Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKnapsack Problem (KP) merupakan masalah optimisasi dalam menentukan objekdari sekumpulan objek yang memiliki nilai dan bobot yang akan ditempatkan kedalam media penyimpanan dengan tujuan memaksimumkan nilai barang dengansyarat kapasitas bobot media penyimpanan terbatas. Dalam tugas akhir ini, akandibahas {0-1} Knapsack Problem ({0-1} KP) yang direpresentasikan dalambentuk graf berarah. Setelah direpresentasikan dalam bentuk graf berarah,kemudian dilakukan transformasi pada nilai busur pada graf berarah tersebut dandicari lintasan terpendek antar dua node. Untuk mencari lintasan terpendek,digunakan Algoritma Amoeboid Organism dengan inputnya adalah matriksadjacency dari graf berarah yang telah ditransformasi nilai busurnya dan matrikskonduktivitas. Output dari algoritma ini adalah menghasilkan matrikskonduktivitas yang elemen-elemennya bernilai mendekati 0 atau 1. Entri yangbernilai mendekati 1 merepresentasikan lintasan terpendek pada graf. Lintasanterpendek yang diperoleh akan menjadi solusi yang optimal pada {0-1} KP.

---

ABSTRACTKnapsack Problem (KP) is optimization problem to choose object from set ofobjects which have profit and weight and the object will be placed in limitedstorage with total of profit is maksimum. First, will be explained aboutrepresenting {0-1} Knapsack Problem ({0-1} KP)to directed graph. After {0-1}KP is represented in directed graph, so transforming value of edge on directedgraph and dicari lintasan terpendek antar dua node. To search shortest path, useAmoeboid Organism Algorithm with adjacency matrices from directed graph andconductivity matrices as input. Output from this algorithm is produce conductivitymatrices with element which have value approach 0 and . Element which havevalue approach 1 represent shortest path on graph. Shortest path on graph isoptimal solution in {0-1} KP."

"ABSTRAKKnapsack Problem KP adalah masalah penempatan item barang ke dalam suatu tempat biasa disebut Knapsack yang mempunyai kapasitas tertentu dimana setiap item memiliki berat dan nilai sehingga total berat dari item item yang ditempatkan tidak melebihi kapasitas Knapsack dan nilai yang didapatkan maksimum 0 1 Knapsack Problem 0 1 KP adalah kasus khusus dari KP dimana setiap item hanya tersedia 1 unit sehingga keputusannya adalah untuk memasukkan item tersebut ke dalam Knapsack atau tidak Algoritma Soccer League Competition SLC akan digunakan untuk menyelesaikan 0 1 KP yang ide dasarnya berasal dari kompetisi yang terjadi di liga sepak bola Penyelesaian 0 1 KP menggunakan algoritma SLC ini kemudian akan disimulasikan pada 10 permasalahan 0 1 KP dengan menggunakan perangkat lunak pada komputer Lalu hasilnya akan dibandingkan dengan solusi yang diperoleh dari algoritma NGHS.

---

ABSTRACT

Knapsack Problem KP is an optimization problem to placed some item into a place called Knapsack that have certain capacity which each item has a weight and a value so that the total weight of the chosen items does not exceed the capacity of knapsack and the total value is as large as possible 0 1 Knapsack Problem 0 1 KP is a case of KP which is only one unit available for each item so that the decision is to put these items to knapsack or not Soccer League Competition algorithm will be used to solving 0 1 KP The basic idea of SLC algorithm is from the competition that happen on a soccer league Then SLC algorithm will be simulated on 10 solved 0 1 KP problem with software on computer to solve 0 1 KP and will be compared with solutions from NGHS."

"The 0-1 multidimensional knapsack problem (MKP) has been proven it belongs to difficult NP-har combinatorial optimization problems. There are various search algorithms based on population concept to solv these problems. the particle swarm optimization (PSO) technique is adapted in our stucy, which proposes a novel PSO algorithm, namely, the binary PSO based on surrogate information with proportional acceleration coefficients (BPSOSIPAC). the proposed algorithm was tasted on 135 benchmark problems from the OR-Library to validate and demonstrate the efficiency in solving multidimensional knapsack problems. The result were then compared with those in the other nine existing PSO algorithms. The simulation and evaluation result showed that the proposed algorithm, BPSOSIPAC, is superior to the of successful runs, average eror (AE) , mean absolute deviation, mean absolute percentage error, last error, standard deviation, best profit, mean profit, worst profit, AE of the best profit (%), AE of the mean profit deviaton. "

"0-1 Knapsack Problem adalah permasalahan optimasi dalam menentukan objek dari sekumpulan objek tertentu dimana masing-masing objeknya hanya mempunyai satu unit. Masing-masing objek tersebut mempunyai bobot (weight) dan nilai (profit) yang dimasukkan ke dalam suatu media penyimpanan yang mempunyai kapasitas tertentu sehingga banyaknya bobot dari objek-objek tersebut tidak melebihi kapasitas dan nilai yang didapatkan maksimum. Dalam tugas akhir ini, algoritma Novel Global Harmony Search (NGHS) akan digunakan untuk menyelesaikan 0-1 Knapsack Problem (0-1 KP). Kemudian akan dibandingkan hasil penyelesaian 0-1 KP yang menggunakan algoritma NGHS dengan algoritma Harmony Search (HS).

