Algoritma Ant Colony Optimization pada Quadratic Assignment Problem

Abstract

ABSTRAKQuadratic Assignment Problem (QAP) merupakan salah satu perluasan dari masalah penugasan dengan menetapkan n fasilitas ke n lokasi tertentu untuk meminimalkan total biaya penugasan. QAP juga merupakan masalah optimasi kombinatorial yaitu masalah yang mempunyai himpunan solusi terhingga. Pada dasarnya solusi dari masalah kombinatorial bisa didapatkan dengan hasil yang tepat namun untuk masalah kompleks dengan ukuran data yang lebih besar cukup sulit dalam perhitungan karena waktu yang digunakan cukup lama untuk proses penyelesaian. Salah satu algoritma yang diterapkan dalam penyelesaian QAP ini adalah algoritma Ant Colony Optimization (ACO) yaitu algoritma yang meniru tingkah laku semut dalam mencari makanan dari sarang ke sumber makanan dengan bantuan komunikasi tak langsung yang disebut pheromone, sehingga pheromone ini digunakan untuk mencari solusi optimal dengan waktu yang cukup singkat. Penelitian ini menggunakan ACO untuk menyelesaikan masalah QAP dengan melibatkan rumus random proportional rule, mendapatkan solusi terkecil dan memperbaharui pheromone hingga penugasan stabil. Solusi yang didapatkan bernilai tetap sampai solusi maksimum penugasan. Memanfaatkan studi kasus pada kasus Nugent diperoleh solusi yang lebih minimal dan penempatan fasilitas kelokasi yang tepat melalui bantuan pheromone dan disimpan dalam tabu list sehingga semua fasilitas mendapatkan lokasi yang layak dengan waktu yang cukup singkat dalam penyelesaian. ABSTRACTQuadratic Assignment Problem (QAP) is one extension of the assignment problem by setting n facilities to n certain locations to minimize the total assignment costs. QAP is also a combinatorial optimization problem that is a problem that has a finite set of solutions. Basically the solution of combinatorial problems can be obtained with the right results but for complex problems with larger data sizes it is quite difficult to calculate because the time used is long enough for the completion process. One of the algorithms implemented in the completion of QAP is the Ant Colony Optimization (ACO) algorithm is an algorithm that mimics the behavior of ants in finding food from the nest to a food source with the help of indirect communication called pheromone, so that pheromone is used to find optimal solutions with quite a short time. in this research ACO is used to solve the QAP problem by using a random proportional of rule formula then getting the smallest solution and renewing the pheromone until the assignment is stable and the solution obtained is fixed until the maximum assignment solution. The results obtained to complete the Quadratic Assignment Problem with the Ant Colony Optimization algorithm to get a solution to the QAP problems tested in the Nugent case resulted in a more minimal

Sistem optimasi pendistribusian bahan makanan dan snack dengan algoritma Ant Colony Optimization (ACO)

“…Dengan sebuah mekanisme tertentu, semut -semut yang lain akan mengetahui jalur untuk menuju ke sumber makanan tersebut, kemudian mengangkut makanan ke sarangnya. Bahkan ketika jalur yang sudah tercipta diberi penghalang, semut tersebut akan menemukan jalur baru yang menghubungkan ke tujuannya [6]. Hal ini terjadi karena pada saat semut berjalan mereka meninggalkan jejak berupa pheromone.…”