การหาพารามิเตอร์ที่เหมาะสมของวิธีหาค่าเหมาะที่สุดแบบโน้มถ่วงสำหรับปัญหาการตัดวัสดุแบบหนึ่งมิติ

Abstract

เทคโนโลยีที่ทันสมัยเข้ามามีบทบาทอย่างมากในการพัฒนาอุตสาหกรรมต่างๆ และหนึ่งในเทคโนโลยีที่กำลังถูกให้ความสนใจคือ ระบบปัญญาประดิษฐ์ (Artificial intelligence: AI) ซึ่งมีการนำวิธีการเมตาฮิวริสติกที่รู้จักกันเป็นอย่างดี เช่น วิธีการเชิงพันธุกรรม (Genetic Algorithm), วิธีการค้นหาค่าที่ดีที่สุดด้วยฝูงอนุภาค (Particle Swarm optimization) เป็นต้น มาช่วยพัฒนาประสิทธิภาพในการหาคำตอบด้วยระยะเวลาอันสั้น บทความนี้จึงนำเสนอวิธีการการปรับค่าพารามิเตอร์ของขั้นตอนวิธีการ (Algorithm) แบบโน้มถ่วงสำหรับปัญหาการตัดวัสดุแบบหนึ่งมิติ (1D-CSP of GSA) ซึ่งเป็นหนึ่งในวิธีการเมตาฮิวริสติก เนื่องจากการปรับค่าพารามิเตอร์ มีผลอย่างมากต่อประสิทธิภาพของขั้นตอนวิธีการ และการตรวจสอบพารามิเตอร์โดยละเอียดทุกค่าความเป็นไปได้นั้น ใช้เวลานาน เพื่อลดความซับซ้อนและทำให้สามารถปรับเปลี่ยนค่าได้อย่างง่ายๆ ที่จะทำให้ค่าคำตอบออกมาได้ดี จึงได้นำวิธีการออกแบบการทดลอง (Design of Experiment: DOE) ไปใช้เป็นแนวทางในการปรับค่าพารามิเตอร์อย่างเป็นระบบ โดยการศึกษาครั้งนี้จะวัดผลจากค่าเฉลี่ยที่คิดเป็นเปอร์เซ็นต์ของจำนวนเศษที่เหลือจากการตัด ค่าเฉลี่ยของจำนวนวัสดุตั้งต้นที่ใช้ในการตัด และจากการวิเคราะห์ผลลัพธ์ยืนยันว่าการปรับพารามิเตอร์ได้ปรับปรุงประสิทธิภาพของขั้นตอนวิธีการแบบโน้มถ่วงสำหรับปัญหาการตัดวัสดุแบบหนึ่งมิติ และจากผลลัพธ์ที่ได้จากการทดลองสามารถเห็นได้ชัดเจนที่ในเรื่องของการลดระยะเวลาในการหาคำตอบ