Yabunayya Habibi, 080912109 (2014) HYBRID IMMUNE ALGORITHM (IA) DAN SIMULATED ANNEALING (SA) DALAM MENYELESAIKAN MULTI-OBJECTIVE FLEXIBLE JOB SHOP SCHEDULING PROBLEM (MOFJSSP). Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2015-habibiyabu-35214-6.ABSTRAK.pdf Download (673kB) | Preview
	Text (FULLTEXT) 2015-habibiyabu-35214-1.FULLTEXT.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Flexible Job shop scheduling problem merupakan salah satu masalah penjadwalan dengan spesifikasi : ada sejumlah job dengan urutan tertentu yang harus dikerjakan, setiap job memuat sejumlah operasi dan setiap operasi diproses pada satu mesin dari beberapa alternatif mesin yang tersedia. Tujuan skripsi ini adalah menyelesaikan Multi-objective Flexible Job shop scheduling problem dengan kriteria meminimumkan makespan, workload terbesar dan total workload dari seluruh mesin dengan menggunakan hybrid immune algorithm (IA) dengan simulated anneling (SA). IA merupakan metode yang dihasilkan melalui pengamatan terhadap fungsi sistem imun manusia manusia untuk menentukan respon terhadap stimulus antigen. SA adalah metode yang meniru perilaku pergerakan atom-atom baja yang dipanaskan kemudian didinginkan secara perlahan. Hybrid IA dengan SA merupakan penggabungan dari kedua algoritma dengan menyisipkan proses SA ke dalam IA. Proses algoritma hybrid IA dengan SA dimulai dengan Input data dan inisialisasi parameter, mendefinisikan antigen, generate populasi antibody awal, menghitung nilai affinity –Ag, clone, SA, Evaluasi affinity –Ag, affinity –Ab dan Re-selection. Ada empat masalah penjadwalan yang dibahas, yaitu penjadwalan data 4 job 5 mesin dengan 12 operasi, 8 job 8 mesin dengan 27 operasi, 10 job 10 mesin dengan 30 operasi dan data 15 job 10 mesin dengan 56 operasi. Implementasi algorithm hybrid IA dengan SA dengan menggunakan bahasa pemrogaman Java Netbeans IDE. Berdasarkan hasil simulasi, kenaikan nilai parameter pada ukuran populasi (pop_size) dan jumlah memori M ( nSetM) akan meningkatkan optimalitas fungsi tujuan. Selain itu, semakin besar nilai parameter pada maximum iterasi hasil yang didapatkan cenderung lebih baik.

Actions (login required)

View Item