Multiple Trip Vehicle Routing Problem (MTVRP) menggunakan algoritma Grey Wolf Optimizer (GWO) dan implementasinya / Fitria Nurhalizah
| Main Author: | Nurhalizah, Fitria |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Online Access: |
http://repository.um.ac.id/148519/ |
Daftar Isi:
- ABSTRAKNurhalizahFitria.2020.MultipleTripVehicleRoutingProblem(MTVRP)MenggunakanAlgoritmaGreyWolfOptimizer(GWO)danImplementasinya.Skripsi.JurusanMatematika.FakultasMatematikadanIlmuPengetahuanAlam.UniversitasNegeriMalang.Pembimbing(I)Dra.SaptiWahyuningsihM.Si.(II)DarmawanSatyanandaS.TM.TKataKuncidistribusigraphGreyWolfOptimizer(GWO)MultipleTripVehicleRoutingProblem(MTVRP)Salahsatupermasalahanyangseringditemukandalamkehidupansehari-hariadalahpermasalahandistribusi.MasalahpenentuanruteuntukefisiensiprosesdistribusidapatdiselesaikanmenggunakansalahsatukajiandalamteorigraphyaituVehicleRoutingProblem(VRP).Tetapidalamkenyataannyabanyaknyarutebisalebihbanyakdaripadakendaraanyangtersedia.SalahsatuvarianVRPyangdapatdigunakanuntukmenyelesaikanpermasalahantersebutadalahMultipleTripVehicleRoutingProblem(MTVRP)dimanasatukendaraandapatdigunakanuntukmelayanibeberaparute.PermasalahanMTVRPdapatdiselesaikandenganbeberapaalgoritmasalahsatunyaadalahalgoritmaGreyWolfOptimizer(GWO).Langkah-langkahpenyelesaianmenggunakanGWOterdiridaritahapinisialisasitahapiterasitahapakhirdantahaprouting.Tahapinisialisasimerupakantahappenentuanukuranpopulasidanpembentukanpopulasiawalsertapemilihan3titikacakyangditambahkandalampopulasiawalsehinggaterbentuk3populasibaru.Tahapiterasimerupakantahappencariantitikterdekatpertamakeduadanketigadarititikterakhirsertapenjumlahantotalcostuntukmasing-masingpopulasi.Jikabanyaknyapopulasimelebihiukuranpopulasiyangtelahditentukanmakadilakukanpenghapusanpopulasidengancosttertinggisampaibanyaknyapopulasitidakmelebihibatasanpopulasi.Tahapakhirmerupakantahapdimanadilakukanpemilihan1populasidengancostterendah.TahaproutingmerupakantahappembentukanrutesesuaidengankendalaMTVRP.Pemilihan3titikacakpadaiterasipertamadapatmenghasilkansolusiyangoptimumnamunterkadangjugadapatmenghasilkansolusiyangkurangmemuaskan.Untukmengantisipasihaltersebutdilakukanperbaikandalammasing-masingrutedenganperbaikan1-InsertionIntra-routeyaitudenganmenyisipkansatupelanggandalamruteyangsamakeposisiyangberbeda.SolusidanlangkahGWOdenganperbaikan1-InsertionIntra-routedibandingkandenganalgoritmaVariableNeighborhoodDescent(VND)untukkasusMTVRPdengan6pelanggan.AlgoritmaGWOmenghasilkansolusidenganjaraktempuhyanglebihpendekdarialgoritmaVND.ImplementasialgoritmaGWOdenganperbaikan1-InsertionIntra-routepadaMTVRPberhasildirancangmenggunakanbahasapemrogramanBorlandDelphi7.0.Programtelahdiujicobamenggunakan5datasetCMT.GunamengetahuikinerjaGWOdengan1-InsertionIntra-routedilakukanperbandinganhasilujicobaprogramdengansolusiterbaikdariMemeticAlgorithm(MA).Berdasarkanujicobapadakelimadatasetdengan5kaliprosesrunadasolusiGWOyangmenunjukkanhasillebihbaikdarisolusiolehMA.Penelitianinimenyimpulkanbahwapemilihan3titikacakdalamprosesinisialisasiberpengaruhterhadapsolusiyangdihasilkan.