคาการ
เบยงเบนของระยะทางรวมทงหมดมคาเทากบ 1.04%
จากตารางท 2 แสดงใหเหนวาค�าตอบทไดจากวธเชง
พนธกรรมแบบผสมผสานเมอเปรยบเทยบกบ GA และ GA
with PFIH พบวาระยะทางรวมทไดจาก hybrid GA มคา
นอยกวา GA และ GA with PFIH เกอบทกปญหา ยกเวน
ปญหา C201 ทค�าตอบของวธเชงพนธกรรมแบบผสมผสาน
มคาเทากบ GA with PFIH อยางไรกตาม โดยภาพรวมถอไดวา
hybrid GA ทน�าเสนอในงานวจยนมประสทธภาพดขนเมอ
เทยบกบวธเชงพนธกรรมดงเดม (ระยะทางรวมลดลง 43.27%)
ดงนนวธเชงพนธกรรมแบบผสมผสานทน�าเสนอในงานวจยน
มการพฒนาขนอยางชดเจนเมอเปรยบเทยบกบวธเชง
พนธกรรมดงเดม
5. สรป
ปญหา VRPTWs เปนปญหาทเกยวของกบระบบการขนสง
โลจสตกส และการจดการหวงโซอปทานของหนวยงานภาครฐ
และอตสาหกรรมของทกประเทศ แมวาจะมการศกษามา
อยางยาวนานกวา 20 ป แตปญหานยงคงไดรบความสนใจ
จากนกวจยจ�านวนมากทงในประเทศและตางประเทศ
เนองจากปญหานมความยงยากซบซอนในการหาค�าตอบ
โดยวธแมนตรง ดวยเหตนนกวจยสวนใหญจงนยมใชวธ
เชงฮวรสตกในการแกปญหา VRPTWs อยางไรกตาม
ในปจจบนยงไมมวธใดยนยนไดวาเปนวธทใหค�าตอบทดสด
ดวยเหตนการแกปญหา VRPTWs จะขนอย กบความร
ความถนด และความชอบรายบคคล ดงนนงานวจยนจงได
น�าเสนอวธเชงพนธกรรมแบบผสมผสานส�าหรบการแกปญหา
VRPTWs เรมจากการสรางประชากรเรมตนดวยฮวรสตก
แบบ PFIH และเพมวธการปรบปรงคณภาพของค�าตอบโดยใช
การคนหาค�าตอบเฉพาะทจ�านวน 3 วธ ไดแก วธ 2-Opt
λ-interchange และ Insertion ตามล�าดบ จากนนท�าการ
ทดลองปรบคาพารามเตอรตางๆ จนไดค�าตอบทพงพอใจ
ทสดแลว จงน�าอลกอรทมทน�าเสนอนไปทดสอบกบปญหา
มาตรฐานของโซโลมอน ผลการทดลองพบวาอลกอรทม
ทน�าเสนอนมประสทธภาพทด โดยใหค�าตอบเบยงเบนจาก
ค�าตอบทรคาทดทสดเลกนอย และเมอเปรยบเทยบกบวธ
เชงพนธกรรมดงเดม ยนยนไดวาอลกอรทมทน�าเสนอมการ
แนวโนมทดกวาอยางชดเจน
ส�าหรบงานวจยในอนาคตผวจยคาดหวงวาจะพฒนา
อลกอรทมนรวมกบเทคนคอนๆ เพอน�าไปทดสอบกบปญหา
มาตรฐานและทดสอบกบปญหาทมขนาดใหญขน หรออก
แนวทางหนงผวจยจะน�าอลกอรทมทน�าเสนอนไปประยกตใช
กบกรณศกษาอนๆ ตอไป
เอกสารอางอง
[1] Y. Kao, M. H. Chen, and Y. T. Huang, “A hybrid
algorithm based on ACO and PSO for capacitated
vehicle routing problems,” Mathematical
Problems in Engineering, vol. 2012, pp. 17,
2012.
[2] J. F. Bard, G. Kontoravdis, and G. Yu, “A branch-
and-cut procedure for the vehicle routing
problem with time windows,” Transportation
Science, vol. 36, no. 2, pp. 250–269, 2002.
[3] M. Desrochers, J. Desrosiers, and M. Solomon,
“A new optimization algorithm for the vehicle
routing problem with time windows,” Operations
Research, vol. 40, no. 2, pp. 342–354, 1992.
[4] N. Azi, M. Gendreau, and J.-Y. Potvin, “An exact
algorithm for a vehicle routing problem with
time windows and multiple use of vehicles,”
European Journal of Operational Research,
vol. 202, no. 3, pp. 756–763, 2010.
