A tabu search heuristic using genetic diversification for the clustered traveling salesman problem

1997 ◽  
Vol 2 (3) ◽  
pp. 187-200 ◽  
Author(s):  
Gilbert Laporte ◽  
Jean-Yves Potvin ◽  
Florence Quilleret
Keyword(s):  
Tabu Search ◽  
Traveling Salesman Problem ◽  
Traveling Salesman ◽  
Search Heuristic

scholarly journals Perbandingan Performa Algoritma Koloni Semut Dengan Algoritma Genetika – Tabu Search Dalam Penjadwalan Kuliah

2019 ◽  
Vol 4 (1) ◽  
pp. 17
Author(s):  
Neng Ika Kurniati ◽  
Alam Rahmatulloh ◽  
Dewi Rahmawati
Keyword(s):  
Tabu Search ◽  
Traveling Salesman Problem ◽  
Traveling Salesman

Algoritma digunakan sebagai penyelesaian beberapa masalah optimasi seperti traveling salesman problem maupun penjadwalan. Salah satu jenis algoritma yang sering digunakan adalah algoritma metaheuristik dimana algoritma ini menggunakan mekanisme yang meniru perilaku sosial ataupun strategi yang ada di alam. Algoritma koloni semut merupakan salah satu contoh algoritma metaheuristik yang memiliki cara kerja memilih jalur berdasarkan jalur yang paling sering dilalui oleh semut. Sedangkan salah satu contoh lain adalah algoritma genetika – tabu search yang memiliki cara kerja berkebalikan dimana algoritma ini mencegah agar jalur yang sama tidak dilakukan proses berulang ulang. Aktivitas penjadwalan kuliah dipilih untuk menjadi objek penelitian karena masalah penyusunan penjadwalan sangat kompleks, terdapat beberapa komponen yang harus dijadwalkan seperti dosen, mata kuliah, waktu, ruangan, dan kelas dengan memperhatikan sejumlah batasan dan syarat tertentu.  Untuk itu dilakukan perbandingan kedua algoritma untuk mengetahaui algoritma mana yang lebih optimal dalam melakukan penyusunan penjadwalan kuliah. Hasil dari penelitian ini berupa. Hasil perbandingan menunjukan bahwa algoritma koloni semut lebih baik 33% dalam hal penggunaan memori dan lebih cepat 82% dalam pengukuran waktu, sedangkan algoritma genetika – tabu search lebih baik 11% dalam hal nilai fitness.Algoritma digunakan sebagai penyelesaian beberapa masalah optimasi seperti traveling salesman problem maupun penjadwalan. Salah satu jenis algoritma yang sering digunakan adalah algoritma metaheuristik dimana algoritma ini menggunakan mekanisme yang meniru perilaku sosial ataupun strategi yang ada di alam. Algoritma koloni semut merupakan salah satu contoh algoritma metaheuristik yang memiliki cara kerja memilih jalur berdasarkan jalur yang paling sering dilalui oleh semut. Sedangkan salah satu contoh lain adalah algoritma genetika – tabu search yang memiliki cara kerja berkebalikan dimana algoritma ini mencegah agar jalur yang sama tidak dilakukan proses berulang ulang. Aktivitas penjadwalan kuliah dipilih untuk menjadi objek penelitian karena masalah penyusunan penjadwalan sangat kompleks, terdapat beberapa komponen yang harus dijadwalkan seperti dosen, mata kuliah, waktu, ruangan, dan kelas dengan memperhatikan sejumlah batasan dan syarat tertentu.  Untuk itu dilakukan perbandingan kedua algoritma untuk mengetahaui algoritma mana yang lebih optimal[D01]  dalam melakukan penyusunan penjadwalan kuliah. Hasil dari penelitian ini berupa. Hasil perbandingan menunjukan bahwa algoritma koloni semut lebih baik 33% dalam hal penggunaan memori dan lebih cepat 82% dalam pengukuran waktu, sedangkan algoritma genetika – tabu search lebih baik 11% dalam hal nilai fitness. Kata kunci:  Algoritma, Genetika – Tabu Search, Koloni Semut, Penjadwalan [D01]Optimal dalam hal apa?

Sign in / Sign up

Export Citation Format

Share Document