Penyelesaian Traveling Salesman Problem Dengan Metode Algoritma Genetika (Uniform Crossover)
Keywords:
Algoritma genetika, , TSP (Traveling Salesman Problem), Optimasi, Uniform CrossoverAbstract
Rute yang optimal dibutuhkan untuk menunjang aktivitas kita sehari-hari agar lebih efektif dan efesien. Untuk mendapatkan rute yang optimal tersebut dapat digunakan suatu metode yaitu algortima genetika. Algoritma Genetik merupakan proses pencarian dengan pendekatan heuristik yang dapat digunakan pada berbagai macam permasalahan optimasi. Pada proses algoritma genetik ini terdiri dari beberapa langkah, yaitu menentukan parameter, inisialisasi, crossover, mutation, genotype-phenotype mapping, fitness, selection, dan termination. Salah satu permasalahan optimasi yang dapat diselesaikan dengan metode algoritma genetika ini ada TSP (Traveling Salesman Problem). Pada kasus yang akan diselesaikan menggunakan data 10 kota dan dalam algoritma digunakan uniform crossover. Dalam penyelesaian kasus TSP dengan algoritma genetik ini dapat diselesaikan dengan bantuan applikasi microsoft excel untuk mempermudah pengerjaan.
References
L. Hoffman, Karia. dkk. Traveling Salesman Problem. USA : Kluwer Academic Publishers. . 2001
Kramer,Oliver. Genetic Algorithm Essentials. Jerman: Springer. 2017.
Altoria, Mavida. A. 2007. Implementasi Algoritma Genetik Untuk Masalah Penjadwalan Job-Shop. Yogyakarta : Universitas Sanata Dharma.
Chandra W, Julian, dan Rofiyandi Aghitsni. Sistem Informasi Penjadwalan Menggunakam Algoritma Genetika Pada Program Studi Sastra InggrisFakultas Sastra UNIKOM. 2012. Bandung: UNIKOM
Semenkin, Eugene, dan Maria Semenkina. 2018. Self-configuring Genetic Algorithm with Modified Uniform Crossover Operator. Rusia: Siberian State Aerospace University.
M. Spears, William, dan Kenneth A. De Jong. 1995. An Analysis of Multi-point Crossover. USA: George Mason University.
