Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/43662
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | ปารเมศ ชุติมา | en_US |
| dc.contributor.author | ณัฐชัย โยธาบริบาล | en_US |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | en_US |
| dc.date.accessioned | 2015-06-24T06:43:45Z | |
| dc.date.available | 2015-06-24T06:43:45Z | |
| dc.date.issued | 2556 | en_US |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/43662 | |
| dc.description | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556 | en_US |
| dc.description.abstract | การหาค่าที่เหมาะสมที่สุดแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ (Biogeography-based Optimization: BBO) เป็นเมตาฮิวริสติกเชิงวิวัฒนาการที่ได้รับแนวคิดมาจากพฤติกรรมการอพยพของสิ่งมีชีวิตระหว่างเกาะต่างๆ งานวิจัยนี้นำเสนออัลกอริทึม BBO เพื่อใช้สำหรับแก้ปัญหาการจัดสมดุลที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบขนาน โดยมีวัตถุประสงค์จำนวนทั้งสิ้น 4 วัตถุประสงค์ที่จะถูกทำให้เหมาะสมที่สุดไปพร้อมๆ กัน คือทำให้จำนวนสถานีงานน้อยที่สุด จำนวนสถานีน้อยที่สุด ความสมดุลของภาระงานระหว่างสถานีงานสูงที่สุด และความสัมพันธ์ของงานสูงที่สุด พร้อมกันนี้ได้ทำการเปรียบเทียบสมรรถนะของ BBO กับอัลกอริทึมอื่นๆ ที่เป็นที่นิยมจำนวน 3 อัลกอริทึม ได้แก่ อัลกอริทึมเชิงพันธุกรรมแบบการจัดลำดับที่ไม่ถูกครอบงำ II (NSGA-II) วิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคไม่ต่อเนื่อง (DPSO) และวิธีการหาค่าที่เหมาะสมที่สุดแบบฝูงอนุภาคโดยใช้ความรู้เชิงลบ (PSONK) ผลจากการทดลองแสดงให้เห็นอย่างชัดเจนว่า BBO มีสมรรถนะในการแก้ปัญหาการจัดสมดุลประเภทนี้สูงกว่าอัลกอริทึมอื่นๆ ทั้งในด้านการลู่เข้าสู่กลุ่มคำตอบที่เหมาะสมที่สุดแบบพาเรโต การกระจายตัวของคำตอบ และอัตราส่วนของคำตอบที่ไม่ถูกครอบงำ | en_US |
| dc.description.abstractalternative | Biogeography-based Optimization (BBO) is an evolutionary metaheuristic inspired by migration behavior of species among islands. This research presents a BBO algorithm for solving multi-objective mixed-model parallel assembly line balancing problem with four objectives are optimized simultaneously; i.e. minimize number of workstations, minimize number of stations, maximize balance of workload between workstations, and maximize work relatedness. The performance of BBO is compared with other 3 well-known algorithms, namely Non-dominated Sorting Genetic Algorithm II (NSGA-II), Discrete Particle Swarm Optimization (DPSO), and Particle Swarm Optimization with Negative Knowledge (PSONK). The results from experiments clearly show that BBO has better performances than all other algorithms in term of convergence to the Pareto optimal set, spread of solutions, and ratio of non-dominated solutions. | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.relation.uri | http://doi.org/10.14457/CU.the.2013.1107 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.subject | ชีวภูมิศาสตร์ | |
| dc.subject | อัลกอริทึม | |
| dc.subject | Biogeography | |
| dc.subject | Algorithms | |
| dc.title | การจัดสมดุลที่มีหลายวัตถุประสงค์บนสายการประกอบผลิตภัณฑ์ผสมแบบขนานด้วยอัลกอริทึมแบบการกระจายตัวของสิ่งมีชีวิตตามภูมิศาสตร์ | en_US |
| dc.title.alternative | MULTI-OBJECTIVE BALANCING ON MIXED-MODEL PARALLEL ASSEMBLY LINES WITH BIOGEOGRAPHY-BASED ALGORITHM | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิศวกรรมศาสตรมหาบัณฑิต | en_US |
| dc.degree.level | ปริญญาโท | en_US |
| dc.degree.discipline | วิศวกรรมอุตสาหการ | en_US |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.email.advisor | parames.c@chula.ac.th | en_US |
| dc.identifier.DOI | 10.14457/CU.the.2013.1107 | - |
| Appears in Collections: | Eng - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5370232421.pdf | 6.96 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.