Implementasi algoritma genetika hybrid (best improvement search) pada vehicle routing problem with time Window / Fitria Dwi Rosi
| Main Author: | Rosi, Fitria Dwi |
|---|---|
| Other Authors: | 1. Purwanto ; 2. Mohamad Yasin |
| Format: | PeerReviewed |
| Bahasa: | ind |
| Terbitan: |
Universitas Negeri Malang. Program Studi Matematika
, 2013
|
| Subjects: | |
| Online Access: |
http://mulok.library.um.ac.id/oaipmh/../home.php?s_data=Skripsi&s_field=0&mod=b&cat=3&id=60167 |
Daftar Isi:
- Rosi, Fitria Dwi. 2012. Implementasi Algoritma Genetika Hybrid (Best Improvement Search) pada Vehicle Routing Problem With Time Window. Skripsi, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Malang. Pembimbing (I). Prof. Drs. Purwanto, Ph.D, (II). Mohamad Yasin, S.Kom, M.Kom.Kata kunci: Graph, Vehicle Routing Problem (VRP), Vehicle Routing Problem With Time Window (VRPTW), Algoritma Genetika Hybrid, Best Improvement Search .Vehicle Routing Problem With Time Window (VRPTW) pengembangan dari Vehicle Routing Problem (VRP) mencari rute dan jumlah kendaraan dengan kendala kapasitas dan waktu pelayanan.Algoritma genetika hybrid merupakan gabungan dari algoritma genetika dan local search (best improvement search). Dari uji coba yang dilakukan solusi yang dihasilkan algoritma genetika hybrid sama atau lebih baik daripada algoritma genetika dan metode-metode heuristic. Hal ini dipengaruhi oleh adanya local search. Solusi dari local search akan lebih baik jika pada langkah awal telah ditemukan nilai fitness yang lebih baik dari sebelumnya. Dalam skripsi ini dapat dilihat bahwa algoritma genetika hybrid dapat digunakan untuk menyelesaikan masalah VRPTW, dimana solusi yang diberikan tidak tunggal dengan jarak tempuh yang sama. Selanjutnya, agar lebih mudah dalam menyelesaikan permasalahan VRPTW, algoritma genetika hybrid (best improvement search) direpresentasikan dalam program komputer menggunakan Borland Delphi 7. Akan tetapi, terdapat kelemahan program yaitu beberapa parameter yang harus diperhatikan, diantaranya banyaknya populasi dan generasi yang mempengaruhi lamanya iterasi. Untuk titik dengan jumlah generasi error. Dikarenakan perulangan algoritma sangat banyak, sehingga error. Jadi dalam algoritma genetika hybrid perlu diperhatikan jumlah titik, jumlah generasi dan jumlah populasi.