Computer File
Penerapan algoritma Pigeon inspired optimization pada permasalahan transportasi
Penelitian ini akan membahas mengenai penerapan algoritma untuk menyelesaikan permasalahan kombinasi. Permasalahan yang akan dibahas pada penelitian ini merupakan permasalahan transportasi. Permasalahan ini pernah diselesaikan dengan algoritma metaheuristik yaitu Viral Systems (Kesuma, 2011) dan Intelligent Water Drops (Sutanto, 2011). Penelitian ini akan membandingkan salah satu algoritma baru yaitu Pigeon Inspired Optimization dengan kedua algortima metaheuristik diatas. Pigeon Inspired Optimization (PIO) merupakan algoritma metaheuristik yang dirancang oleh Guillford (2004) dengan memodelkan perilaku kawanan pigeon yang mampu kembali ke lokasi asalnya. Algoritma ini pernah diterapkan untuk menyelesaikan permasalahan seperti aerospace path planning dan target detection. Melalui penelitian ini algoritma akan digunakan untuk menyelesaikan permasalahan transportasi dengan menggunakan perangkat lunak. Perancangan dari algoritma Pigeon Inspired Optimization untuk permasalahan transportasi dapat dibagi menjadi beberapa bagian. Pertama adalah penentuan kondisi awal berupa kecepatan dan posisi virtual pigeon. Kedua adalah memodelkan permaslahan transportasi kedalam virtual pigeon untuk mendapatkan nilai fitness dari virtual pigeon. Ketiga adalah melakukan update kecepatan dan posisi pada tahapan map and compass operator. Terakhir adalah melakukan update posisi, seleksi virtual pigeon, serta pencarian posisi tengah pada landmark operator. Parameter yang mempengaruhi hasil implementasi adalah jumlah virtual pigeon (NP). Dari delapan kasus permasalahan transportasi yang akan diselesaikan, algoritma PIO mampu mendapatkan performansi terbaik pada tujuh kasus dan rata-rata hasil replikasi terbaik pada lima kasus
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp32893 | DIG - FTI | Skripsi | TI SEP p/16 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain