ขั้นตอนวิธีเชิงพันธุกรรมสำหรับการหาค่าเหมาะสมที่สุดวัตถุประสงค์หลายอย่าง

กิตติพงศ์ บุญโล่ง

dc.contributor.author	กิตติพงศ์ บุญโล่ง
dc.contributor.other	มหาวิทยาลัยบูรพา. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2019-03-25T09:14:53Z
dc.date.available	2019-03-25T09:14:53Z
dc.date.issued	2554
dc.identifier.uri	http://dspace.lib.buu.ac.th/xmlui/handle/1234567890/2440
dc.description.abstract	บทความนี้นำเสนอข้อจำกัดหนึ่งของขั้นตอนวิธีเชิงพันธุกรรมวัตถุประสงค์หลายอย่าง (MOGA) ในการแก้ปัญหาการหาค่า เหมาะที่สุดวัตถุประสงค์หลายอย่างโดยได้นำ MOGA 3 ชนิดคือ NSGA-II, SPEA-II และ COGA-II มาทดลองกับปัญหาวัตถุประสงค์ หลายอย่างมาตรฐาน DTLZ2 และ DTLZ6 ที่มีวัตถุประสงค์ 3-6 อย่าง ซึ่งจากผลการทดลองจะพบว่า MOGA ทั้งสามสามารถแก้ปัญหา ที่มีวัตถุประสงค์ 3 อย่างได้เป็นอย่างดี COGA-II ดีกว่า NSGA-II และ SPEA2 อย่างชัดเจนสำหรับปัญหาที่มีวัตถุประสงค์ 4 อย่างขึ้นไป นอกจากนี้ NSGA-II และ SPEA2 แก้ปัญหาที่มี 5 วัตถุประสงค์ขึ้นไปได้ไม่ดี ส่วน COGA-II ซึ่งเป็น MOGA ซึ่งพัฒนามาเพื่อแก้ปัญหา ดังกล่าวได้แม้ไม่ดีมากดังเช่นปัญหาที่มี 3 วัตถุประสงค์ ซึ่งแสดงถึงข้อจำกัดสำหรับ MOGA ที่มีอยู่ในปัจจุบัน จากผลการทดลองแสดงว่า จำเป็นต้องมีการพัฒนา MOGA เพื่อปัญหาที่มีวัตถุประสงค์จำนวนมากต่อไป	th_TH
dc.language.iso	th	th_TH
dc.subject	การหาค่าเหมาะที่สุดเชิงคณิตศาสตร์	th_TH
dc.subject	การหาค่าเหมาะสมที่สุดวัตถุประสงค์หลายอย่าง	th_TH
dc.subject	การแจกแจงพาเรโต	th_TH
dc.subject	จีเนติกอัลกอริทึม	th_TH
dc.title	ขั้นตอนวิธีเชิงพันธุกรรมสำหรับการหาค่าเหมาะสมที่สุดวัตถุประสงค์หลายอย่าง	th_TH
dc.type	บทความวารสาร	th_TH
dc.issue	1
dc.volume	16
dc.year	2554
dc.description.abstractalternative	This paper presents a limitation of multi-objective genetic algorithm (MOGA) for solving multi-objective optimization problems. The paper investigates 3 MOGAs – NSGA-II, SPEA-II and COGA-II to solve benchmark problems – DTLZ2 and DTLZ6 with 3-6 objectives. The results show that all MOGAs can solve the problems with 3 objectives effectively. COGA-II is obviously better than the others for the problems with 4-or-more objectives. In addition, NSGA-II and SPEA-II cannot well solve the problems with 5-or-more objectives. On the other hand, COGA-II can solve these problems although it is not very good as in the problems with 3 objectives. This shows the limitation of current MOGAs. Thus, it is necessary to develop MOGA for the optimization problems with high number of objectives.	en
dc.journal	วารสารวิทยาศาสตร์บูรพา = Burapha science journal.
dc.page	107-114.