Implementasi Traveling Salesman Problem pada Pemilihan Jalur ATM Locator Menggunakan Ant Colony Optimization

Danang Wahyu Utomo, Defri Kurniawan, N. Ningrum
{"title":"Implementasi Traveling Salesman Problem pada Pemilihan Jalur ATM Locator Menggunakan Ant Colony Optimization","authors":"Danang Wahyu Utomo, Defri Kurniawan, N. Ningrum","doi":"10.30591/JPIT.V6I1.2265","DOIUrl":null,"url":null,"abstract":"Permasalahan utama Traveling Salesman Problem adalah penentuan solusi optimal dari beberapa jalur yang ditentukan. Pemilihan jalur ATM locator memiliki permasalahan yang sama dalam pemilihan jalur yang optimal. Penempatan ATM di berbagai titik lokasi dapat menyebabkan banyaknya kemungkinan pencarian lokasi ATM tersebut. Pengguna harus menelurusi jalur – jalur yang mungkin menjadi jalur terdekat dalam pencarian ATM locator. Berdasarkan permasalahan tersebut, penelitian ini mengusulkan Ant Colony Optimization (ACO) dalam menemukan solusi optimal pemilihan jalur optimal ATM locator. ACO adalah algoritma swarm intelligence yang mampu menyelesaikan masalah kombinasi tur pada TSP. pada tahap eksperimen, representasi titik lokasi ATM locator menggunakan koordinat latitude dan longitude. Penghitungan jarak antar titik lokasi menggunakan formula Haversine. Parameter τ0 yang digunakan adalah 0.5, 0.7 dan 0.9. parameter pheromone untuk menguji pemilihan jalur terdekat dan kebutuhan biaya yang sedikit. Eksperimen membuktikan bahwa ACO menemukan solusi optimal jalur terdekat dan biaya yang sedikit dengan pengaturan parameter a = 1, b = 2, ρ = 0.5, dan τ0 = 0.5.Level pheromone 0.5 mampu menemukan jalur terpendek 34.30 dibandingkan level pheromone 0.7 dan 0.9 dengan hasil 38.96 dan 39.05. level pheromone 0.5 juga menemukan kebutuhan biaya yang sedikit dibandingkan 0.7 dan 0.9.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-01-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Jurnal Pengembangan IT","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30591/JPIT.V6I1.2265","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Permasalahan utama Traveling Salesman Problem adalah penentuan solusi optimal dari beberapa jalur yang ditentukan. Pemilihan jalur ATM locator memiliki permasalahan yang sama dalam pemilihan jalur yang optimal. Penempatan ATM di berbagai titik lokasi dapat menyebabkan banyaknya kemungkinan pencarian lokasi ATM tersebut. Pengguna harus menelurusi jalur – jalur yang mungkin menjadi jalur terdekat dalam pencarian ATM locator. Berdasarkan permasalahan tersebut, penelitian ini mengusulkan Ant Colony Optimization (ACO) dalam menemukan solusi optimal pemilihan jalur optimal ATM locator. ACO adalah algoritma swarm intelligence yang mampu menyelesaikan masalah kombinasi tur pada TSP. pada tahap eksperimen, representasi titik lokasi ATM locator menggunakan koordinat latitude dan longitude. Penghitungan jarak antar titik lokasi menggunakan formula Haversine. Parameter τ0 yang digunakan adalah 0.5, 0.7 dan 0.9. parameter pheromone untuk menguji pemilihan jalur terdekat dan kebutuhan biaya yang sedikit. Eksperimen membuktikan bahwa ACO menemukan solusi optimal jalur terdekat dan biaya yang sedikit dengan pengaturan parameter a = 1, b = 2, ρ = 0.5, dan τ0 = 0.5.Level pheromone 0.5 mampu menemukan jalur terpendek 34.30 dibandingkan level pheromone 0.7 dan 0.9 dengan hasil 38.96 dan 39.05. level pheromone 0.5 juga menemukan kebutuhan biaya yang sedikit dibandingkan 0.7 dan 0.9.
ATM定位字符串选择中旅行商问题的蚁群优化实现
旅行商问题的主要问题是确定某些特定路线的最优解。ATM定位路径的选择在路径的最佳选择中具有相同的问题。ATM在不同位置的位置可以导致搜索ATM位置的许多可能性。用户必须通过一条路径——这条路径可能是搜索ATM定位器时最接近的路径。基于这些问题,本研究建议蚁群优化(ACO)来寻找ATM跟踪定位器的最优解。ACO算法是一种群智能算法,用于解决TSP上的旅游组合问题。在实验水平上,使用纬度和经度坐标来表示ATM定位点。使用Haversine公式计算定位点之间的距离。使用的参数τ0分别为0.5、0.7和0.9。信息素参数测试最近路径选择和低成本要求。实验证明,ACO在参数设置为a=1,b=2,ρ=0.5和τ0=0.5的情况下,找到了最近路径和低成本的最优解。与0.7和0.9相比,信息素水平0.5也发现了低成本要求。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
审稿时长
24 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信