การใช้ปัญญาประดิษฐ์ระดับการเรียนรู้เชิงลึกในการแก้ปัญหาการจัดเส้นทางเดินรถที่มีความจุ

บทคัดย่อ

ปัญหาการจัดลำดับเส้นทางการเดินรถเป็นปัญหาในการหาคำตอบที่ดีที่สุดที่มีความยากประเภท NP-Hard เนื่องจากเป็นปัญหายากต่อการหาชุดคำตอบที่ดีที่สุดภายใต้ เวลาพหุนามหรือเป็นปัญหาที่ใช้ระยะเวลาในการแก้ปัญหานานเพื่อให้ได้ซึ่งมาของชุดคำตอบที่ดีที่สุด ซึ่งจุดประสงค์หลักของการจัดเส้นทางการเดินรถเพื่อให้เกิดระยะทางโดยรวมที่ต่ำที่สุด งานวิจัยนี้ใช้ปัญญาประดิษฐ์ระดับการเรียนรู้เชิงลึกประเภทโครงข่ายประสาทเทียม ในการเลือกอัลกอริทึมประเภทฮิวริสติกส์ที่เหมาะสมสำหรับใช้ในแก้ปัญหาการจัดลำดับเส้นทางการเดินรถในแต่ละกลุ่ม โดยประกอบไปด้วย 6 อัลกอริทึมดังนี้ 2-Optimize, 2-Approximate, Nearest_2Opt, Improve nearest, Rep improve nearest และ OR tools และสำหรับการจัดกลุ่มโดยใช้การจัดกลุ่มด้วยวิธีการกวาดมุม การจัดลำดับเส้นทางทางเดินของรถ กำหนดให้ใช้รถที่มีขนาดใหญ่ในการจัดลำดับเส้นทางเป็นอันดับแรก และให้รถที่มีขนาดความจุรองลงมาจัดลำดับเส้นทางในลำดับถัดมา อันเนื่องจากการใช้รถที่มีขนาดใหญ่ทำให้เกิดระยะทางที่ต่ำกว่าการใช้รถที่มีขนาดเล็ก เมื่อเปรียบเทียบกับชุดข้อมูลมาตรฐานที่มีชุดคำตอบที่ให้ระยะทางต่ำที่สุดและระยะทางที่ได้จากการแก้ปัญหาจากปัญญาประดิษฐ์ จากจำนวนตัวอย่าง 98 ตัวอย่าง โดยเฉลี่ยระยะทางที่ได้จากปัญญาประดิษฐ์มากกว่าระยะทางที่ต่ำที่สุดอยู่ไม่เกินร้อยละ 17 ภายใต้ระดับความเชื่อมั่น 95%