MIKAEL FETRA SIANTARA, - (2022) Penyelesaian Open Vehicle Routing Problem with Time Dependent Travel Time (OVRPTD) dengan Particle Swarm Optimization (PSO). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) 081811233021-HAL JUDUL.pdf Download (396kB)
	Text (BAB 1) 081811233021-BAB 1.pdf Download (41kB)
	Text (FULLTEXT) 081811233021.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Masalah penentuan rute terbuka pada kendaraan dengan memperhatikan waktu perjalanan atau Open Vehicle Routing Problem with Time Dependent Travel Time (OVRPTD) merupakan suatu permasalahan untuk penentuan rute terbuka pada sejumlah kendaraan yang akan melayani sejumlah pelanggan dengan memperhatikan kondisi lalu lintas pada waktu tertentu dan membawa produk dengan kapasitas tertentu. Rute kendaraan dimulai dari depot dan berakhir di pelanggan terakhir. OVRPTD biasa terjadi pada perusahaan yang akan mendistribusikan produknya namun tidak memiliki kendaraan yang memadai sehingga harus menyewa kendaraan. Penyelesaian ini bertujuan untuk menyelesaikan permasalahan OVRPTD dengan menerapkan algoritma Particle Swarm Optimization (PSO). PSO adalah salah satu algoritma yang terinspirasi dari tingkah laku sosial kawanan burung yang terbang berduyun-duyun (brild flocking) atau segerombolan ikan yang berenang berkelompok (fish schooling). Program penyelesaian OVRPTD dengan PSO dibuat menggunakan bahasa C++ yang diimplementasikan pada tiga data, yaitu data kecil (20 pelanggan), data sedang (50 pelanggan), dan data besar (100 pelanggan). Berdasarkan hasil implementasi program, dapat disimpulkan bahwa algoritma PSO dapat digunakan untuk menyelesaikan OVRPTD yaitu untuk c_2?0, semakin banyak jumlah iterasi, maka nilai fungsi tujuan akan semakin baik, semakin banyak jumlah partikel maka nilai fungsi tujuan cenderung semakin baik dan untuk ukuran data yang semakin besar serta pemilihan nilai c_2 yang semakin besar maka nilai fungsi tujuan cenderung semakin baik. Sementara pemilihan nilai c_2=0 akan menyebabkan nilai fungsi tujuan tidak dipengaruhi oleh banyaknya jumlah partikel dan iterasi, hal ini disebabkan pencarian solusi hanya bergantung pada personal best (P_best) saja dengan c_1 dan c_2 adalah konstanta positif untuk mengontrol seberapa jauh sebuah partikel akan bergerak dalam setiap iterasi.

Actions (login required)

View Item