Skripsi

Algoritma grey wolf optimizer (GWO) pada multiple travelling salesman problem (MTSP) dan implementasinya / Dwi Faridatus Sholehah

Abstrak
Distribusi merupakan salah satu permasalahan dalam kehidupan sehari-hari yang dapat diselesaikan dengan menggunakan ilmu matematika. Suatu proses distribusi dipengaruhi beberapa faktor salah satunya yaitu jarak semakin optimum rute yang dipilih maka akan semakin efisien proses distribusi. Ilmu matematika yang digunakan untuk masalah penentuan rute dalam teori graph yaitu Travelling Salesman Problem (TSP). Salah satu varian dari TSP yaitu Multiple Travelling Salesman Problem (MTSP) dimana pada MTSP proses distribusi diperlukan lebih dari satu salesman untuk mengunjungi beberapa customer tepat satu kali yang diawali dan diakhiri pada titik (depot) yang sama dengan tujuan meminimalkan jarak tempuh pada setiap salesman. Permasalahan pada MTSP merupakan masalah optimasi yang dapat diselesaikan menggunakan metode optimasi metaheuristik seperti algoritma Grey Wolf Optimizer (GWO) pada tahap pencarian solusi dengan melakukan pengelompokan rute terlebih dahulu menggunakan algoritma K-Means menjadi beberapa cluster. Cara kerja algoritma GWO meniru karakteristik berburu dan mencari mangsa pada grey wolf di alam yang populasinya dibagi menjadi alfa beta delta yang menjadi solusi terbaik dan sisanya diasumsikan sebagai omega . Tahap selanjutnya setelah mendapatkan solusi awal dengan algoritma GWO maka akan dilakukan tahap perbaikan solusi dengan menggunakan local search dengan metode insertion 3-opt dan or-opt untuk setiap solusi awal yang sudah tebentuk. Hasil dari perbaikan dengan solusi paling optimal akan digunakan untuk menggantikan solusi awal. Implementasi algoritma GWO pada MTSP telah berhasil dirancang menggunakan software Borland Delphi 7. Program tersebut telah diuji coba dengan menggunakan 5 dataset TSP yang dilakukan percobaan sebanyak 10 kali dimana jumlah salesman sebanyak 2 3 dan 4 yang kemudian hasilnya akan dibandingkan dengan hasil dari algoritma Genetika. Berdasarkan hasil uji coba pada kode att48 solusi pada algoritma GWO lebih baik dari algoritma Genetika untuk semua jumlah salesman. Sedangkan pada kode berlin52 solusi pada algoritma GWO masih lebih baik algoritma Genetika untuk semua jumlah salesman. Selanjutnya pada kode pr76 dan ratt99 solusi pada algoritma GWO lebih baik dari algoritma Genetika untuk jumlah salesman sebanyak 2 sedangkan pada salesman sebanyak 3 dan 4 algoritma Genetika memiliki solusi yang lebih baik dari algoritma GWO. Kemudian pada kode bier127 solusi pada algoritma GWO lebih baik dari algoritma Genetika untuk jumlah salesman sebanyak 2 dan 3 sedangkan pada salesman sebanyak 4 algoritma Genetika memiliki solusi yang lebih baik dari algoritma GWO.

Informasi Detail

DDC

Rs 518.1 SHO a

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2021.

Deskripsi Fisik

xvi, 114 lembar : ill. ; 30 cm.

Bahasa

Indonesia

No Reg

00418/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang.2021

Subjek

1. ALGORITMA GREY WOLFOPTIMIZER
2. GREYWOLF OFTIMIZER ALGORITHMS
3. GRAY WOLF OPTIMIZER ALGORITHM

Pembimbing

1. Sapti Wahyuningsih ; 2. Darmawan Satyananda

Lampiran Berkas