HYBRID FIREFLY ALGORITHM (FA) DENGAN SIMULATED ANNEALING (SA) UNTUK MENYELESAIKAN MULTI-DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
| Main Author: | SHARAH ZENITA, 081311233045 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/71379/1/KKC%20KK%20MPM.34-18%20Zen%20h%20ABSTRAK.pdf http://repository.unair.ac.id/71379/2/KKC%20KK%20MPM.34-18%20Zen%20h%20SKRIPSI.pdf http://repository.unair.ac.id/71379/ http://lib.unair.ac.id |
Daftar Isi:
- Penulisan skripsi ini bertujuan untuk menyelesaikan masalah Multi-Depot Vehicle Routing Problem (MDVRP) menggunakan Hybrid Firefly Algorithm (FA) dengan Simulated Annealing (SA). MDVRP merupakan suatu permasalahan pembentukan rute kendaraan yang digunakan untuk melayani setiap pelanggan yang berbasis pada depot yang tersedia. Tujuan dari permasalahan ini adalah membentuk suatu rute pada masing masing depot agar dapat meminimumkan jarak tempuh kendaraan tanpa melanggar kapasitas kendaraan dan kapasitas depot yang ada. Metode yang digunakan untuk menyelesaikan permasalahan MDVRP adalah Hybrid Firefly Algorithm (FA) dengan Simulated Annealing (SA). Firefly Algorithm merupakan algoritma metaheuristik yang diadaptasi dari perilaku berkedipnya kunang-kunang. Simulated Annealing merupakan algoritma yang terinspirasi dari proses annealing. Hybrid FA dengan SA adalah gabungan dari kedua algoritma dengan cara menyisipkan proses SA ke proses FA. Secara umum, proses diawali dengan mengelompokkan pelanggan ke depot terdekat, membangkitkan solusi awal, melakukan proses FA, pemilihan solusi untuk SA, melakukan proses SA, kemudian dilanjutkan dengan proses FA. Penyelesaian MDVRP menggunakan Hybrid FA dengan SA dibuat dalam bahasa pemrograman C++ serta diimplementasikan pada tiga data yaitu data berukuran kecil (4 depot, 50 pelanggan), data berukuran sedang (5 depot, 75 pelanggan), dan data berukuran besar (2 depot, 100 pelanggan). Berdasarkan hasil implementasi pada ketiga kasus tersebut dapat disimpulkan bahwa semakin banyak jumlah iterasi dan jumlah populasi kunang-kunang, penyelesaiannya akan semakin baik, sedangkan untuk nilai alpha, semakin besar nilai alpha maka penyelesaiannya cenderung lebih baik.