TAUFIQ RAHMAN HAKIM (2015) HYBRID GENETIC ALGORITHMS (GA) DAN ANT COLONY OPTIMIZATION (ACO) DALAM MENYELESAIKAN DYNAMIC TRAVELLING SALESMAN PROBLEM (DTSP). Skripsi thesis, UNIVERSITAS AIRLANGGA.
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN JUDUL)
1. HALAMAN JUDUL.pdf Download (308kB) |
|
Text (ABSTRAK)
2. ABSTRAK.pdf Download (229kB) |
|
Text (DAFTAR ISI)
3. DAFTAR ISI.pdf Download (184kB) |
|
Text (PENDAHULUAN)
4. BAB I PENDAHULUAN.pdf Download (184kB) |
|
Text (TINJAUAN PUSTAKA)
5. BAB II TINJAUAN PUSTAKA.pdf Download (334kB) |
|
Text (METODE PENELITIAN)
6. BAB III METODE PENELITIAN.pdf Download (223kB) |
|
Text (PEMBAHASAN)
7. BAB IV PEMBAHASAN.pdf Download (500kB) |
|
Text (KESIMPULAN SARAN)
8. BAB V KESIMPULAN DAN SARAN.pdf Download (207kB) |
|
Text (DAFTAR PUSTAKA)
9. DAFTAR PUSTAKA.pdf Download (175kB) |
|
Text (LAMPIRAN)
10. LAMPIRAN.pdf Download (677kB) |
Abstract
Dynamic Travelling Salesman Problem (DTSP) merupakan permasalahan dalam mencari jarak total minimal dari seluruh kota tujuan yang hanya dikunjungi tepat satu kali dan kota tujuan tersebut bisa ditambah atau dikurangi. Oleh karena itu, tujuan dari penulisan skripsi ini adalah menyelesaikan masalah DTSP dengan hybrid algoritma Ant Colony Optimization (ACO) dan Genetic Algorithms (GA). Algoritma ACO diinspirasikan oleh kinerja semut pada saat mereka mencari sumber makanan menggunakan pertukaran pesan lokal (pheromone) yang secara alami mencari jalan terpendek. Algoritma GA merupakan metode pencarian yang meniru mekanisme alam. Algoritma hybrid ACO dan GA adalah gabungan dari kedua algoritma dengan cara ACO dikerjakan dahulu setelah itu prosedur GA dijalankan. Setelah mendapatkan solusi terbaik dari proses algoritma hybrid, update menambah atau mengurangi kota tujuan dikerjakan. Data yang digunakan adalah data 50 kota tujuan ditambah 5 kota yang diselesaikan dengan bahasa pemrogaman Java Netbeans 7.2. Berdasarkan hasil perhitungan jarak total tour, solusi yang paling pendek saat , yaitu 19674. Dan semakin tinggi jumlah semut dan banyak iterasi, hasil yang didapatkan semakin baik.
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK MPM. 09/15 Hak h | |||||||||
| Uncontrolled Keywords: | GENETIC ALGORITHMS; ANT COLONY OPTIMIZATION | |||||||||
| Subjects: | Q Science > QA Mathematics > QA76.73. Computer algorithms and Data structures | |||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Matematika | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | sukartini sukartini | |||||||||
| Date Deposited: | 03 Mar 2015 12:00 | |||||||||
| Last Modified: | 09 Jun 2020 14:27 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/28104 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |