Algoritma hybrid genetic with variable neighborhood search (hg-vns) pada multi-trip vehicle routing problem with time windows (mtvrptw) dan implementasinya / Rike Cahya Pertiwi - Repositori Universitas Negeri Malang

Algoritma hybrid genetic with variable neighborhood search (hg-vns) pada multi-trip vehicle routing problem with time windows (mtvrptw) dan implementasinya / Rike Cahya Pertiwi

Pertiwi, Rike Cahya Pertiwi (2023) Algoritma hybrid genetic with variable neighborhood search (hg-vns) pada multi-trip vehicle routing problem with time windows (mtvrptw) dan implementasinya / Rike Cahya Pertiwi. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Transportasi merupakan suatu komponen yang berperan penting dalam mendukung pendistribusian barang terutama dalam penyelesaian permasalahan penentuan rute. Model yang dapat digunakan untuk menyelesaikan permasalahan tersebut yaitu Vehicle Routing Problem (VRP). Salah satu varian dari VRP dengan kendala multi trip dan time windows adalah Multi-Trip Vehicle Routing Problem With Time Windows (MTVRPTW). Algoritma Hybrid Genetic with Variable Neighborhood Searh (HG-VNS) merupakan gabungan dari algoritma genetika dan algoritma Variable Neighborhood Search (VNS). Langkah-langkah dari algoritma HG-VNS yaitu inisialisasi evaluasi seleksi crossover mutasi dan VNS yang terdiri dari Variable Neighborhood Descent (VND) dan pertubasi. Algoritma HG-VNS pada MTVRPTW diimplementasikan ke dalam bahasa pemrograman Borland Delphi 7.0. menggunakan metode Waterfall. Input pada program adalah input titik input data jarak input parameter berupa kapasitas service time kapasitas kendaraan kecepatan kendaraan time windows ukuran populasi probabilitas crossover (Pc) probabilitas mutasi (Pm) banyaknya generasi dan maksimum iterasi pertubasi. Output dari program adalah berupa rute yang terbentuk dengan total jarak dan graph. Program diuji coba menggunakan 8 25 dan 50 customer. Uji coba juga dilakukan dengan dataset terstandar yaitu C103 dengan 100 customer C1_02_04 dan R1_02_07 dengan 200 customer. Berdasarkan uji coba dengan dataset hasil dari algoritma HG-VNS memiliki gap terendah dari solusi terbaik datset sebesar 0 26% yaitu pada kode dataset C103 dan hasil dari algoritma HG-VNS memiliki gap antara 2% sampai 6% lebih baik dari algoritma ILS-RVND

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika
Depositing User: library UM
Date Deposited: 05 Jun 2023 04:29
Last Modified: 09 Sep 2023 03:00
URI: http://repository.um.ac.id/id/eprint/291475

Actions (login required)

View Item View Item