បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាអ្នកលក់ធ្វើដំណើរទទួលនិងដឹកជញ្ជូនទំនិញដោយមានលក្ខខណ្ឌចរាចរណ៍ (PDTSPTC) ដែលគិតបញ្ចូលនូវបណ្តាញផ្លូវ ល្បឿនយានយន្ត និងអត្រាស៊ីប្រេងឥន្ធនៈផ្អែកលើស្ថានភាពជាក់ស្តែង។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានបង្កើតក្បួនដោះស្រាយពន្ធុវិទ្យាថ្មីមួយ ដើម្បីស្វែងរកចម្លើយនៃផ្លូវធ្វើដំណើរដែលចំណាយតិចបំផុត។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Hybrid Encoding Genetic Algorithm (HEGA) ក្បួនដោះស្រាយពន្ធុវិទ្យាកូដកម្មចម្រុះសម្រាប់ការដោះស្រាយបញ្ហា (PDTSPTC) |
មានរចនាសម្ព័ន្ធក្បួនដោះស្រាយសាមញ្ញ ដោយការរួមបញ្ចូលកូដទ្វេភាគ និងកូដចំនួនគត់ ដែលធ្វើឱ្យងាយស្រួលក្នុងការសរសេរកូដនិងអនុវត្ត។ វាមានប្រសិទ្ធភាពខ្ពស់ក្នុងការស្វែងរកចម្លើយបានលឿន និងសន្សំសំចៃខ្ពស់។ | ក្នុងនាមជាក្បួនដោះស្រាយបែបមេតា-អឺរីស្ទិក (Meta-Heuristics) វាប្រហែលជាមិនផ្តល់នូវចម្លើយដែលល្អបំផុតដាច់ខាត (Global optimum) គ្រប់ពេលវេលានោះទេ ហើយទាមទារការកែសម្រួលប៉ារ៉ាម៉ែត្រនានាឱ្យបានត្រឹមត្រូវ។ | អាចកាត់បន្ថយថ្លៃធ្វើដំណើរបានពី ២៥-៣០% មានអត្រាជួបប្រសព្វលឿន (១៦-២០%) និងចំណាយពេលគណនាតិចជាង ១០វិនាទី សម្រាប់អតិថិជនពី ៥ ទៅ ៨ នាក់។ |
| Standard PDTSP Approach (Euclidean Distance based) ការដោះស្រាយបញ្ហាអ្នកលក់ធ្វើដំណើរធម្មតាផ្អែកលើចម្ងាយបន្ទាត់ត្រង់ |
ងាយស្រួលក្នុងការគណនាចម្ងាយរវាងអតិថិជន ដោយមិនតម្រូវឱ្យមានទិន្នន័យស្មុគស្មាញពីបណ្តាញផ្លូវ និងស្ថានភាពចរាចរណ៍ឡើយ។ | មិនឆ្លុះបញ្ចាំងពីស្ថានភាពពិភពលោកពិត (ដូចជាការកកស្ទះ ល្បឿនផ្លូវ និងការស៊ីប្រេង) ដែលធ្វើឱ្យការប៉ាន់ស្មានថ្លៃដើមមានភាពលម្អៀង និងមិនអាចជួយកាត់បន្ថយចំណាយជាក់ស្តែងបានទេ។ | ផ្តល់តម្លៃជាមធ្យមនៃថ្លៃធ្វើដំណើរ (Average cost) ដែលមានកម្រិតខ្ពស់រហូតដល់ជាង ២២,០០០បាត នៅក្នុងការធ្វើតេស្តដោយមិនមានការធ្វើបរិមាណកម្មបន្ថែម។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការពិសោធន៍នៅក្នុងឯកសារនេះមិនទាមទារកុំព្យូទ័រដែលមានកម្លាំងខ្លាំង ឬធនធានស្មុគស្មាញនោះទេ ដោយប្រើប្រាស់ត្រឹមតែកុំព្យូទ័រយួរដៃកម្រិតធម្មតាប៉ុណ្ណោះ។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យសាកល្បងដែលបង្កើតឡើងសិប្បនិម្មិត (Simulated test problems) ដែលមានទំហំតូច (អតិថិជនតែ ៨នាក់ និងផ្លូវ ២៧ខ្សែ) មិនមែនជាទិន្នន័យផ្លូវពិតប្រាកដក្នុងទីក្រុងនោះទេ។ សម្រាប់ប្រទេសកម្ពុជា ការយកម៉ូដែលនេះមកអនុវត្តផ្ទាល់ទាមទារឱ្យមានការប្រមូលទិន្នន័យចរាចរណ៍ជាក់ស្តែងដែលស្មុគស្មាញ (ឧទាហរណ៍៖ ការកកស្ទះនៅភ្នំពេញ) ទើបអាចធានាបាននូវភាពត្រឹមត្រូវនៃការសន្សំសំចៃថ្លៃដើម។
ក្បួនដោះស្រាយនេះមានសក្តានុពលខ្ពស់ក្នុងការយកមកអនុវត្ត ដើម្បីធ្វើឱ្យប្រសើរឡើងនូវប្រតិបត្តិការនៃវិស័យភស្តុភារកម្ម និងការសន្សំសំចៃប្រេងឥន្ធនៈនៅប្រទេសកម្ពុជា។
សរុបមក ការអនុវត្តដោយជោគជ័យនូវក្បួនដោះស្រាយនេះនៅក្នុងបរិបទកម្ពុជា ទាមទារឱ្យមានការធ្វើសមាហរណកម្មជាមួយប្រព័ន្ធទិន្នន័យផែនទី និងទិន្នន័យចរាចរណ៍ឌីជីថលពិតប្រាកដជាមុនសិន។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Genetic Algorithm (ក្បួនដោះស្រាយពន្ធុវិទ្យា) | ជាវិធីសាស្រ្តស្វែងរកចម្លើយសម្រាប់បញ្ហាស្មុគស្មាញ ដោយយកលំនាំតាមដំណើរវិវឌ្ឍន៍នៃជីវសាស្រ្តធម្មជាតិ (មានការជ្រើសរើស ការបង្កាត់ពូជ និងការបំប្លែងលក្ខណៈ) ដើម្បីចម្រាញ់យកដំណោះស្រាយដែលល្អបំផុតពីមួយជំនាន់ទៅមួយជំនាន់។ | ដូចជាការជ្រើសរើសយកសត្វពាហនៈដែលខ្លាំងៗមកបង្កាត់ពូជ ដើម្បីទទួលបានកូនចៅជំនាន់ក្រោយដែលមានសុខភាព និងកម្លាំងកាន់តែខ្លាំងជាងមុន។ |
| Traveling Salesman Problem (បញ្ហាអ្នកលក់ធ្វើដំណើរ) | ជាទម្រង់នៃបញ្ហាគណិតវិទ្យាក្នុងការស្វែងរកផ្លូវធ្វើដំណើរដែលខ្លីបំផុតនិងចំណាយតិចបំផុត ដោយតម្រូវឱ្យធ្វើដំណើរឆ្លងកាត់គ្រប់គោលដៅទាំងអស់តែម្តងគត់ រួចត្រលប់មកទីតាំងចេញដំណើរវិញ។ | ដូចជាអ្នករត់សំបុត្រដែលត្រូវរៀបចំផ្លូវជិះម៉ូតូទៅចែកសំបុត្រតាមផ្ទះទាំងអស់ឱ្យបានលឿនបំផុត រួចត្រលប់មកការិយាល័យវិញដោយមិនជិះជាន់ដានផ្លូវចាស់។ |
| Hybrid Encoding (កូដកម្មចម្រុះ) | ការរួមបញ្ចូលគ្នានៃវិធីសាស្ត្រតំណាងទិន្នន័យពីរប្រភេទ (នៅក្នុងឯកសារនេះគឺការប្រើប្រព័ន្ធគោលពីរ 0/1 សម្រាប់បណ្តាញផ្លូវ និងលេខចំនួនគត់សម្រាប់អតិថិជន) ទៅក្នុងទម្រង់កូដតែមួយ ដើម្បីងាយស្រួលដល់កុំព្យូទ័រក្នុងការគណនាដោះស្រាយ។ | ដូចជាការបង្កើតលេខសម្ងាត់ (Password) មួយដែលមានប្រើទាំងអក្សរ និងលេខរួមគ្នា ដើម្បីសម្រួលដល់ការចងចាំរបស់អ្នកប្រើផង និងបង្កើនសុវត្ថិភាពផង។ |
