Computer File
Penerapan dragonfly algorithm untuk menyelesaikan probabilistic traveling salesman problem
Probabilistic Traveling Salesman Problem (PTSP) merupakan salah satu
permasalahan optimasi kombinatorial yang melibatkan probabilitas. Contoh penerapan
PTSP adalah pelayanan pickup-delivery harian dengan stochastic demand. Seorang kurir
bertugas untuk mengantarkan barang ke sejumlah daerah tertentu dengan rute perjalanan
yang tetap. Namun, setiap harinya kurir akan memeriksa daerah yang harus dikunjunginya
berdasarkan paket yang harus diantar dan mungkin terdapat daerah yang tidak perlu untuk
dikunjungi. Penentuan rute kunjungan yang tepat dapat meminimasi expected length yang
harus ditempuh sehingga dapat meminimasi biaya distribusi.
Dragonfly Algorithm (DA) pertama kali dikembangkan oleh Mirjalili (2014) yang
terinspirasi dari perilaku kolektif (swarm intelligence) capung di alam. Pada penelitian ini,
algoritma DA akan diterapkan untuk menyelesaikan PTSP. Algoritma DA menganalogikan
posisi makanan capung sebagai solusi rute PTSP terbaik. Sedangkan posisi musuh
dianalogikan sebagai solusi rute PTSP terburuk. Gerakan terbang capung dalam mencari
makanan terdiri dari dynamic dan static swarming behaviour. Pada dynamic swarming
behaviour, capung akan terbang secara acak di dalam subgroup untuk mencari makanan.
Ketika salah satu capung berada pada posisi terdekat dengan makanan, maka capung
lainnya akan mengikut posisi capung tersebut. Fase ini merupakan fase eksplorasi
algoritma. Sedangkan static swarming behaviour merupakan tingkah laku capung yang
akan terbang menuju ke satu titik ketika posisi sumber makanan terbaik sudah ditemukan
untuk mengeksploitasi daerah tersebut.
Terdapat empat buah parameter algoritma DA yang diuji pengaruhnya terhadap
performansi algoritma DA. Algoritma DA diterapkan pada delapan kasus PTSP dengan 16
kombinasi parameter. Hasil uji parameter pada delapan kasus ini menunjukkan semakin
besar peluang kota dikunjungi, maka akan semakin banyak parameter algoritma DA yang
berpengaruh. Hasil perbandingan performansi algoritma DA dengan Hybrid Multi-Swarm
Particle Swarm Optimization, Artificial Bee Colony, Ant Colony Optimization dan Bat
Algorithm menunjukkan performansi yang baik bila diterapkan pada kasus PTSP dengan
jumlah kota sedikit dan peluang kota kecil. Namun, algoritma DA menunjukkan performansi
yang kurang baik pada kasus PTSP dengan jumlah kota yang banyak dan dengan jarak
antar kota yang jauh.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp32865 | DIG - FTI | Skripsi | TI LIL p/16 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain