Two Phase Heuristic Algorithm (TPHA) untuk Multiple Traveling Salesman Problem (MTSP) dan implementasinya / Rahma Try Iriani
| Main Author: | Iriani, Rahma Try |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.um.ac.id/17259/ |
Daftar Isi:
- vABSTRAKIrianiRahmaTry.2018.TwoPhaseHeuristicAlgorithm(TPHA)untukMultipleTravellingSalesmanProblem(MTSP)danImplementasinyaSkripsiJurusanMatematikaFakultasMatematikadanIlmuPengetahuanAlamUniversitasNegeriMalang.Pembimbing(I)Dra.SaptiWahyuningsihM.Si.(II)DarmawanSatyanandaS.TM.T.KataKuncigraphtravellingsalesmanproblem(TSP)multipletravellingsalesmanproblem(MTSP)twophaseheuristicalgorithm(TPHA).Pemilihanrutemerupakansalahsatuaspekpentingdalambidangpendistribusian.TravellingSalesmanProblem(TSP)merupakansuatupermasalahanpenentuanrutesalesmanuntukmengunjungisemuacustomerdenganjaraktempuhminimum.Ruteberawalpadasuatudepotdanmelayanisemuacustomeryangdikunjungitepatsatukalilalukembalikedepot.MultipleTravellingSalesmanProblem(MTSP)merupakansalahsatuvarianTSPyangmelibatkanbeberapasalesmandalammelakukansebuahperjalananmengunjungibeberapacustomer.PermasalahanMTSPdapatdiselesaikandenganmenggunakanTwoPhaseHeuristicAlgorithm(TPHA).PrinsipkerjadariTPHAuntukMTSPiniadalahmengelompokancustomer-customerkedalambeberapawilayahdenganmenggunakanalgoritmaK-Meansyangkemudianakandicarisolusirutepadamasing-masingwilayahdenganmenggunakanalgoritmagenetika.PengelompokancustomerpadaalgoritmaK-Meansdilakukanberdasarkanperolehanjarakminimumsetiaptitikterhadapcentroid(pusatkelompok)menggunakannilaifitnessEuclidean.Prosespencariansolusirutedenganmenggunakanalgoritmagenetikadilakukanmelaluibeberapatahapanyaitupembangkitanpopulasiawalevaluasikromosomseleksikromosomprosescrossoverdanprosesmutasi.Terdapat3operatorgenetikapentingyangakandigunakandanbertujuanuntukmeningkatkankeragamansolusi.Operatorgenetikatersebutadalahprosesseleksikromosommenggunakanmetoderoulletewheelprosescrossovermenggunakanteknikordercrossoverdanmutasimenggunakanteknikswappingmutation.Prosesgenetikainidilakukansecaraberulangsampaidiperolehkondisioptimum.Kondisioptimumtercapaisaatsemuagenerasiyangtelahditentukansudahterlewatidanmenghasilkansolusiterbaikberdasarkannilaifitnessyangdiperoleh.viPadaskripsiinidibahasmengenaiTPHAyangdigunakandalammenyelesaikanpermasalahanMTSP.ImplementasidariTPHAuntukMTSPdalambahasapemrogramanBorlandDelphi7.0telahdirancangsecaraterstruktur.Programtelahdiujicobapadakasus21titik32titikdan46titik.Solusiyangbaikadalahsolusiyangmendekatioptimumyangnilaiparameternyadirancangdenganbaik.Berdasarkanujicobapengaruhperubahannilaiparameterpadakasus21titikdiperolehsolusioptimumdengan80individu100generasiprobabilitascrossoveryaitu095danprobabilitasmutasiyaitu01.DewanPengujiAnggotaAnggotaDra.SaptiWahyuningsihM.SiDarmawanSatyanandaS.TM.TNIP.196212111988122001NIP.197307241999031001KetuaProf.Drs.PurwantoPh.DNIP.195912221985021006