Implementasi algoritma genetika hybrid (best improvement search) pada vehicle routing problem with time Window / Fitria Dwi Rosi - Repositori Universitas Negeri Malang

Implementasi algoritma genetika hybrid (best improvement search) pada vehicle routing problem with time Window / Fitria Dwi Rosi

Rosi, Fitria Dwi (2013) Implementasi algoritma genetika hybrid (best improvement search) pada vehicle routing problem with time Window / Fitria Dwi Rosi. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

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.

Item Type: Thesis (Diploma)
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika
Depositing User: library UM
Date Deposited: 24 Jun 2013 04:29
Last Modified: 09 Sep 2013 03:00
URI: http://repository.um.ac.id/id/eprint/17181

Actions (login required)

View Item View Item