Skripsi

Algoritma Ant Colony Optimalization (ACO) pada multi depot vehicle routing problem / Ima Dwi Agustiningsih

Abstrak
Agustiningsih Ima Dwi. 2014. Algoritma Ant Colony Optimization (ACO) pada Multi Depot Vehicle Routing Problem. Skripsi Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Malang. Pembimbing Dra. Sapti Wahyuningsih M.Si. Kata Kunci Vehicle Routing Problem (VRP) Multi Depot Vehicle Routing Problem (MDVRP) Algoritma Ant Colony Optimization (ACO). 12288 12288 12288 12288 Teori graph merupakan salah satu topik bahasan yang menarik di bidang matematika. Permasalahan Multi Depot Vehicle Routing Problem (MDVRP) merupakan permasalahan perluasan dari Vehicle Routing Problem (VRP) dengan kondisi dimana depot yang digunakan sebagai pusat distribusi barang lebih dari satu. Tujuan dari permasalan MDVRP adalah membentuk rute pendistribusian pada masing-masing depot sehingga diperoleh jarak tempuh yang minimum dimana setiap customer hanya dikunjungi satu kali oleh tepat satu kendaraan dengan setiap rute berawal dan berakhir di depot yang sama dan total permintaan dari customer dalam satu rute tidak boleh melebihi kapasitas angkut kendaraan. 12288 12288 12288 12288 Kaur M. dan Goyal S. (2013) dalam jurnalnya menuliskan bahwa ada beberapa tahap algoritma dalam menyelesaikan masalah MDVRP dengan menggunakan Algoritma Ant Colony Optimization yaitu dengan aturan transisi status tahap pembaharuan jejak pheromone pembaharuan jejak lokal dan daftar calon rute baru. Sedangkan MDVRP sendiri mempunyai tiga tahapan dalam menyelesaikan masalah. Sebelum masuk pada tahap transisi status beberapa customer dikelompokkan berdasarkan depot terdekat. Aturan transisi status dan pembaharuan jejak pheromone dimasukkan pada tahap pembentukan rute. Pada tahap terakhir urutan pengiriman dipilih dengan menggunakan pembaharuan jejak lokal dan perhitungan rute akhir. 12288 12288 12288 12288 Pada Algoritma Ant Colony Optimization digunakan parameter yang mengontrol bobot relatif pheromone yaitu dan parameter pengendali jarak atau . Parameter dan digunakan untuk menghitung nilai probabilitas dari semut pada titik yang memilih untuk menuju titik . Untuk menghasilkan nilai probabilitas dari semut yang besar. Sedangkan untuk menghasilkan nilai probabilitas yang lebih kecil dan untuk menghasilkan probabilitas yang sangat kecil. Nilai (parameter tingkat evaporasi pheromone ) yang besar mengakibatkan nilai pembaruan pheromone juga besar sedangkan jika nilai kecil maka nilai pembaruan pheromone juga kecil. 12288 12288 12288 12288 Penyelesaian Algoritma Ant Colony Optimization ini telah disimulasikan pada 7 10 dan 20 titik. Dari ketiga simulasi tersebut terdapat satu perbedaan hasil perhitungan yang akan dibandingkan dengan Algoritma Clark and Wright. Perbedaan hasil solusi ini karena pencarian rute antar Algoritma berbeda yakni pada Algoritma Ant Colony Optimization menggunakan pembaruan pheromone dan Clark and Wrigth oleh Masruroh menggunakan saving.

Informasi Detail

DDC

Rs 511.8 AGU a

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2014.

Deskripsi Fisik

viii, 132 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

00744/KI/15

Edisi

Skripsi (Sarjana)-- Universitas Negeri Malang, 2014

Subjek

1. ALGORITMA ANT COLONY OPTIMIZATION

Pembimbing

1. Sapti Wahyuningsih

Lampiran Berkas