FAHRIZAL PERMANA PUTRA, - (2022) Penerapan Algoritma Grey Wolf Optimizer (GWO) untuk Menyelesaikan Dynamic Travelling Salesman Problem (DTSP). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) HAL JUDUL.pdf Download (520kB)
	Text (BAB I) BAB I.pdf Download (52kB)
	Text (FULL TEXT) 081811233056.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Tujuan dari penulisan skripsi ini adalah untuk menyelesaikan permasalahan Dynamic Travelling Salesman Problem (DTSP) menggunakan Algoritma Grey Wolf Optimizer (GWO). Dynamic Travelling Salesman Problem (DTSP) merupakan pengembangan dari permasalahan pencarian rute dengan jarak terdekat yaitu Travelling Salesman Problem (TSP) yang merupakan masalah pencarian rute perjalanan terpendek dari seorang salesman untuk mengunjungi sejumlah n kota tujuan dengan ketentuan bahwa setiap kota hanya dapat dikunjungi tepat satu kali dan perjalanan dimulai dari kota awal dan berakhir di kota awal juga. Pengembangan yang dilakukan pada DTSP yaitu adanya update pada rute kota tujuan berupa penambahan kota tujuan baru kedalam rute atau pengurangan kota tujuan yang telah ada pada rute. Algoritma Grey Wolf Optimizer (GWO) merupakan algoritma yang terinspirasi dari mekanisme berburu dan hierarki kepemimpinan serigala abu-abu di alam. Dalam GWO, proses utama dalam memperbarui solusi dilakukan melalui proses perburuan mangsa, dimana solusi yang baru diperoleh berdasarkan tiga solusi terbaik yang diperoleh sebelumnya yang dapat direpresentasikan sebagai alpha wolf, beta wolf, dan delta wolf. Bahasa pemrograman yang digunakan untuk menyelesaikan skripsi ini adalah bahasa pemrograman C++, dengan bantuan software Borland C++ 5.02. Terdapat tiga jenis data yang digunakan, yaitu data kecil, data sedang, dan data besar, yang memuat secara berurutan data jarak antara 15 kota, 57 kota, dan 128 kota. Berdasarkan hasil dari program, diperoleh kesimpulan bahwa semakin besar maksimum iterasi dan populasi serigala abu-abu yang digunakan, maka solusi yang diperoleh menjadi semakin baik.

Actions (login required)

View Item