การประยุกต์ใช้เทคนิคการหาค่าเหมาะสมที่สุดแบบฝูงอนุภาคสำหรับแก้ปัญหาทางวิศวกรรม
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้มุ่งประเด็นไปที่การประยุกต์ใช้วิธีการหาค่าเหมาะสมที่สุดแบบฝูงอนุภาค (PSO) สำหรับแก้ปัญหาทางวิศวกรรมหลากหลายสาขา PSO เป็นวิธีการหาค่าที่ดีที่สุดซึ่งอยู่ในตระกูลเดียวกับปัญญารวมหมู่ ซึ่งอาศัยหลักการเลียนแบบพฤติกรรมทางสังคมของสัตว์ เส้นทางการค้นหาของอนุภาคแต่ละตัวหาได้จากการแบ่งปันข้อมูลระหว่างอนุภาคแต่ละตัวที่อยู่ใกล้เคียงกัน เพื่อใช้ในการตัดสินใจและแก้ไขปัญหาที่ต้องการ ปฏิสัมพันธ์ระหว่างอนุภาคที่อยู่ใกล้เคียงกันเป็นสิ่งสำคัญที่ทำให้ PSO ใช้ได้อย่างมีประสิทธิภาพในการหาคำตอบที่ดีที่สุดในเวลาอันสั้น PSO ได้รับความสนใจจากนักวิจัยจำนวนมาก เนื่องจากประสิทธิภาพการค้นหาคำตอบที่ดีที่สุดของมันใช้ได้กับฟังก์ชันจุดประสงค์หลายมิติที่มีค่าเหมาะสมที่สุดเฉพาะที่หลายค่า ซึ่งเป็นปัญหาที่ยากมาก ด้วยเหตุนี้ทำให้ PSO สามารถนำมาประยุกต์ใช้ในการแก้ปัญหากับงานทางด้านวิศวกรรม
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ใน Journal of Advanced Development in Engineering and Science ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วยหรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา ฯลฯ ที่ได้รับการตีพิมพ์ในJournal of Advanced Development in Engineering and Science ถือเป็นลิขสิทธิ์ของ Journal of Advanced Development in Engineering and Science หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก Journal of Advanced Development in Engineering and Scienceก่อนเท่านั้น
References
J. Holland. Adaptation in Natural and Artificial Systems. Michigan: University of Michigan Press, 1975.
Evolutionary Computation, Internet: http://en.wikipedia .org/wiki/Evolutionary_computation [July 28, 2012].
พิศุทธิ์ พงศ์ชัยฤกษ์. “การประยุกต์ใช้พาร์ทิเคิลสวอมออฟทิไมเซชั่นอัลกอริทึ่มแบบต่างๆ ในการจัดตารางการผลิตแบบทำตามสั่ง.” วารสารวิชาการอุตสาหกรรม, ปีที่ 5 ฉบับที่ 1, 2554, หน้า 1 – 8.
J. Kennedy and R. Eberhart. “Particle swarm optimization.” in Proc. of IEEE International Conference on Neural Networks, Vol.4, 1995, pp. 1942 – 1948.
สุภกิจ นุตยะสกุล. “การคำนวณเชิงวิวัฒนาการระหว่างเจเนติกอัลกอริทึม กับพาติคอลสวอมออปติมัยเซชัน.” Journal of Information Science and Technology. [Online]. (2)2, pp. 13-22, 2011, Available: http://ist-journal.mut.ac.th/Journal/JIST_V2N2/Page13-22.pdf [March 3, 2012].
R.C. Eberhart and Yuhui Shi. “Particle Swarm Optimization: Development, Applications and Resources.” IEEEXplore. [Online] 0-7803-6657-3, 2001,Available:http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=934374&userType=inst [March 3, 2012].
วรายุทธ คัมภีราวัฒน์ และชัยยุทธ์ สัมภวะคุปต์. (2552). “การประยุกต์ใช้วิธีการหาค่าเหมาะสมที่สุดด้วยเทคนิคแบบชาญฉลาดในการประมาณสถานะของระบบไฟฟ้ากำลัง.” การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 32 (EECON-32) 28-30 ตุลาคม 2552 มหาวิทยาลัยมหิดล.
H. Liu, A. Abraham, O. Choi, and S. Hwan Moon. “Variable Neighborhood Particle Swarm Optimization for Multi-objective Flexible Job-Shop Scheduling Problems.” SEAL 2006, LNCS 4247, pp. 197 – 204, 2006,Internet:http://cpansearch.perl.org/src/KYLESCH/AI-PSO.82/ReactivePower-PSO-wks.pdf [February 25, 2012].
สุภาภรณ์ สุวรรณรังษี และเดชา พวงดาวเรือง. “การแก้ปัญหาการจัดสมดุลสายงานการประกอบรูปทรงตัวยูด้วยการหาค่าเหมาะสมที่สุดแบบฝูงอนุภาค.” การประชุมวิชาการข่ายงานวิศวกรรมอุตสาหกรรม, 2551, หน้า 95 – 100.
นิพนธ์ ภู่ทอง. “การจัดสรรงบบำรุงรักษาแบบป้องกันที่เหมาะสมทีสุดสำหรับระบบจำหน่ายกำลังไฟฟ้าส่วนภูมิภาค.” มหาวิทยาลัยเกษตรศาสตร์. Internet: http://research.rdi.ku.ac.th/world/cache/c1/abstNiponPHOAll.pdf [March 3, 2012].
วิลาสินี ศึกษาการ. “การจ่ายโหลดอย่างประหยัดที่มีฟังก์ชันราคาที่ไม่ราบเรียบโดยใช้วิธีทำให้เหมาะสมแบบกลุ่มอนุภาคร่วมกับวิธีโปรแกรมกำลังสองแบบลำดับ.” วิทยานิพนธ์ วิศวกรรมศาสตร์มหาบัณฑิต(วิศวกรรมไฟฟ้า) มหาวิทยาลัยเกษตรศาสตร์, 2551. Internet:http://research.rdi.ku.ac.th/world/cache/2f/WilasineeSUGAll.pdf [March 3, 2012].
Maria-Iuliana Dascalu. “Application of particle swarm optimization to formative e-assessment in project management.” Information Economica, Vol. 15, 2011, pp. 48 – 61.
D. Bratton and J. Kennedy. “Defining a Standard for Particle Swarm Optimization.” in Proc. of the 2007 IEEE Swarm Intelligence Symposium (SIS 2007), Internet: https://svn-d1.mpi-inf.mpg.de [March 3, 2012].
Wu-Chang Wu and Men-Shen Tsai. “Feeder Reconfiguration Using binary Coding Particle Swarm Optimization.” International Journal of Control, Automation and Systems, Vol. 6, 2008, pp. 488 – 494.
พิศุทธิ์ พงศ์ชัยพฤกษ์. “การพัฒนาวิธีการหาค่าที่ดีที่สุดแบบพาร์ทิเคิลสวอมออฟทิไมเซชั่นด้วยวิธีการเลียนแบบโครงสร้างการเรียนรู้ทางสังคมแบบหลากหลาย.” วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ (สาขาวิทยาศาสตร์และเทคโนโลยี), ปีที่ 3 ฉบับที่ 5 มกราคม – มิถุนายน 2554, หน้า 14 – 22.
K.E. Parsopoulos and M.N. Vrahatis. “Unified Particle Swarm Optimization for Solving Constrained Engineering Optimization Problems.” ICNC 2005, LNCS 3612, 2005, pp. 582 – 591.
H. Zhang, H. Li and C.M. Tam. “Particle swarm optimization for resource-constrained project scheduling.” International Journal of Project Management, Vol. 24, 2006, pp. 83 – 92.
H. Yoshida, K. Kawata, Y. Fukuyama and Y. Nakanishi. “A particle swarm optimization for reactive power and voltage control considering voltage stability.” In G. L. Torres and A.P. Alves da Silva, Eds. in Proc. Intl. Conf. on Intelligent System Application to Power System, Rio de Janeiro, Brazil, 1999, 117 – 121.
H. Fayazi Boroujeni, M. Eghtedari, A. Memaripour and E. Behzadipour. “Controller parameters design of doubly feed induction generator using Particle Swarm Optimization.” Indian Journal of Science and Technology, Vol. 4, 2011, pp. 1635 – 1638.