Hasil Pencarian  ::  Simpan CSV :: Kembali

"Multiple Travelling Salesman Problem (M-TSP) adalah masalah pencarian rute perjalanan optimal dari n kota oleh m salesman dengan m < n, dengan tiap kota hanya dapat dikunjungi satu kali dan oleh satu orang salesman saja. M-TSP merupakan perkembangan dari TSP dengan salesman lebih dari satu. Dalam tugas akhir ini akan dibahas M-TSP Single Depot yaitu M-TSP dengan kota awal perjalanan semua salesman berada di kota yang sama. Untuk menyelesaikan M-TSP digunakan Algoritma K-Means Clustering-Genetika, yaitu dengan membagi n kota yang ada menjadi m kluster kemudian tiap kluster akan diterapkan algoritma genetika dan pada akhirnya seluruh hasil yang didapat akan dijumlahkan untuk mengetahui total jarak tempuh seluruh salesman.

---

Multiple Travelling Salesman Problem (M-TSP) is a problem of finding an optimal travel route from n cities by m salesmen with m < n, the condition is that each city can only be visited once and only by one salesman. M-TSP is a development of the TSP problem which involves more than one salesman. M-TSP Single Depot, where all the salesmen start travelling from the same city, will be discussed in this final project. M-TSP will be solved by using the K-Means Clustering-Genetic Algorithm that divides n cities to m clusters and applies the genetic algorithm to each cluster, then all the results obtained will be summed to determine the total mileage of the whole salesman."

"Transportation cost adalah bagian penting dari logistics costs suatu perusahaan. Aktivitas pada transportasi merupakan salah satu aktivitas yang membutuhkan biaya terbesar dari keseluruhan biaya logistik. Oleh karena itu, mengurangi biaya yang terkait dengan transportasi merupakan kunci dalam mengurangi total biaya logistik. Namun hal tersebut akan menjadi semakin kompleks seiring dengan bertambahnya jumlah pelanggan. Dalam keilmuan optimasi, aktivitas transpostasi dapat dikategorikan sebagai Capacitated-Vehicle Routing Problem (CVRP). Dimana, salah satu cara untuk mengurangi biaya yang terjadi dari kegiatan ini adalah dengan mengoptimalkan jalur pengiriman. Namun, dengan bertambahnya lokasi pengiriman, maka permasalahan akan semakin kompleks secara eksponensial, meningkatkan kompleksitas untuk menemukan rute yang optimal. Penelitian terbaru dari F. Arnold dan K. Sörensen telah menunjukkan bahwa CVRP memiliki beberapa fitur penting untuk menentukan apakah solusinya baik atau tidak. Dengan menggunakan fitur-fitur pada CVRP, mereka berhasil memandu algoritma untuk menyelesaikan CVRP berskala besar. Dalam penelitian ini, peneliti mencoba mengembangkan algoritma Iterated Local Search (disebut sebagai modified-Iterated Local Search atau MILS), untuk menyelesaikan CVRP skala besar. Kami mencoba memandu algoritme menggunakan fitur paling penting dari VRP untuk menyelesaikan dengan cepat dan efektif. Kemudian algoritma juga diuji untuk menyelesaikan berbagai ukuran masalah, hingga mencapai 30.000 node dengan hasil yang kompetitif.

---

Transportation cost is the critical element of the total logistics costs of an organization.  Transportation activity is one of the main cost-driver of overall logistics cost. Hence, the transportation problem is becoming more complex in response to the growth of customers number. One way to reduce the cost that occurs from this activity is to optimize the delivery route. However, with the increase of delivery location, the potential routes are growing exponentially, escalating the complexity to find the optimal routes. This activity widely known as Capacitated-Vehicle Routing Problem (CVRP). Recent research from F. Arnold and K. Sörensen has shown that CVRP has some important features to define whether the solution is good or not. Using the features of CVRP, they successfully guide the algorithm to solve the large-scale CVRP. In this paper, we are focus employing the Iterated Local Search algorithm (called as modified-Iterated Local Search or MILS), to solve large-scale CVRP. We attempt to guide the algorithm using the most important feature of VRP to solve quickly and effectively.  Later, the algorithm also tested to solve various problems' size, until up to 30,000 nodes with the competitive result."

