Skripsi

Alogaritma genetika hybrid pada Capacitated Vehicle Routing Problem (CVRP) dan implementasinya / Anis Nikmatul Waridah

Abstrak
ABSTRAK Waridah Anis Nikmatul. 2015. AlgoritmaGenetika HybridpadaCapacitated Vehicle RoutingdanImplementasinya.Skripsi JurusanMatematika FakultasMatematikadanIlmuPengetahuanAlam UniversitasNegeri Malang. Pembimbing (I) Dra Mimiep Setyowati Madja M. Kom (II) MohamadYasin S.Kom M.Kom Kata kunci Capacitated Vehicle Routing Problem (CVRP) AlgoritmaGenetikaHibrid best improvement local search Capacitated Vehicle Routing Problem (CVRP) merupakan varian dari permasalahan VRP yaitu mengenaimasalahpencariansejumlahrutekendaraandenganjarak minimum untukmemenuhipermintaansejumlahcustomeryang hanyadikunjungitepatsatu kali dantidakmelebihikapasitaskendaraandenganperluasansetiapkendaraanmemilikikapasitas yang sama. Dan rute kendaraan berawaldanberakhir di depot yang sama. Algoritma genetika merupakan teknik optimasi yang didasarkan pada proses evolusi makhluk hidup dimana dalam evolusi tersebut makhluk hidup mengalami mekanisme seleksi alam (diantaranya pindah silang dan mutasi) untuk bertahan hidup. Algoritma genetika merupakan suatu algoritma yang dapat diaplikasikan dalam berbagai jenis permasalahan optimasi. Algoritma best improvement local search adalah salah satu keluarga local search yang memperhitungkan semua perubahan di lingkungan sekitarnya berdasarkan permutasi ditinjau dari semua kemungkinan keadaan yang didapat untuk menghasilkan nilai optimal. Algoritma pengembangan untuk permasalahan CVRP tersebut adalah algoritma genetika hybrid. Algoritma genetika hybrid merupakan gabungan dari algoritma genetika dan local search (best improvement local search). Algoritmahybridgenetikadiimplementasikankedalam computer menggunakan Borland Delphi 7.Penggunaan program dimulaidenganmenginputkanpopsize (ukuranpopulasi) probabilitascrossover probabilitasmutasi maksimumiterasi kapasitaskendaraan banyaknyatitik dan permintaansetiapcustomer. Dan output yang dihasilkanpada program tersebutadalahhasilrutedenganjarak yang ditempuhsertavisualisasirutenya. Dari ujicoba yang telahdilakukan diperoleh hasil bahwa ukuranpopulasi (popsize) harus lebih besar nilainya dibandingkan jumlah titik (customer) untuk mendapatkan total rute yang lebih minimum. Dan untuk parametermaksimum generasiwalaupun jumlah nya diperbesar ataupun diperkecil tidak akan mempengaruhi total rute yang didapatkan.

Informasi Detail

DDC

Rs 519.625 WAR a

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2015.

Deskripsi Fisik

x, 142 lembar : il. , tab. ; 30 cm.

Bahasa

Indonesia

No Reg

04851/KI/15

Edisi

Skripsi (Sarjana). Universitas Negeri Malang. 2015

Subjek

1. ALGORITMA GENETIKA
2. GENETIC ALGORTHMS

Pembimbing

1. Mimiep Setyowati Madja; 2. Mohamad Yasin

Lampiran Berkas