---

0-1 Knapsack Problem (0-1 KP) is an optimization problem to determine object from several object in which each object has exactly one unit. Each object have weights and values to place into storage which has a specific capacity so that the total weight of every object are not exceed the capacity and obtain a maximum value. In this undergraduate thesis, Novel Global Harmony Search (NGHS) algorithm will be used to solve 0-1 KP. The result will be compare with Harmony Search (HS) algorithm."

"ABSTRAKRobust Knapsack Problem (RKP) adalah variasi dari masalah Knapsack, dimana dalam hal ini bobot dari setiap item belum diketahui secara pasti, dan hanya diketahui terletak dalam sebuah interval tentu. Pada RKP akan dicari solusi optimal yang merupakan keuntungan optimal yang akan didapatkan, dan item-item mana saja yang diletakkan ke dalam Knapsack sehingga menghasilkan solusi optimal. Terdapat dua metode alternatif yang akan dijelaskan untuk mencari solusi optimal pada RKP, yang kemudian dibandingkan efisiensi dari kedua metode tersebut dengan dilihat dari running time masing-masing metode. Sedangkan untuk mencari himpunan item-item yang menghasilkan solusi optimal pada RKP akan digunakan metode partisi rekursif, dimana ide awalnya adalah dengan mempartisi himpunan item menjadi dua subhimpunan item.

---

ABSTRACTRobust Knapsack Problem (RKP) is a variation of the Knapsack Problem, where in this case the weight of each item is not exactly known in advance, but belongs to a given interval. On RKP, it will be sought optimal solution, which is the optimal benefit to be gained, and set of items placed into the Knapsack. There are two methods that will be discussed to find optimal solution in RKP, and then the efficiency of the two alternative methods will be compared with their running time. Whereas, to search the set of items that build optimal solutions in the RKP will be used recursive partitioning method. The main idea of this method is dividing the set of items into two subsets of items."

"ABSTRAKMultiple 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.

---

ABSTRACTMultiple 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."

"Penjemputan dan Pengantaran Traveling Salesman Problem dengan aturan first-in-first-out (TSPPDF) merupakan suatu masalah pencarian rute untuk melayani sejumlah pelanggan dalam penjemputan dan sekaligus pengantaran dimana penjemputan dan pengantaran tersebut harus mengikuti aturan first-in-first-out (FIFO). Dimulai dari tempat asal (depot), mengunjungi semua tempat penjemputan dan tempat pengantaran, kemudian kembali ke tempat asal dengan total biaya atau jarak perjalanan minimal. Dalam tugas akhir ini, algoritma FIFO Nearest Neighbor (FNN) akan digunakan untuk menyelesaikan TSPPDF. Kemudian akan dibandingkan hasil penyelesaian TSPPDF yang menggunakan algoritma FNN dengan TSP solver. Setelah itu, hasil TSPPDF dari algoritma FNN akan dioptimalkan secara manual menggunakan algoritma Iterated Local Search (ILS).

---

The pickup and delivery traveling salesman problem with first-in-first-out (TSPPDF) is a routing problem to service n customers in the pickup and delivery which is the pickup and delivery operations must be executed in a first-in-first-out (FIFO). Starting from an origin vertex (depot), visiting all the pick-up and delivery, then returned to an origin vertex with minimum total cost or distance. In this undergraduate thesis, the FIFO Nearest Neighbor algorithm (FNN) will be used to solve TSPPDF. Then the results of TSPPDF which uses an FNN algorithm will be compared with TSP solver. After that, the results of the FNN algorithm will be optimized manually using the Iterated Local Search (ILS) algorithm."

"Aircraft landing problem (ALP) merupakan suatu permasalahan pesawat terbang dalam menemukan jadwal yang optimal untuk pendaratan pesawat terbang. Objektivitas dari ALP adalah meminimumkan total biaya pinalti dari pesawat pada single runway maupun multiple runway. Dalam permasalahan ini terdapat beberapa hal penting yang harus dipertimbangkan yaitu kepentingan pemisahan waktu antara pesawat terbang dan interval waktu (time window) yang harus diperhatikan demi kepentingan keselamatan penumpang. Pertama, akan diberikan pemodelan matematis dari ALP dengan fungsi objektif yang linear. Kedua, akan digunakan pendekatan solusi heuristik yaitu Algoritma Ant Colony Optimization (ACO) dalam mencari solusi ALP yang optimal.

---

Aircraft landing problem (ALP) describes the aircraft problem of finding an optimal schedule of aircrafts landing. The objective of ALP is to minimize total penalty restrictive cost of aircraft in a single runway or multiple runways. This problem considers few certain constraints, such as the necessary separation time between aircrafts and time window that should be concerned for passenger safety. In the first part, will be presented a mathematical formulation of the problem with linear objective function. The second part is heuristic solution approaches with Ant Colony Optimization Algorithm to solve ALP."