Electronic Theses and Dissertation
Universitas Syiah Kuala
NULL
PENGARUH STRATEGI INISIALISASI PADA ALGORITMA EVOLUSI DALAM OPTIMASI TRAVELLING SALESMAN PROBLEM (TSP)
Pengarang
Fitriyani - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
1409200200016
Fakultas & Prodi
Fakultas / / PDDIKTI :
Subject
Kata Kunci
Penerbit
Banda Aceh : Universitas Syiah Kuala., 2019
Bahasa
Indonesia
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
ABSTRAK
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 penelitian 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.
Tidak Tersedia Deskripsi
PENGARUH UKURAN OFFSPRING DALAM ALGORITMA BEREVOLUSI UNTUK MENGOPTIMUMKAN TRAVELLING SALESMAN PROBLEM (TSP) (Nurmaya Sova, 2022)
PERBANDINGAN PENGGUNAAN SINGLE-OBJECTIVE DAN MULTI-OBJECTIVE PADA TRAVELLING SALESMAN PROBLEM (TSP) DENGAN ALGORITMA GENETIKA (Rizka Firda, 2022)
BIPOPULATION BASED SEARCH DALAM PENYELESAIN TRAVELLING SALESMAN PROBLEM (Said Mustafa, 2018)
PENGARUH FITNESS SHARING DALAM ALGORITMA BEREVOLUSI UNTUK MENGOPTIMUMKAN TRAVELLING SALESMAN PROBLEM (TSP) (Juniana Husna, 2022)
PERBANDINGAN METODE RESTRICTED MATING DAN FITNESS SHARING UNTUK MENJAGA DIVERSITY DALAM PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI (Feri Susilawati, 2016)