การหาค่าที่เหมาะสมที่สุดด้วยขั้นตอนวิธีเคออสมีมีติก แบบหลายวัตถุประสงค์

Optimization by multi-objective chaos-memetic algorithm

Name: ภรัณยา อำมฤครัตน์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศ

Name: พยุง มีสัจ.

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศ

Email : pym@kmutnb.ac.th

keyword: มีมีติกอัลกอริธึม.

ThaSH: อัลกอริทึม

; ทฤษฎีความอลวน.

ThaSH: ทฤษฎีการประมาณค่า

Abstract: บทความวิจัยนี้เป็นการนำเสนอวิธีการหาค่าที่เหมาะสมด้วยขั้นตอนวิธีเคออสมีมีติกอัลกอริธึมแบบหลายวัตถุประสงค ์ (Multi-Objective Chaos-Memetic Algorithms: MOCMA) เป็นการปรับปรุงมีมีติกอัลกอริธึมด้วยทฤษฎีความอลวน (Chaos Theory) ในการปรับปรุงประชากรคำตอบให้ได้คำตอบที่ดีขึ้น ซึ่งในงานวิจัยนี้ได้นำขั้นตอนวิธีที่นำเสนอไปทดสอบแก้ปัญหาสมการแบบ 2 วัตถุประสงค์จากชุดข้อมูล DTLZ1-4 แล้วนำผลเฉลยที่ได้จากการทดสอบมาวัดสมรรถนะของกลุ่มคำตอบที่ดีที่สุด 2 ด้าน คือ ตัววัดสมรรถนะในด้านการลู่เข้าสู่กลุ่มคำตอบที่แท้จริง และการกระจายของกลุ่มคำตอบที่หาได้ และได้ทำการเปรียบเทียบสมรรถนะ MOCMA กับ NSGAII (Non-dominated Sorting Genetic AlgorithmII) พบว่า ตัววัดสมรรถนะของคำตอบด้านการลู่เข้าสู่คำตอบที่แท้จริงของ MOCMA จะมีอัตราการลู่เข้าสู่คำตอบแท้จริงดีกว่า NSGAII และในด้านการวัดสมรรถนะของคำตอบด้านการกระจายของกลุ่มคำตอบ MOCMA มีการกระจายที่สม่ำเสมอมากกว่า NSGAII ซึ่งจะเห็น MOCMA มีค่าเข้าใกล้ศูนย์ มากกว่า NSGAII

Abstract: In this research, we discuss the efficacy improvement for Multi-Objective Memetic Algorithms: MOMA by using Chaos theory. Chaos theory is used to improve the population to achieve a better result. The technique can be referred to in abbreviation as MOCMA: Multi-Objective Chaos Memetic Algorithms. In this research, such technique is applied to solve Multi-Objective equa-tion:2 objective DTLZ1-4. The resulted outcomes will then be measured for their capabilities to find out the best outcome group in 2 aspects namely; the capability to converge to the true outcome and the capability to spread the outcome groups found. The capabilities of the technique will be compared with those of NSGAII(Non-dominated Sorting Genetic Algorithm II). The research shows that the Convergence Measurement of MOCMA process has a better rate of convergence than that of NSGAIIand Measurement of MOCMA is scattered more evenly than that of NSGAII. It can be seen that the value of MOCMA’s capability measurement in both aspects is closer to 0 than those of NSGAII.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2555

Modified: 2024-08-25

Issued: 2555-09-13

บทความ/Article

application/pdf

BibliograpyCitation : วารสารเทคโนโลยีสารสนเทศ. ปีที่ 8, ฉบับที่ 1 (ม.ค.-มิ.ย. 55), หน้า 54-61.

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ch15_07.pdf	2.67 MB	44	2022-04-24 11:46:04

ใช้เวลา

0.045544 วินาที