| NP-Hard (បញ្ហាលំបាកកម្រិត NP) | ចំណាត់ថ្នាក់នៃបញ្ហាកុំព្យូទ័រដែលស្មុគស្មាញខ្លាំងមែនទែន ដែលបច្ចុប្បន្នមិនទាន់មានក្បួនដោះស្រាយណាមួយអាចរកចម្លើយដែលត្រូវឥតខ្ចោះក្នុងរយៈពេលដ៏ខ្លីបានទេ នៅពេលចំនួនទិន្នន័យមានទំហំធំ។ | ដូចជាការព្យាយាមចាក់សោវ៉ាលីដោយការសាកល្បងបង្វិលលេខម្តងមួយៗ បើលេខកូដកាន់តែវែង ពេលវេលាដែលត្រូវសាកល្បងនឹងកើនឡើងរាប់លានដងរហូតដល់មិនអាចធ្វើទៅរួច។ |
| Crossover operator (ប្រមាណវិធីបង្កាត់) | គឺជាយន្តការមួយនៅក្នុងក្បួនដោះស្រាយពន្ធុវិទ្យា ដែលធ្វើការកាត់យកផ្នែកខ្លះនៃដំណោះស្រាយចាស់ៗ (មេបា) ពីរផ្សេងគ្នាមកតភ្ជាប់ និងផ្សំបញ្ចូលគ្នា ដើម្បីបង្កើតបានជាដំណោះស្រាយថ្មី (កូន) ។ | ដូចជាការបំបៅមែក ដោយយកកូនឈើហូបផ្លែពីរប្រភេទមកតភ្ជាប់គ្នា ដើម្បីបង្កើតបានជាពូជដើមឈើថ្មីមួយដែលផ្តល់ផ្លែឆ្ងាញ់ផង និងធន់នឹងជំងឺផង។ |
| Mutation operator (ប្រមាណវិធីបំប្លែងពន្ធុ) | ការផ្លាស់ប្តូរដោយចៃដន្យនូវទិន្នន័យតូចមួយនៅក្នុងកូដនៃដំណោះស្រាយ ដើម្បីការពារកុំឱ្យប្រព័ន្ធកុំព្យូទ័រគិតវិលវល់តែនៅត្រង់ចម្លើយដដែលៗ និងជួយបង្កើតឱកាសរកឃើញចម្លើយថ្មីដែលល្អជាងមុន។ | ដូចជាចុងភៅដែលសាកល្បងថែមគ្រឿងទេសថ្មីមួយមុខដោយចៃដន្យចូលក្នុងសម្លរ ដែលជួនកាលការលាយខុសក្បួននេះ បែរជាធ្វើឱ្យសម្លរនោះមានរសជាតិឆ្ងាញ់ប្លែកទៅវិញ។ |
| Roulette wheel selection (ការជ្រើសរើសបែបកងរ៉ូឡែត) | វិធីសាស្ត្រជ្រើសរើសចម្លើយសម្រាប់យកទៅគណនានៅជំនាន់បន្ទាប់ ដោយផ្តល់ឱកាស (ប្រូបាប៊ីលីតេ) ខ្ពស់ដល់ចម្លើយដែលល្អជាងគេ ប៉ុន្តែក៏នៅតែរក្សាទុកភាគរយខ្លះដល់ចម្លើយដែលមិនសូវល្អផងដែរ ដើម្បីរក្សាភាពចម្រុះ។ | ដូចជាការបង្វិលកងផ្សងសំណាង ដែលឈ្មោះអ្នកទិញសំបុត្រច្រើនមានក្រឡាធំជាង (ងាយឈ្នះជាង) ប៉ុន្តែអ្នកទិញសំបុត្រតិចក៏មានក្រឡាតូចមួយដែលអាចមានឱកាសត្រូវរង្វាន់ដែរ។ |
| Convergence rate (អត្រាជួបប្រសព្វ) | ល្បឿនដែលក្បួនដោះស្រាយគណនាឈានទៅរកចម្លើយដ៏ល្អបំផុតមួយ ហើយលទ្ធផលចាប់ផ្តើមថេរ (លែងប្រែប្រួល ឬប្រែប្រួលតិចតួចបំផុត) បន្ទាប់ពីឆ្លងកាត់ការគណនាជាច្រើនជំនាន់រួចមក។ | ដូចជាការសារ៉េកែវយឺត (Focus) ទៅមើលសត្វស្លាប ដំបូងរូបភាពព្រិលៗ ប៉ុន្តែនៅពេលយើងកាច់វាកាន់តែលឿនឱ្យច្បាស់ត្រង់ចំណុចតែមួយ នោះហៅថាវាមានអត្រាជួបប្រសព្វលឿន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
