Agus Randhani Rahmatullah (2015) Aplikasi Algoritma Cat Swarm Optimization Pada Travelling Salesman Problem. Skripsi thesis, UNIVERSITAS AIRLANGGA.
Text (HALAMAN JUDUL)
1. HALAMAN JUDUL.pdf Download (470kB) |
|
Text (ABSTRAK)
2. ABSTRAK.pdf Download (268kB) |
|
Text (BAB 1)
3. BAB I.pdf Download (358kB) |
|
Text (BAB 2)
4. BAB II.pdf Restricted to Registered users only until 17 April 2023. Download (888kB) | Request a copy |
|
Text (BAB 3)
5. BAB III.pdf Restricted to Registered users only until 17 April 2023. Download (506kB) | Request a copy |
|
Text (BAB 4)
6. BAB IV.pdf Restricted to Registered users only until 17 April 2023. Download (945kB) | Request a copy |
|
Text (BAB 5)
7. BAB V.pdf Restricted to Registered users only until 17 April 2023. Download (347kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
8. DAFTAR PUSTAKA.pdf Download (326kB) |
|
Text (LAMPIRAN)
9. LAMPIRAN.pdf Restricted to Registered users only until 17 April 2023. Download (678kB) | Request a copy |
Abstract
Travelling Salesman Problem (TSP) merupakan salah satu masalah optimasi kombinatorial .. Hingga saat ini telah banyak algoritma optimasi yang ditawarkan untuk menyelesaikan masalah travelling salesman problem , seperti Algoritma Genetika , Ant Colony Optimization (ACO) , dan Particle Swarm Optimization (PSO) .Dalam skripsi ini , algoritma optimasi baru yang bernama Cat Swarm Optimization (CSO) ditawarkan sebagai pendekatan alternatif untuk menyelesaikan travelling salesman problem . CSO dibangun berdasarkan pengamatan perilaku dari sekelompok kucing. . Algoritma ini pertama kali dikembangkan oleh Tsu Chuan Chu dan Pe We Tsai tahun 2007 di Taiwan. Proses dari algoritma ini dimulai dengan inisialisasi parameter , membentuk populasi awal kucing, menghitung nilai objektif, menghitung nilai fitness, menentukan self position considering (SPC) , menentukan flag untuk setiap kucing, memproses setiap kucing sesuai dengan benderanya , dan menentukan global best , proses ini terus berlanjut sampai iterasi maksimum dipenuhi . Fungsi objektif dari skripsi ini adalah untuk meminimalkan jarak suatu tour . Data yang digunakan adalah data 17 kota (data kecil) , data 52 kota (data sedang) dan data 100 kota (data besar), algoritma ini disimulasikan dengan bahasa pemprograman C++ , menggunakan software Borland C++ , Dari hasil simulasi set data gr17 , dapat diamati bahwa parameter optimal CSO dalam yang telah diujikan adalah MR=0.3 , CDC=0.3 , SRD=0.3, c=1 . Parameter ini kemudian diujikan ke dalam 2 set data lainnya dan hasilnya diamati pada ukuran populasi , ukuran seeking memory pool (SMP) dan maksimum populasi yang berbeda. jarak terbaik (dalam km) berdasarkan Algoritma Cat Swarm Optimization didapatkan untuk data kecil sebesar 2065 km , untuk data sedang sebesar 18789 km, sedangkan untuk data besar sebesar 96578 km
Item Type: | Thesis (Skripsi) | ||||||
---|---|---|---|---|---|---|---|
Additional Information: | KKC KK MPM. 17/15 Rah a | ||||||
Uncontrolled Keywords: | Cat Swarm Optimization, Travelling Salesman Problem, Swarm Intellegence | ||||||
Subjects: | Q Science > QA Mathematics > QA1-939 Mathematics Q Science > QA Mathematics > QA150-272.5 Algebra |
||||||
Divisions: | 08. Fakultas Sains dan Teknologi > Matematika | ||||||
Creators: |
|
||||||
Contributors: |
|
||||||
Depositing User: | Dwi Prihastuti | ||||||
Date Deposited: | 06 Mar 2015 12:00 | ||||||
Last Modified: | 17 Apr 2020 13:06 | ||||||
URI: | http://repository.unair.ac.id/id/eprint/27936 | ||||||
Sosial Share: | |||||||
Actions (login required)
View Item |