การวางแผนการกระจายพัสดุไปรษณีย์ในจังหวัดนนทบุรีด้วยวิธีการแบบกลุ่มอนุภาค (VEHICLE ROUTING OF PARCEL POST DISTRIBUTION IN NONTHABURI USING PARTICLE SWARM OPTIMIZATION)

Abstract

งานวิจัยนี้ได้ประยุกต์วิธีการแบบกลุ่มอนุภาคร่วมกับชั้นตอนปรับปรุงประสิทธิภาพคำตอบ ประกอบด้วย วิธีการสลับตำแหน่ง และวิธีการสลับคู่ตำแหน่งในการวางแผนการจัดเส้นทางการกระจายพัสดุของบริษัทไปรษณีย์ไทยของจังหวัดนนทบุรี โดยในงานวิจัยนี้ได้ทดสอบพารามิเตอร์ที่เหมาะสมกับอัลกอริทึมที่นำเสนอ ประกอบด้วย แฟกเตอร์เร่งความเร็วสำหรับตำแหน่งที่ดีที่สุดท้องถิ่นเท่ากับ 2 แฟกเตอร์เร่งความเร็วสำหรับตำแหน่งที่ดีที่สุดสากลเท่ากับ 4 และน้ำหนักอินเนอร์เทียเท่ากับ 0.9 จากผลการวิจัยพบว่า อัลกอริทึมที่นำเสนอสามารถคำนวณเส้นทางที่สั้นที่สุดได้เท่ากับ 76.1 กิโลเมตร ใช้เวลาในการประมวล 2.20 วินาที นอกจากนั้นงานวิจัยนี้ยังได้ทดสอบประสิทธิภาพของอัลกอริทึมที่นำเสนอกับรูปแบบปัญหามาตรฐาน จำนวน 10 ปัญหา ซึ่งเป็นปัญหาการเดินทางของพนักงานขาย และได้เปรียบเทียบค่าคำตอบ ประกอบด้วย ปัญหาของงานวิจัย รูปแบบปัญหา Ulysses16 และ Ulysses22 กับวิธีการเพื่อนบ้านใกล้ที่สุด ผลการทดลองพบว่า อัลกอริทึมที่นำเสนอสามารถค้นหาคำตอบได้ทุกรูปแบบปัญหามาตรฐาน โดยรูปแบบปัญหา eil51 เป็นรูปแบบปัญหาที่ให้คำตอบที่คลาดเคลื่อนมากที่สุดซึ่งเท่ากับ 2.34 เปอร์เซ็นต์ และอัลกอริทึมที่นำเสนอสามารถค้นหาคำตอบได้ดีกว่าวิธีการเพื่อนบ้านใกล้ที่สุด คำสำคัญ: วิธีการแบบกลุ่มอนุภาค  ปัญหาการเดินทางของพนักงานขาย  รูปแบบปัญหามาตรฐาน  การกระจายพัสดุ  ไปรษณีย์ไทย The research applied the Particle Swarm Optimization along with Local Search including Swap and 2-opt to plan the route arrangement of parcel post distribution of Thailand Post in Nonthaburi. The research tested appropriate parameters for the proposed algorithm including acceleration factor for local best position equal to 2, acceleration factors for global best position equal to 4 and inertia weight equal to 0.9. The results showed that the proposed algorithm could calculate shortest route is equal to 76.1 kilometers using 2.20 seconds. In addition, the research also tested the performance of algorithm which was proposed with 10 benchmark problems which was travelling salesman problem and compared the solutions including the research problem, ulysses16 and ulysses22 with the Nearest Neighbor Algorithm. It appeared that the algorithm which was proposed could search solutions all benchmark problems. The eil51 problem had the highest error deviation equal to 2.34 percent and could search all solutions better than Nearest Neighbor Algorithm. Keywords: Particle swarm optimization, Traveling salesman problem, Benchmark problem, Parcel post distribution, Thailand post