Analisis perbandingan modifikasi Algoritma Particle Swarm Optimization (PSO) pada Vehicle Routing Problem with Time Windows (VRPTW)

Indriyani, Sri (2023) Analisis perbandingan modifikasi Algoritma Particle Swarm Optimization (PSO) pada Vehicle Routing Problem with Time Windows (VRPTW). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (171kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (66kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (44kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (129kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (446kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (381kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (739kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (56kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (114kB) | Request a copy

Abstract

Particle Swarm Optimization (PSO) adalah salah satu metode optimasi sederhana dan efektif yang telah mendapatkan minat dari banyak peneliti di berbagai bidang. Salah satu masalah optimasi di bidang industri yaitu Vehicle Routing Problem (VRP) dengan tujuan untuk menemukan rute optimal dari sejumlah kendaraan untuk melayani sejumlah pelanggan sesuai dengan permintaannya. Rute terbaik atau rute optimal adalah rute dengan total jarak yang minimum. VRP memiliki variasi yang lebih spesifik dalam bidang industri, yang dikenal sebagai Vehicle Routing Problem with Time Windows (VRPTW). Dalam masalah ini, pelanggan dapat menerima layanan pengiriman dari kendaraan hanya pada interval waktu tertentu yang disebut time windows. Pada penelitian skripsi ini, penulis menganalisis perbandingan solusi yang dihasilkan dari pengembangan algoritma PSO yang dimodifikasi, diantaranya adalah Improved PSO dan Hybrid PSO untuk menyelesaikan VRPTW pada benchmark Solomon. Data yang digunakan adalah data C101, R101, dan RC101 dengan jumlah pelanggan 25, 50, dan 100. Hasil percobaan menunjukkan bahwa Improved PSO yang terbaik pada penelitian ini adalah menggunakan algoritma PSO Time Varying Acceleration Coeffitients (PSO-TVAC) dengan rata-rata Z_dev sebesar 109%. Sedangkan Hybrid PSO yang diimplementasikan pada VRPTW menghasilkan rata-rata Z_dev sebesar 86%. Hybrid PSO menghasilkan rata-rata Z_dev yang lebih kecil daripada Improved PSO yang terbaik yaitu PSO-TVAC. Hal ini menunjukkan bahwa hasil modifikasi PSO yang terbaik antara Improved PSO dan Hybrid PSO pada penelitian ini diperoleh dengan menggunakan algoritma Hybrid PSO.

Actions (login required)

View Item