[5] W.-C. Chiang and R. A. Russell, “Simulated
annealing metaheuristics for the vehicle
routing problem with time windows,” Annals of
Operations Research, vol. 63, no. 1, pp. 3–27,
The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 256212
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
1996.
[6] J. F. Cordeau, G. Laporte, and A. Mercier, “A
unified tabu search heuristic for vehicle routing
problems with time windows,” Journal of the
Operational Research Society, vol. 52, no. 8,
pp. 928-936, 2001.
[7] É. Taillard, P. Badeau, M. Gendreau, F. Guertin,
and J.-Y. Potvin, “A tabu search heuristic for
the vehicle routing problem with soft time
windows,” Transportation Science, vol. 31, no. 2,
pp. 170–186, 1997.
[8] G. Kontoravdis and J.F. Bard, “A GRASP for the
vehicle routing problem with time windows,”
ORSA Journal on Computing, vol. 7, no. 1,
pp. 10–23, 1995.
[9] G. B. Alvarenga, G. R. Mateus, and G. de Tomi,
“A genetic and set partitioning two-phase
approach for the vehicle routing problem
with time windows,” Computers & Operations
Research, vol. 34, no. 6, pp. 1561–1584, 2007.
[10] İ. Küçükoğlu and N. Öztürk, “An advanced
hybrid meta-heuristic algorithm for the vehicle
routing problem with backhauls and time
windows,” Computers & Industrial Engineering,
vol. 86, pp. 60–68, 2015.
[11] R. Baños, J. Ortega, C. Gil, A. L. Márquez, and
F. de Toro, “A hybrid meta-heuristic for multi-
objective vehicle routing problems with time
windows,” Computers & Industrial Engineering,
vol. 65, no. 2, pp. 286–296, 2013.
[12] E. Jabir, V. V. Panicker, and R. Sridharan, “Design
and development of a hybrid ant colony-
variable neighbourhood search algorithm for
a multi-depot green vehicle routing problem,”
Transportation Research Part D: Transport and
Environment, vol. 57, pp. 422–457, 2017.
[13] L. Cui, L. Wang, J. Deng, and J. Zhang, “A new
improved quantum evolution algorithm with
local search procedure for capacitated vehicle
routing problem,” Mathematical Problems in
Engineering, vol. 2013, pp. 17, 2013.
[14] M. A. Hannan, M. Akhtar, R. A. Begum, H. Basri, A.
Hussain, and E. Scavino, “Capacitated vehicle-
routing problem model for scheduled solid
waste collection and route optimization using
PSO algorithm,” Waste Management, vol. 71,
pp. 31–41, 2018.
[15] M. M. Solomon, “Algorithms for the vehicle
routing and scheduling problems with time
window constraints,” Operations Research,
vol. 35, no. 2, pp. 254–265, 1987.
[16] J. H. Holland, Adaptation in natural and artificial
systems: An introductory analysis with
applications to biology, control, and artificial
intelligence. London, England: The MIT press,
1992.
[17] H. C. Brandão de Oliveira and G. C. Vasconcelos,
“A hybrid search method for the vehicle
routing problem with time windows,” Annals
of Operations Research, vol. 180, no. 1,
pp. 125–144, 2010.
[18] S. R. Thangiah, I.H. Osman, and T. Sun, “Hybrid
genetic algorithm simulated annealing and tabu
search methods for vehicle routing problem with
time windows,” Computer Science Department,
U.S.A., Technical Report 27., 1994.
[19] N. Wichapa and P. Khokhajaikiat, “Using the hybrid
fuzzy goal programming model and hybrid
genetic algorithm to solve a multi-objective
location routing problem for infectious waste
13The Journal of KMUTNB., Vol. 29, No. 1, Jan.–Mar. 2019
วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 29 ฉบบท 1 ม.ค.–ม.ค. 2562
นรงค วชาผา และคณะ, “การแกปญหาการจดเสนทางการขนสงแบบมกรอบเวลาโดยใชวธเชงพนธกรรมแบบผสมผสานดวยฮวรสตกแบบแทรก
ไปขางหนาและวธการคนหาค�าตอบเฉพาะท.”
disposal,” Journal of Industrial Engineering and
Management, vol. 10, no. 5, pp. 853–886, 2017.
[20] N. Wichapa and P. Khokhajaikiat, “Solving a
multi-objective location routing problem for
infectious waste disposal using hybrid goal
programming and hybrid genetic algorithm,”
International Journal of Industrial Engineering
Computations, vol. 9, no. 1, pp. 75–98,
2018.
[21] M. M. Solomon. (2005, Oct.). Best Known
Solutions Identified by Heuristics, Northeastern
University, Massachusetts, Boston [Online].
Available: http://web.cba.neu.edu/~msolomon/
heuristi.htm.