FATIMATUS ZAHRO, 081211231114 (2016) PENERAPAN ALGORITMA CAT SWARM OPTIMIZATION (CSO) UNTUK MENYELESAIKAN MULTI - DEPOT VEHICLE ROUTING PROBLEM (MDVRP). Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (HALAMAN DEPAN) 1. HALAMAN DEPAN.pdf Download (998kB) | Preview
	Text (BAB I) 2. BAB I PENDAHULUAN.pdf Restricted to Registered users only Download (200kB) | Request a copy
	Text (BAB II) 3. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (565kB) | Request a copy
	Text (BAB III) 4. BAB III METODE PENELITIAN.pdf Restricted to Registered users only Download (441kB) | Request a copy
	Text (BAB IV) 5. BAB IV PEMBAHASAN.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 6. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only Download (205kB) | Request a copy
	Text (DAFTAR PUSTAKA) 7. DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (188kB) | Request a copy
	Text (LAMPIRAN) 8. LAMPIRAN.pdf Restricted to Registered users only Download (788kB) | Request a copy

Abstract

Penulisan skripsi ini bertujuan untuk menyelesaikan masalah Multi-Depot Vehicle Routing Problem dengan menggunakan algoritma Cat Swarm Optimization. Multi-Depot Vehicle Routing Problem (MDVRP) adalah suatu permasalahan dalam pembentukan rute untuk kendaraan yang digunakan melayani pelanggan yang berbasis pada suatu depot tertentu. Tujuan dari permasalahan ini adalah mendesain rute yang dapat meminimumkan jarak tempuh kendaraan untuk melayani pelanggan tanpa melanggar kendala kapasitas kendaraan dan kapasitas depot. Terdapat tiga tahapan dalam penyelesaian MDVRP yaitu grouping, routing, dan scheduling. Pada tahap grouping, pelanggan dikelompokkan tepat ke satu depot terdekat. Pada tahap routing, pelanggan pada masing-masing depot dibentuk kedalam rute pengiriman barang. Kemudian pada tahap scheduling, tahap ini merupakan tahap penjadwalan rute berdasarkan total jarak yang paling minimum. Algoritma CSO merupakan sebuah algoritma yang mengimitasi kebiasaan dari sekumpulan kucing dan model perilakunya untuk menyelesaikan permasalahan optimasi. Dalam algoritma CSO terdapat beberapa parameter yakni, parameter banyaknya kucing (m), seeking memory pool (smp), count dimension to change (cdc), seeking range dimension (srd), mixing ratio (mr), dan konstanta tracing (c). Program penyelesaian MDVRP menggunakan algoritma CSO dibuat dalam bahasa pemrograman C++ serta diimplementasikan pada tiga contoh kasus yaitu data kecil D01 dengan 4 depot dan 50 pelanggan, data sedang D02 dengan 5 depot dan 75 pelanggan, serta data besar D03 dengan 2 depot dan 100 pelanggan. Berdasarkan hasil implementasi didapatkan bahwa semakin besar maksimum iterasi maka solusi dari penyelesaian MDVRP semakin baik yaitu dengan total jarak tempuh minimum.

Actions (login required)

View Item