Page Header

Home > Vol 33, No 1 (2023) > Minsan

การปรับปรุงขั้นตอนวิธีหิ่งห้อยเพื่อแก้ปัญหาค่าเหมาะที่สุดไม่เชิงเส้น กรณีประยุกต์ใช้บนไมโครซอฟท์เอ็กซ์เซล
Modified Firefly Algorithm for Solving Non-linear Optimization Problems: Application on Microsoft Excel

Pradthana Minsan

Abstract


งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการหาค่าเหมาะที่สุดในฟังก์ชันไม่เชิงเส้นเปรียบเทียบสมรรถนะ 21 ฟังก์ชัน ด้วยขั้นตอนวิธีหิ่งห้อยที่มีจำนวนหิ่งห้อยแตกต่างกัน 3 ค่า การปรับปรุงขั้นตอนวิธีหิ่งห้อยที่มีจำนวนหิ่งห้อยแตกต่างกัน 3 ค่า และโซลเวอร์ของไมโครซอฟท์เอ็กซ์เซล 2 วิธีประกอบไปด้วย วิธีเกรเดียนต์ลดรูปแบบวางนัยทั่วไป (GRG) และวิธีเชิงวิวัฒน์ (EV) โดยได้ใช้เกณฑ์การตัดสินใจ 3 เกณฑ์ คือ 1) อัตราความสำเร็จในการค้นหาคำตอบ 2) คำตอบเหมาะที่สุดเฉลี่ย และ 3) เวลาค้นหาคำตอบเฉลี่ย เป็นตัวกำหนดวิธีการค้นหาคำตอบที่มีประสิทธิภาพมากที่สุด จำนวนสถานการณ์ที่ทดลองรวมทั้งหมด 168 สถานการณ์ ในแต่ละสถานการณ์มีจำนวนครั้งการทำซ้ำ 100 รอบ ผลการวิจัยพบว่า การปรับปรุงขั้นตอนวิธีหิ่งห้อย เมื่อกำหนดการลดน้ำหนักค่า แบบฟังก์ชันผกผันเส้นโค้ง S จำนวนหิ่งห้อย 80 ตัว และ พารามิเตอร์ และ ได้อัตราความสำเร็จในการค้นหาคำตอบมากที่สุดและคำตอบเหมาะที่สุดเฉลี่ยต่ำสุดจำนวนฟังก์ชันมากที่สุด ส่วนวิธี GRG เป็นวิธีการค้นหาคำตอบที่เร็วที่สุดในทุกฟังก์ชัน

The objective of this research was comparing the method to solve optimization benchmark 21 non-linear functions. The comparing three methods for solving optimization are Firefly Algorithm (FA) with three different numbers of fireflies, modified Firefly Algorithm with three different numbers of fireflies and generalized reduced gradient (GRG) and evolutionary (EV) in solver of Microsoft Excel. Decision criteria are 1) Success rate (SR) 2) Average Fitness (AF) and 3) Average run time (AT) for determining the most effective method of finding the answer. The result of 168 simulations, each simulation repeated 100 iterations indicated that modified Firefly Algorithm that the weight loss value α which Inverse s-curve function 80 fireflies which α = 0.2, δ = 0.75, βmin = 0.1, β0 = 0.1, and γ = 0.1 has maximum success rate and minimum average run time. Meanwhile, GRG is the fastest method to find answers all functions.


Keywords



[1] X. S. Yang, Nature-Inspired Metaheuristic Algorithms, Luniver Press, 2008.

[2] A. Khadwilard, S. Chansombat, T. Thepphakorn, P. Thapatsuwan, W. Chainate, and P. Pongcharoen, “Application of firefly algorithm and its parameter setting for job shop scheduling,” The Journal of Industrial Technology, vol. 8, no.1, pp. 49–58, 2012 (in Thai).

[3] P. Musigawan, S. Chiewchanwattana, and K. Sunat, “Evolutionary extreme learning machine based on optimized step-size random search firefly algorithm,” in Proceedings the Eighth National Conference on Computing and Information Technology (NCCIT), 2012, pp. 202–209.

[4] N. Chai-ead, “Simulated engineering system improvement via firefly, bees and hunting search algorithms,” M.S. thesis, Department of Industrial Engineering, Faculty of Engineering, Thammasat University, 2012 (in Thai).

[5] D. T. Pham, A. Ghanbarzadeh, E. Koç, S. Otri, S. Rahim, and M. Zaidi, “Bee algorithm a novel approach to function optimisation,” Technical Note MEC 0501, Manufacturing Engineering Centre, Cardiff University, UK, 2005, pp. 1–40.

[6] R. Oftadeh, M. J. Mahjoob, and M. Shariatpanahi, “A novel meta-heuristic optimization algorithm inspired by group hunting of animals: Hunting search,” Computers & Mathematics with Applications, vol. 60, no.7, pp. 2087–2098, 2010.

[7] P. Minsan and W. Minsan, “Comparing methods of optimization in solver of Microsoft Excel 2007 and 2019,” UTK Research Journal, vol. 13 no. 2, pp. 144–161, 2019 (in Thai).

[8] P. Minsan, “Comparing methods of optimization in solver of microsoft excel 2007 and 2019: A case study of some statistical models,” The Journal of KMUTNB, vol. 31 no. 3, pp. 113–128, 2021 (in Thai).

[9] X. S. Yang, “Firefly algorithms for multimodal optimization,” Foundations and Applications, SAGA 2009, Lecture Notes in Computer Sciences, 5792, 2009, pp. 169–178.

[10] P. Musigawan, “Improved firefly algorithm for extreme learning machine,” M.S. thesis, Computer Science, Graduate School, Khon Kaen University, 2012 (in Thai).

[11] X. S. Yang, Nature-inspired Optimization Algorithms, Elsevier, 2014. [12] Global Optimization Benchmarks and AMPGO, N-D Test Functions A [Online]. Available: http://infinity77.net/global_optimization/test _functions_nd_A.html

[13] Mazhar-ansari-ardeh, BenchmarkFcns Toolbox, Adjiman Function [Online]. Available: http:// benchmarkfcns.xyz/benchmarkfcns/adjimanfcn. html

Full Text: PDF

DOI: 10.14416/j.kmutnb.2022.08.008

ISSN: 2985-2145