"Kemajuan industri menjadi suatu tantangan terhadap pengembangan ilmu pengetahuan dan teknologi. Industri akan semakin menuntut efisiensi dan efektifitas dalam berbagai aspek industri sebagai upaya meminimalkan biaya serta meningkatkan produktivitas. Oleh karena itu, diperlukan pengembangan berbagai metode solusi yang dapat menghasilkan nilai optimal namun juga dengan waktu penyelesaian yang relatif singkat.Travelling Salesman Problem atau yang sering disingkat dengan TSP merupakan salah satu permodelan masalah optimasi yang memiliki banyak aplikasi pada dunia industri seperti logisitik perkotaan, Job Scheduling, dan pembuatan Integrated Circuit. TSP diilustrasikan sebagai permasalahan seorang sales yang akan mengunjungi seluruh kota tujuan sebanyak satu kali dengan melalui jarak paling minimal dan kembali ke kota awal keberangakata. Namun pada penyelesaiannya TSP sebagai permasalahan sulit non-determistik polinomial sangatlah kompleks. Metode eksak akan memakan waktu iterasi yang lama dan meningkat secara eksponensial terhadap jumlah kota pada permasalahan TSP.Output dari penelitian ini adalah model optimasi TSP yang dapat menghasilkan rute dengan nilai mendekati optimal serta waktu penyelesaian yang relatif singkat. Model akan dikembangkan dengan algoritma heuristik komposit yakni Clarke-Wright Savings Heuristic untuk mengembangkan solusi awal yang kemudian ditingkat melalui operasi local search. Model akan dibuat dalam tiga buah variasi local search dan diujicobakan pada 30 data set dengan rentang 131 hingga 85.900 titik.

---

Industrial development is a challenge to the development of science and technology. The industry will increasingly demand efficiency and effectiveness in various aspects of the industry as an effort to minimize costs and increase productivity. Therefore, it is necessary to develop various solution methods that can produce optimal values ​​but also with relatively short computation times.

Traveling Salesman Problem or often abbreviated as TSP is one of the optimization problem modeling that has many applications in the industrial world such as urban logistic, job scheduling, and the manufacture of integrated circuits. TSP is illustrated as a problem of a salesman who will visit the entire destination city once by going through the minimum distance and returning to the initial city. But TSP as one of non polynomial complete hard problem, is very complex to solve. The exact method will take a long iteration time and increase exponentially to the number of cities in TSP problems.

The output of this study is a TSP optimization model that can produce routes with near optimal values ​​and relatively short computation times. The model will be developed with a composite heuristic algorithm of clarke-wright savings heuristic to develop initial solutions then will be improve through local search operations. The model will be made in three varians and tested on 30 data sets with a range of 131 to 85,900 points."

"Pencarian dan penentuan rute optimal (satu atau sekelompok rute terbaik) dalam jaringan transportasi bukan merupakan masalah yang sederhana terutama yang menyangkut jaringan yang berskala besar dan kompleks. Secara manual penyelesaian masalah ini seringkali sulit dijalankan, sedangkan secara komputer biasanya membutuhkan waktu operasi yang sangat panjang. Menjadi tantangan bagi dunia teknik transportasi untuk mencari metode optimasi rute transportasi yang ampuh dan efisien, terutama metode yang berprospek bagi implementasi komputer berkinerja tinggi. Metode yang dapat menjawab tantangan tersebut adalah metode GTE, yaitu metode yang mampu menjadi model untuk dapat melengkapi pengembangan model pemilihan rute yang mengarah kepada model keseimbangan dengan pembebanan yang bersifat stokastik pada jaringan rute yang besar dan kompleks. Usaha yang dilakukan dalam studi ini adalah pengembangan model yang menjadi alternatif bagi model yang sudah ada, dan diharapkan model ini dapat dikembangkan lebih lanjut untuk keperluan tertentu (untuk penyelesaian kasus tertentu). Proses pengembangan model ini di bagi kepada penggunaan analisis jaringan secara rute (path) mulai dari tahap awal sampai akhir proses perhitungan. Permasalahan penentu sejumlah rute pilihan dalam jaringan yang besar dapat diatasi dengan melakukan pendekatan-pendekatan konsep reliabilitas dan probabilitas dari suatu distribusi normal. Model stokastik yang digunakan dalam penyelesaian keseimbangan jaringan adalah model logit dengan menggunakan fungsi multinomial logit path. Untuk melihat penggunaan yang lebih luas, model optimasi jaringan stokastik multinomial logit path assignment dikembangkan juga dengan menggunakan model angkutan umum dengan rute tetap dengan waktu yang memperhitungkan waktu transfer pada setiap lebih perhentiannya. Untuk melihat perbandingan perhitungan model tersebut dalam aplikasi model dengan beberapa contoh jaringan, baik jaringan yang sederhana rnaupun jaringan yang relatif cukup besar. Dan hasil perhitungan di peroleh kesimpulan bahwa walaupun secara komputasi model dengan algoritma GTE masih relatif lebih lambat dari model konvensional yang dalam hal ini model CCM dengan algoritma label correcting, tetapi secara jumlah iterasi relatif lebih kecil, lebih fleksibel dan lebih dapat merepresentasikan perilaku pengguna jalan secara realistis. Dan model ini lebih dapat digunakan pada model stokastik yang dalam perkembangannya dapat menjembatani pengembangan analis secara dinamis terhadap penyelesaian jaringan."