MENIK ASTRINING DYAS, 081311233024 (2018) PENYELESAIAN DYNAMIC TRAVELLING SALESMAN PROBLEM (DTSP) DENGAN MENGGUNAKAN ALGORITMA CAT SWARM OPTIMIZATION (CSO). Skripsi thesis, Universitas Airlangga.

Preview	Text (ABSTRACT) KKC KK MPM.40-18 Dya p ABSTRAK.pdf Download (97kB) | Preview
	Text (FULLTEXT) KKC KK MPM.40-18 Dya p SKRIPSI.pdf Restricted to Registered users only until 28 March 2021. Download (2MB) | Request a copy

Abstract

Dynamic Travelling Salesman Problem (DTSP) adalah suatu permasalahan optimasi yang merupakan pengembangan dari Travelling Salesman Problem (TSP). Dynamic Travelling Salesman Problem melibatkan seorang salesman yang harus mengunjungi sejumlah kota tujuan dengan adanya kemungkinan penambahan atau pengurangan kota tujuan ketika rute sedang dijalankan. Tujuan dari Dynamic Travelling Salesman Problem adalah meminimalkan jarak tempuh, dimana kota tujuan yang dikunjungi dimulai dan diakhiri di kota yang sama tepat satu kali kunjungan. Cat Swarm Optimization (CSO) dibangun berdasarkan pengamatan perilaku 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 fungsi 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 terpenuhi. Data yang digunakan adalah data 10 kota (data kcil) dan data 100 (data besar), algoritma ini disimulasikan dengan bahasa pemrograman C++, menggunakan software Borland C++, dari hasil simulasi data kecil, dapat diamati bahwa parameter CSO yang telah diujikan adalah cdc = 0.3, srd = 0.3, c=1. Parameter ini kemudian diujikan ke dalam data besar dan hasilnya diamati pada ukuran populasi, ukuran seeking memory pool (SMP), dan maksimum iterasi yang berbeda. Jarak terbaik berdasarkan algoritma Cat Swarm Optimizationdidapatkan untuk data kecil sebesar 257 satuan jarak dan untuk data besar sebesar 103267 satuan jarak.

Actions (login required)

View Item