DIANA INDRIASARI, 081411231013 (2019) PENYELESAIAN MULTI-DEPOT VEHICLE ROUTING PROBLEM (MDVRP) DENGAN MENGGUNAKAN HYBRID FIREFLY ALGORITHM (FA) DAN PARTICLE SWARM OPTIMIZATION (PSO). Skripsi thesis, Universitas Airlangga.

	Text MPM.89 Ind p abstrak.pdf Download (2MB)
	Text MPM.89 Ind p daftar isi.pdf Download (2MB)
	Text MPM.89 Ind p daftar pustaka.pdf Download (2MB)
	Text (FULLTEXT) MPM.89 Ind p.pdf Restricted to Registered users only until 12 October 2022. Download (2MB) | Request a copy

Abstract

Multi-Depot Vehicle Routing Problem (MDVRP) dengan menggunakan Hybrid Firefly Algorithm dan Particle Swarm Optimization. MDVRP merupakan perluasan dari Vehicle Routing Problem (VRP) dengan setiap kendaraan ditugaskan ke setiap depot dengan setiap kendaraan berangkat dan kembali di depot yang sama untuk meminimalkan waktu dan biaya. MDVRP adalah suatu organisasi yang memiliki lebih dari satu depot yang akan melayani pelanggan, dimana sebuah kendaraan ditugaskan di setiap depot dan tiap kendaraan berasal dari depot dan kembali ke depot. MDVRP dirumuskan dengan tujuan bentuk urutan pelanggan pada setiap rute kendaraan. Tahapan dari Hybrid Firefly Algorithm dan Particle Swarm Optimization untuk menyelesaikan MDVRP adalah mengelompokkan pelanggan ke depot, input data dan parameter, membangkitkan populasi awal firefly, menghitung nilai fungsi tujuan, menentukan intensitas cahaya, membandingkan intensitas cahaya tiap firefly, menghitung jarak antar firefly, menghitung attractiveness, menghitung movement, menentukan gbestsementara, menentukan firefly baru sebanyak maksimum iterasi, menentukan solusi awal Particle Swarm Optimization, membangkitkan kecepatan awal, menentukan pbest dan gbest, menentukan kecepatan baru, menentukan posisi baru, menentukan pbest dan gbestbaru, updategbest firefly, melakukan movement, solusi akhir. Program yang digunakan untuk menyelesaikan MDVRP dengan Hybrid Firefly Algorithm dan Particle Swarm Optimization adalah Borland C++ 5.02 dan diimplementasikan pada 3 contoh kasus yaitu data berukuran kecil (4 depot, 50 pelanggan), data berukuran sedang (5 depot, 75 pelanggan), dan data berukuran besar (2 depot, 100 pelanggan). Hasil running program dengan total jarak tempuh berturutturut yaitu 676.595, 828.306, dan 2022.98. Berdasarkan solusi yang diperoleh dapat disimpulkan bahwa semakin banyak iterasi dan jumlah populasi firefly, hasil yang diperoleh semakin baik, sedangkan nilai alpha semakin besar nilai alpha tidak memberikan pengaruh pada perbaikan solusi yaitu total jarak yang minimal.

Actions (login required)

View Item