|
| |
|
Fitriyani. PENGARUH STRATEGI INISIALISASI PADA ALGORITMA EVOLUSI DALAM OPTIMASI TRAVELLING SALESMAN PROBLEM (TSP). Banda Aceh : Fakultas Pascasarjana Universitas Syiah Kuala, 2019 |
|
AbstrakAbstrak
travelling salesman problem (tsp) yaitu pencarian rute terpendek atau jarak minimum oleh
seorang salesman dari suatu kota ke n-kota tepat satu kali dan kembali ke kota awal
keberangkatan. tsp dapat diterapkan pada graph komplit berbobot yang memiliki total bobot
sisi minimum, dimana bobot pada sisi adalah jarak. untuk menyelesaikan permasalahan ini
bisa dengan menggunakan metode algoritma evolusi (ae) yang merupakan metode yang
menggunakan seleksi alam sebagai gagasan utamanya dalam menyelesaikan suatu
permasalahan tertentu. dalam ae memiliki beberapa metode yaitu random search (rs) dan
random generator (rg). random search adalah metode pencarian langsung yang tidak
memerlukan derivatif untuk mencari domain continue. inisialisasi random generator ialah
cara untuk membangkitan angka acak pada tiap gen yang dibentuk dalam merepresentasi
kromosom awal. penelitian ini merumuskan strategi inisialisasi pada algoritma berevolusi
untuk pemecahan tsp. tujuan dari
Baca Juga : BIPOPULATION BASED SEARCH DALAM PENYELESAIN TRAVELLING SALESMAN PROBLEM (Said Mustafa, 2018) ,
Baca Juga : PERBANDINGAN METODE RESTRICTED MATING DAN FITNESS SHARING UNTUK MENJAGA DIVERSITY DALAM PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI (Feri Susilawati, 2016) , ian ini adalah modifikasi antara kedua metode strategi inisialisasi random search dengan random generator untuk mendapatkan metode inisialisasi yang terbaru sehingga dapat diterapkan dalam algoritma berevolusi. setelah melakukan penelitian, maka mendapatkan kesimpulan bahwa strategi inisialisasi rs dan rg telah menyeimbangkan nilai diversity dengan mendapatkan hasil nilai rata-rata lebih optimal dibandingkan dengan penelitian sebelumnya. selisih nilai jarak minimum antara rs dan rg mencapai rata-rata 16% dan hasil implementasi strategi inisialisasi rg telah menunjukkan hasil yang lebih optimal dibandingkan rs yaitu dapat dilihat berdasarkan nilai jarak minimum yang didapat setelah melakukan penelitian. hal tersebut disebabkan oleh pada rg melakukan pencarian gen secara keseluruhan sebelum inisialisasi dibentuk, sedangkan pada rs mencari titik potong untuk menempatkan gen untuk pembentukan inisialisasi. kata kunci : strategi inisialisasi, algoritma evolusi, random search, random generator, travelling salesman problem. Tulisan yang relevan ANALISIS STRATEGI PERGANTIAN STEADY STATE DAN GENERATIONAL DALAM ALGORITMA BEREVOLUSI UNTUK PENYELESAIAN TSP (munawir, 2016) ,ANALISIS HIBRIDISASI LOCAL DAN POPULATION BASED SEARCH ALGORITHM DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) (Erdiwansyah, 2016) , IMPLEMENTASI ALGORITMA ANT COLONY SYSTEM PADA OPTIMALISASI PENDISTRIBUSIAN KORAN DI WILAYAH BANDA ACEH (STUDI KASUS: DISTRIBUSI KORAN SERAMBI INDONESIA) (Riska Mulyana, 2016) , |
|
|
|
Kembali ke halaman sebelumnya
Terkini
PROSPEK EKSPOR KOPI ARABIKA ORGANIK BERSERTIFIKAT DI KABUPATEN ACEH TENGAH |
ANALISIS KOMPARATIF TINGKAT PENDAPATAN USAHATANI PADI SAWAH IRIGASI DAN PADI SAWAH TADAH HUJAN BERDASARKAN STATUS PENGUASAAN LAHAN DI KECAMATAN KUTA COT GLIE KABUPATEN ACEH BESAR |
KAJIAN PEMASARAN DAN KEUNTUNGAN PETANI KACANG TANAH DI KECAMATAN DARUSSALAM KABUPATEN ACEH BESAR |
STUDI PENDAPATAN RUMAH TANGGA PERTANIAN DI DATARAN TINGGI (KASUS DESA URING KECAMATAN BUKIT KABUPATEN BENER MERIAH) |
ANALISIS PENDAPATAN USAHATANI TEMBAKAU DI KECAMATAN BANDAR BARU KABUPATEN PIDIE JAYA |