Analisis dan Implementasi Algoritma Genetika dengan Mutasi Berarah Dalam Studi Kasus Travelling Salesman Problem

Arif Setya Dharma

Informasi Dasar

113080181
005.1
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Travelling Salesman Problem adalah sebuah permasalahan kombinatorial yang terdiri dari beberapa kota di mana setiap kota memiliki jarak yang berbeda antara kota yang satu dengan kota yang lain. Tujuan dari kasus Travelling Salesma Problem sendiri adalah mencari jarak terpendek di mana semua kota dapat terlewati tanpa melewati kota yang sama dua kali
Algoritma Genetika dengan mutasi berarah adalah salah satu metode yang dapat digunakan untuk membangun sistem yang dapat mengatasi permasalahan Travelling Salesman Problem. Dengan adanya Mutasi Terarah dapat menjamin nilai fitnes cenderung menjadi lebih baik dan tidak akan pernah memburuk.
Dataset yang digunakan adalah dataset berupa tsplib yang diperoleh dan diunduh dari website http://www.tsp.gatech.edu/world/countries.htmldengan parameter yang di ujikan adalah Probabilitas Crossover, Jumlah Kromosom, dan Jumlah Generasi. Berdasarkan observasi yang telah dilakukan dapat diketahui bahwa semakin bahwa semakin besarnya probabilitas crossover membuat akurasisemakin memburuk. Jumlah kromosom yang semakin besar membuat akurasi semakin baik. Begitu juga dengan Jumlah Generasi dimana jika semakin besar nilai Jumlah Generasi maka akan semakin baik akurasi yang didapat.
Kata Kunci : Travelling Salesman Problem, Algoritma Genetika, Mutasi Berarah, Jumlah Kromosom, Jumlah Generasi, Akurasi.ABSTRACT: Travelling Salesman Problem is a combinatorial problem that consists of several cities where each city had a different distance between one city to another. The purpose of Travelling Salesman Problem is to find the shortest distance in which all cities can be passed without going through the same city twice.
Genetic algorithm with direct mutation is one method that can be used to build systems that can overcome the problems of Traveling Salesman Problem. Directed Mutation can guarantee the fitness values that mutates chromosomes tend to be better and will never deteriorate.
Dataset used is a tsplib dataset, obtained and downloaded from the website http://www.tsp.gatech.edu/world/countries.html was tested with several parameters such as Crossover Probability, Chromosome Number, and Generation Number. Based on the observations that have been made can be seen that the magnitude of the probability that the crossover makes the accuracy worse. The greater the number of chromosomes makes the accuracy better. So is the number of generation where if the greater value of the number of generations, the better accuracy is obtained.
Keyword: Travelling Salesman Problem, Genetic Algorithms, Direct Mutation, Chromosome Number, Generation Number, Accuracy.

Subjek

Informatika Teori dan Pemrograman
 

Katalog

Analisis dan Implementasi Algoritma Genetika dengan Mutasi Berarah Dalam Studi Kasus Travelling Salesman Problem
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Arif Setya Dharma
Perorangan
Suyanto, Untari Novia Wisey
 

Penerbit

Universitas Telkom
Bandung
2013

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini