Final_Project
Modifikasi Algoritma Ant Colony Optimation (ACO) Untuk Menyelesaikan Traveling Salesman Problem (TSP)
Traveling salesman problem (TSP) merupakan permasalahan optimasi dalam penentuan rute optimal dari sejumlah node yang hanya akan dilewati sekali dengan node awal sebagai tujuan akhir. Salah satu metode untuk menyelesaikan TSP adalah Algoritma Ant Colony Optimization (ACO). ACO terinspirasi dari perilaku semut dalam mencari makan, dimana semut menghasilkan feromon untuk menemukan sumber makanan dan membuat rute dari koloni menuju makanan yang akan diikuti oleh semut lain. Namun ACO belum dianggap sebagai metode yang optimal untuk menyelesaikan TSP. Hal ini dikarenakan ACO memiliki beberapa kekurangan dalam proses komputasi. Perbandingan antara feromon yang belum jelas, serta waktu komputasi yang lambat menyebabkan hasil dari ACO menjadi tidak optimal. Untuk memperbaiki kekurangan tersebut, maka akan dilakukan modifikasi pada ACO. Modifikasi dilakukan dengan cara melakukan perubahan terhadap beberapa nilai dalam ACO, seperti penyesuaian jumlah semut dengan node secara otomatis, merubah nilai dalam pembaharuan feromon, dan menambah nilai dari pembangunan solusi. Hasil dari penelitian ini adalah modifikasi ACO tidak memberikan waktu komputasi yang lebih singkat dengan nilai akhir yang lebih akurat, sehingga tidak memberikan solusi optimal. Hasil pengujian pada penelitian ini didapatkan bahwa rata-rata waktu komputasi untuk iterasi terakhir dari tiap pengujian adalah 0.693 second, dan untuk waktu komputasi 10 iterasi didapatkan rata-rata 6.977 second untuk 12 pengujian. Jumlah memory yang terpakai pada 12 kali pengujian dalam penelitian ini adalah 428.969 mb untuk 10 iterasi.
TI 20/016 | Referensi | Tersedia |
Tidak tersedia versi lain