Computer File
Penerapan hybrid genetic algorithm pada m-travelling salesman problem untuk meminimasi total biaya dengan memperhatikan due date
Travelling Salesman Problem (TSP) merupakan pennasalahan mengenai penentuan rute pe~alanan untuk meminimasi total jarak yang ditempuh. Dalam TSP, seorang salesman memulai perjalanan dari kota asalnya ke semua kota tujuan untuk mengunjungi pelanggannya yang berada di setiap
kota tujuan yang ditentukan, lalu kembali lagi ke kota asalnya. Jumlah rute yang dapat ditempuh pada TSP dengan n kota tujuan adalah sebanyak n!. Oleh sebab itu, sangatlah sulit dan membutuhkan waktu lama untuk mencari solusi optimal dari TSP. Bagi kalangan industri, TSP memiliki banyak faktor yang perlu diperhatikan selain jarak, seperti biaya dan kepuasan pelanggan, yang berkaitan dengan terpenuhinya due date. Dalam usaha memenuhi due date tersebut dapat digunakan salesman lebih dari satu, yang dikenal sebagai multiple TSP (m-TSP). Dalam menyelesaikan TSP dapat digunakan metoda-metode heuristik yang mampu menghasilkan solusi yang mendekati optimal dengan waktu komputasi yang relatif sing kat. Metode heuristik tersebut antara lain genetic algorithm (GA) dan tabu search (TS). GA merupakan teknik pencarian yang berdasarkan pada mekanisme seleksi alam dan genetika, sedangkan TS merupakan suatu metode iteratif (dilakukan secara berulang), yang mengatur dan mengarahkan proses pencarian dari satu solusi ke solusi yang lain pada
suatu neighborhood untuk memperbaiki optimalitas solusi yang dihasilkan. Dalam penelitian ini, digunakan hybrid genetic algorithm (HGA), yang melibatkan TS sebagai prosedur perbaikan lokal ke dalam GA dasar pada m-TSP untuk meminimasi total biaya, yang meliputi biaya perjalanan dan biaya penalti dengan memperhatikan due date. Kemudian, performansi dari HGA ini dibandingkan dengan GA dan TS, serta metode branch and bound. Branch and bound merupakan metode yang dapat menghasilkan solusi optimal bagi TSP. Hasil dari penelitian ini menunjukkan bahwa HGA dapat menghasilkan solusi yang lebih baik dari algoritma genetika dan TS, namun dengan waktu komputasi yang lebih lama. Selain itu, solusi yang dihasilkan oleh HGA cukup mendekati solusi optimal yang dihasilkan metode branch and bound, dengan waktu komputasi yang relatif lebih singkat, khususnya untuk pennasalahan yang kompleks.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp19694 | DIG - FTI | Skripsi | TI APR p/05 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain