Azizah, Nur Azizah (2021) algoritma ant colony system randomized variable neighborhood descent (acs rvnd) pada multi depot vehicle routing problem (mdvrp) dan implementasinya / nur azizah. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Abstrak. Penerapan teori graph merupakan penerapan yang sering digunakan dalam kehidupan sehari-hari. Salah satu penerapan tersebut ialah permasalahan Vehicle Routing Problem (VRP). Semakin bertambahnya waktu dan berkembangnya permasalahan maka bertambah pula varian VRP salah satunya yaitu Multi Depot Vehicle Routing Problem (MDVRP). Multi Depot Vehicle Routing Problem (MDVRP) adalah permasalahan dalam proses distribusian menggunakan depot lebih dari satu. Algoritma yang digunakan untuk menyelesaikan permasalahan MDVRP pada penelitian ini adalah algoritma Ant Colony System Randomized Variable Neighborhood Descent (ACS RVND). Algoritma ACS RVND merupakan perpaduan algoritma ACS yang dilanjut dengan algoritma perbaikan yaitu algoritma RVND. Implementasi pada permasalahan ini menggunakan pemrograman Borland Delphi 7.0. Pada program menginputkan banyak depot banyak titik (depot dan customer) dan posisi titik (depot dan customer). Selanjutnya menginputkan kapasitas kendaraan banyak semut banyak iterasi banyak permintaan customer dan jarak antar titik (depot dan customer). Output program ini berupa hasil rute jarak dan hasil rute dalam bentuk graph. Program tersebut dilakukan uji coba pada contoh permasalahan 9 customer uji coba 5 dataset Cordeau dan dilakukan simulasi data dengan menggunakan 5 15 20 50 dan 100 customer. Selanjutnya hasil algoritma ACS RVND dibandingkan dengan algoritma Grey Wolf Optimizer (GWO) dan Ant Colony Optimization (ACO) yang telah dikerjakan peneliti sebelumnya. Hasil pada permasalahan 9 customer algoritma ACS RVND lebih minimal dibandingkan dengan algoritma GWO. Berdasarkan uji coba dataset algoritma ACS RVND didapatkan solusi yang lebih baik dibandingkan dengan algoritma ACO. Dataset yang digunakan adalah P01 P03 P06 P15 dan P18 pada dataset P06 yang paling mendekati Best Solution Known yaitu algoritma ACS RVND dengan mencapai gap 1 58%. Sedangkan gap terendah yang diperoleh algoritma ACO yaitu 9 14% pada dataset P01. Gap algoritma ACS RVND lebih rendah daripada algoritma ACO sehingga algoritma ACS RVND menghasilkan solusi lebih baik dibandingkan dengan algoritma ACO.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 25 Aug 2021 04:29 |
| Last Modified: | 09 Sep 2021 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/148514 |
Actions (login required)
 |
View Item |