PENDEKATAN ALGORITMA GENETIK PARALEL UNTUK UNCAPACITATED LOCATION PROBLEM

MUHAMMAD ASLAM, 080212579 (2007) PENDEKATAN ALGORITMA GENETIK PARALEL UNTUK UNCAPACITATED LOCATION PROBLEM. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (Abstrak)
gdlhub-gdl-s1-2008-aslammuham-9730-mpm12_0-k.pdf

Download (390kB) | Preview
[img] Text (FULL TEXT)
25881.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Skripsi ini bertujuan untuk menyelesaikan uncapacitated location problem menggunakan algoritma genetik paralel dan membuat program komputer dari algoritma genetik yang telah dibuat. Uncapacitated location problem digambarkan dengan sejumlah fasilitas yang akan melayani sejumlah m customer; selain itu terdapat sekumpulan n lokasi dimana akan dibangun fasilitas, sehingga untuk membangun satu fasilitas pads lokasi i dibutuhkan biaya f; setiap customer akan dilayani oleh satu fasilitas sedemikian hingga terdapat biaya untuk melayani customer j yaitu cy, dan jarak antara i dan j dengan asumsi bahwa fasilitas yang dibangun tidak memiliki batasan jumlah dalam melayani customer. Algoritma genetik paralel merupakan pengembangan dari algoritma genetik yang diirspirasi oleh proses-proses dalam teori evolusi. Proses algoritma genetik paralel untuk uncapacitated location problem dimulai dengan membangkitkan populasi awal secara acak dengan kode biner sebanyak ukuran populasi (pop size), setelah itu populasi dibagi menjadi subpopulasi dan pada tiap-tiap subpopulasi dilakukan proses evaluasi, seleksi, crossover dan mutasi sehingga akhirnya akan dibentuk populasi baru. Proses diulangi sampai N generasi yang diinginkan.Metode seleksi yang digunakan adalah seleksi roulette wheel dan seleksi turnamen, metode crossover yang digunakan adalah crossover dua titik, crossover tiga titik dan uniform crossover, metode mutasi yang digunakan adalah mutasi inversi, mutasi displacement dan mutasi scramble sublist. Data yang digunakan adalah data 10 lokasi dengan 15 customer dan data 50 lokasi dengan 50 customer yang diambil dari OR-library oleh J. E. Beasley dan diselesaikan dengan bahasa pemrogramam C++. Penyelesaian terbaik yang didapatkan dari prgram C++ algoritma genetik paralel untuk data 10 lokasi dengan 15 customer dengan pc0,6 dan pm0,01 diperoleh biaya minimal adalah 149690,484375. Sedangkan untuk data 50 lokasi dengan 50 customer dengan pc dan pm yang sama diperoleh biaya paling minimal adalah 793439,625.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM 12/08 Asl p
Uncontrolled Keywords: GENETIC ALGORITHMS
Subjects: Q Science
Q Science > QA Mathematics
Divisions: 08. Fakultas Sains dan Teknologi > Fisika
Creators:
CreatorsNIM/NIDN
MUHAMMAD ASLAM, 080212579UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
Contributorheri Suprajitno, S,Si,M.SiUNSPECIFIED
ContributorEto Wuryanto, Drs.,DEAUNSPECIFIED
Depositing User: Tn Septian Eko Budianto
Date Deposited: 09 Feb 2009 12:00
Last Modified: 13 Jun 2017 21:26
URI: http://repository.unair.ac.id/id/eprint/25881
Sosial Share:

Actions (login required)

View Item View Item