การประยุกต์ใช้โกลด์เดนบอล อัลกอริทึม เพื่อแก้ปัญหาการจัดเส้นทางยานพาหนะ ในรูปแบบที่มีการใช้ยานพาหนะร่วมกันระหว่างของบริษัท และการจัดจ้าง

Main Article Content

ตันติกร พิชญ์พิบุล
นัชชา เทียมพิทักษ์
นริศ ธรรมเกื้อกูล

Abstract

          บทความวิจัยฉบับนี้ผู้วิจัยได้นำเสนอโกลด์เดนบอล อัลกอริทึม ซึ่งสามารถนำมาประยุกต์ใช้ในการแก้ปัญหาการจัดเส้นทางยานพาหนะ ในรูปแบบที่มีการใช้ยานพาหนะร่วมกันระหว่างของบริษัท และการจัดจ้าง โดยมีวัตถุประสงค์เพื่อสร้างเส้นทางยานพาหนะที่สามารถลดต้นทุนการขนส่งสินค้าทั้งหมดของระบบโลจิสติกส์ ผู้วิจัยได้ทำการทดสอบโกลด์เดนบอล อัลกอริทึม ที่นำเสนอด้วย 17 ตัวอย่าง ผลการทดลองแสดงให้เห็นว่า โกลด์เดนบอล อัลกอริทึม ที่นำเสนอเหนือกว่าวิธีการที่ดีที่สุดที่มีอยู่ และคำตอบที่ดีที่สุดยังถูกค้นพบทุกตัวอย่าง นอกจากนี้ยังพบคำตอบใหม่ที่ดีที่สุดใน 12 ตัวอย่างอีกด้วย

 

           In this paper, we have presented a golden ball (GB) algorithm, which can be applied to solve the close-open mixed vehicle routing problem. The problem objective is to construct a feasible set of vehicle routes that minimizes the total transportation cost of logistics system. We have tested the proposed GB algorithm with 17 problem instances. The computational results indicate that the proposed GB algorithm is superior to the best existing algorithm, and the best solutions are obtained for all instances. Moreover, new best solutions for 12 instances are also found.    

Downloads

Download data is not yet available.

Article Details

How to Cite
พิชญ์พิบุลต., เทียมพิทักษ์น., & ธรรมเกื้อกูลน. (2016). การประยุกต์ใช้โกลด์เดนบอล อัลกอริทึม เพื่อแก้ปัญหาการจัดเส้นทางยานพาหนะ ในรูปแบบที่มีการใช้ยานพาหนะร่วมกันระหว่างของบริษัท และการจัดจ้าง. Panyapiwat Journal, 8(2), 41-50. Retrieved from https://so05.tci-thaijo.org/index.php/pimjournal/article/view/65646
Section
Research Article

References

Augerat, P., Belenguer, J., Benavent, E., Corbern, A., Naddef, D. & Rinaldi, G. (1995). Computational results with a branch and cut code for the capacitated vehicle routing problem. Grenoble, France: Universite Joseph Fourier.

Christofides, N. & Eilon, S. (1969). An algorithm for the vehicle dispatching problem. Operational Research Quarterly, 20(3), 309-318.

Clarke, G. & Wright, J. W. (1964). Scheduling of vehicles from a central depot to a number of delivery points. Operations Research, 12(4), 568-581.

Dantzig, G. B. & Ramser, J. H. (1959). The truck dispatching problem. Management Science, 6(1), 80-91.

Dorigo, M., Maniezzo, V. & Colorni, A. (1996). Ant system: optimization by a colony of cooperating agents. IEEET ransactionson Systems,Mans,and Cybernetics, 26(1), 29-41.

Fukasawa, R., Longo, H., Lysgaard, J., Poggi de Aragão, M., Reis, M., Uchoa, E. & Werneck, R. F. (2006). Robust Branch-and-Cut-and-Price for the Capacitated Vehicle Routing Problem. Mathematical Programming, 106, 491-511.

Gen, M. & Cheng, R. (1997). Genetic algorithms and engineering design. New York: John Wiley & Sons.

Groër, C., Golden, B. & Wasil, E. (2010). A library of local search heuristics for the vehicle routing problem. Mathematical Programming Computation, 2(2), 79-101.

Kennedy, J. & Eberhart, R. (1995). Particle swarm optimization. In: Proceedings of IEEE International Conference on Neural Networks, pp. 1942-1948.

Kirkpatrick, S., Gelatt, J. & Vecchi, M. (1983). Optimization by simulated annealing. Science, 220(4598), 671-680.

Krishnanand, K. N. & Ghose, D. (2009). Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions. SwarmIntelligence, 3(2), 87-124.

Letchford, A. N., Lysgaard, J. & Eglese, R. W. (2007). A branch-and-cut algorithm for the capacitated open vehicle routing problem. Journal of the Operational Research Society, 58, 1642-1651.

Liu, R. & Jiang, Z. (2012). The close-open mixed vehicle routing problem. European Journal of Operational Research, 220(2), 349-360.

Lysgaard, J., Letchford, A. N. & Eglese, R. W. (2004). A new branch-and-cut algorithm for the capacitated vehicle routing problem. Mathematical Programming Series A, 100(2), 423-445.

Osaba, E., Diaz, F. & Onieva, E. (2014). Golden ball: a novel meta-heuristic to solve combinatorial optimization problems based on soccer concepts. Applied Intelligence, 41(1), 145-166.

Pichpibul, T. & Kawtummachai, R. (2012). An improved Clarke and Wright savings algorithm for the capacitated vehicle routing problem. Science Asia, 38, 307-318.

Pichpibul, T. & Kawtummachai, R. (2013). A Heuristic Approach Based on Clarke-Wright Algorithm for Open Vehicle Routing Problem. The Scientific World Journal, 2013, 1-11.

Pichpibul, T. (2015). Improving Vehicle Routing Decision for Travel Agency in Chonburi, Thailand. Lecture Notes in Electrical Engineering, 349, 251-258.

Rashedi, E., Nezamabadi-pour, H. & Saryazdi, S. (2009). GSA: A Gravitational Search Algorithm. Information Sciences, 179(13), 2232-2248.

Ruttanateerawichien, K., Kurutach, W. & Pichpibul, T. (2014). An Improved Golden Ball Algorithm for the Capacitated Vehicle Routing Problem. Bio-Inspired Computing - Theories and Applications. Communications in Computer and Information Science, 472, 341-356.

Rochat, Y. & Taillard, É.D. (1995). Probabilistic diversification and intensification in local search for vehicle routing. Journal of Heuristics, 1, 147-167.

Salcedo-Sanz, S., Gallo-Marazuela, D., Pastor-Sánchez, A., Carro-Calvo, L., Portilla-Figueras, A. & Prieto, L. (2014). Offshore wind farm design with the Coral Reefs Optimization algorithm. Renew able Energy, 63, 109-115.

Sariklis, D. & Powell, S. (2000). A Heuristic Method for the Open Vehicle Routing Problem. The Journal of the Operational Research Society, 51(5), 564-573.

Wren, A. & Holliday, A. (1972). Computer scheduling of vehicles from one or more depots to a number of delivery points. Operational Research Quarterly, 23(3), 333-344.

Yang, X. S. (2009). Firefly algorithms for mult-imodal optimization. In: Proceedings of the 5th Inter-national Symposium on Stochastic Algorithms: Foundations and Applications, pp. 169-178.