Pitaloka, Hening Dea Pitaloka (2023) Algoritma hybrid genetic with variable neighborhood search (hg-vns) pada multi-depot vehicle routing problem with time windows (mdvrptw) dan implementasinya / Hening Dea Pitaloka. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Permasalahan penentuan rute terpendek dalam distribusi dapat diselesaikan menggunakan salah satu penerapan dari teori graph yaitu Vehicle Routing Problem (VRP). Salah satu perluasan dari VRP yang memiliki kendala banyak depot dan batasan waktu disebut dengan Multi-Depot Vehicle Routing Problem with Time Windows (MDVRPTW). Tujuan MDVRPTW adalah menentukan suatu rute kendaraan dari beberapa depot agar dapat melayani setiap pelanggan (customer) dengan waktu seminimal mungkin. Pada penelitian ini algoritma yang digunakan untuk menyelesaikan MDVRPTW adalah Algoritma Hybrid Genetic with Variable Neighborhood Search (HG-VNS) yang terdiri dua tahapan utama yaitu tahap pembentukan solusi awal dengan Algoritma Genetika dan tahap perbaikan solusi dengan Algoritma Variable Neighborhood Search (VNS). Algoritma Genetika dapat mengevaluasi beberapa solusi yang layak di ruang pencarian pada saat yang sama dan Algoritma VNS memiliki kemampuan pencarian lokal (local search) yang kuat sehingga memungkinkan solusi paling unggulnya akan ditemukan. Implementasi Algoritma HG-VNS pada MDVRPTW dikembangkan dengan metode waterfall dan dibuat menggunakan bahasa pemrograman Borland Delphi 7.0 sebagai alat bantu perhitungan. Input programnya yaitu banyak depot data jarak kapasitas kendaraan kecepatan rata-rata kendaraan time windows permintaan setiap pelanggan service time waktu buka-tutup parameter genetika dan banyak maksimum iterasi fase perturbasi. Program telah diuji cobakan dengan menggunakan beberapa titik yaitu 11 52 78 100 148 dan 196 titik serta dataset yang telah terstandar. Berdasarkan hasil uji coba dengan dataset yang telah terstandar hasil Algoritma HG-VNS yang mendekati solusi optimum Algoritma GVNS berdasarkan nilai gap paling kecil adalah dataset pr11 dengan presentase nilai gap sebesar -0 2% berarti bahwa pada data ini solusi yang dihasilkan oleh Algoritma HG-VNS memiliki selisih total jarak tempuh sebesar 0 2 lebih baik jika dibandingkan dengan solusi yang dihasilkan oleh Algoritma GVNS. Dalam hal ini dapat diketahui bahwa Algoritma HG-VNS telah mendekati hasil optimum.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 15 Jun 2023 04:29 |
| Last Modified: | 09 Sep 2023 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/291472 |
Actions (login required)
 |
View Item |