Nailil Hidayah (2015) Penerapan Algoritma Cat Swarm Optimization (CSO) Untuk Menyelesaikan Quadratic Assignment Problem (QAP). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text 1. HALAMAN JUDUL.pdf Download (1MB)
	Text 2. ABSTRAK.pdf Download (922kB)
	Text 3. DAFTAR ISI.pdf Download (935kB)
	Text 4. BAB I PENDAHULUAN.pdf Download (956kB)
	Text 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 22 May 2023. Download (1MB) | Request a copy
	Text 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 22 May 2023. Download (1MB) | Request a copy
	Text 7. BAB IV PEMBAHASAN.pdf Restricted to Registered users only until 22 May 2023. Download (1MB) | Request a copy
	Text 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 22 May 2023. Download (884kB) | Request a copy
	Text 9. DAFTAR PUSTAKA.pdf Download (941kB)
	Text 10. LAMPIRAN.pdf Restricted to Registered users only until 22 May 2023. Download (1MB) | Request a copy

Abstract

Quadratic Assignment Problem (QAP) merupakan masalah penugasan yang membahas penempatan fasilitas pada lokasi dan bertujuan meminimalkan total biaya/jarak tempuh perpindahan barang antar fasilitas pada suatu lokasi. Tujuan dari skripsi ini adalah untuk menyelesaikan quadratic assignment problem dengan menggunakan algoritma Cat Swarm Optimization (CSO). CSO merupakan algoritma yang diadaptasi dari perilaku sekelompok kucing dalam mencari dan melacak mangsa. Algoritma ini 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, menentukan self position considering (SPC), menentukan bendera setiap kucing, memproses setiap kucing sesuai dengan benderanya, dan menentukan global best, iterasi ini berlanjut sampai iterasi maksimum dipenuhi. Program dibuat dengan bahasa pemrograman C++ yang diimplementasikan pada 4 data yaitu, 5 fasilitas dan 5 lokasi, 12 fasilitas dan 12 lokasi, 20 fasilitas dan 20 lokasi, serta 33 fasilitas dan 33 lokasi. Diperoleh total biaya/jarak tempuh terbaik masing-masing adalah 50, 1652, 7040, dan 381768. Berdasarkan hasil implementasi yang diperoleh, dapat disimpulkan bahwa semakin besar maksimum iterasi, jumlah kucing, dan seeking memory pool (SMP), maka solusi dari penyelesaian QAP cenderung semakin baik yakni dengan fungsi objektif yang minimum.

Actions (login required)

View Item