Indradi, Nur Aji Haryo and Zuraidah Fitriah, S. Si., M. Si. (2024) Metode Constrained Clustering Algoritma Genetika dalam Pencarian Rute Optimal pada CVRP. Sarjana thesis, Universitas Brawijaya.
Abstract
Besar pasar industri logistik sedunia tercatat mencapai 10,4 triliun USD. Biaya transport distribusi produk dapat mencapai duapertiga dari total biaya logistik sehingga permasalahan utama dalam bidang logistik adalah memaksimalkan efisiensi alat dan personil kendaraan distribusi. Capacitated Vehicle Routing Problem (CVRP) merupakan permasalahan penentuan rute perjalanan optimal dengan beberapa kendaraan yang memiliki kapasitas terbatas terhadap suatu himpunan pelanggan. Pemilihan Constrained Clustering Algoritma Genetika (CCAG) untuk pencarian rute optimal pada CVRP disebabkan pembentukan cluster mampu memberikan rute perjalanan yang lebih optimal dibandingkan algoritma genetika biasa serta membutuhkan waktu komputasi yang lebih sedikit. CCAG terbagi menjadi dua fase yaitu fase penugasan dan fase pembaharuan. Fase penugasan merupakan pembentukan cluster pelanggan dan penugasan armada kendaraan ke satu atau beberapa cluster berdasarkan kapasitas kendaraan. Fase pembaharuan merupakan penentuan rute dari pelanggan-pelanggan yang ditugaskan pada masing-masing kendaraan. CCAG dan algoritma genetika permutasi diterapkan pada Google Colab menggunakan beberapa data uji, kemudian rute yang dihasilkan dibandingkan dari segi jarak tempuh dan waktu komputasi. Hasil rute kendaraan menggunakan CCAG mampu bersaing dengan algoritma genetika permutasi dari segi jarak tempuh maupun waktu komputasi.
English Abstract
The global logistics industry market size is recorded to reach 10.4 trillion USD. Product distribution transportation costs can reach twothirds of the total logistics cost, so the main problem in the logistics field is maximizing the efficiency of distribution vehicle equipment and personnel. Capacitated Vehicle Routing Problem (CVRP) is a problem of determining the optimal travel route with several vehicles that have limited capacity to a set of customers. The selection of Constrained Clustering Genetic Algorithm (CCAG) for optimal route search in CVRP is because cluster formation can provide a more optimal travel route than ordinary genetic algorithms and requires less computation time. CCAG is divided into two phases, namely the assignment phase and the renewal phase. The assignment phase is the formation of customer clusters and the assignment of vehicle fleets to one or more clusters based on vehicle capacity. The renewal phase is the determination of the route from the customers assigned to each vehicle. CCAG and permutation genetic algorithms are implemented on Google Colab using several test data, then the resulting routes are compared in terms of distance and computation time. The results of the vehicle route using CCAG are able to compete with permutation genetic algorithms in terms of both distance and computation time.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052409 |
| Uncontrolled Keywords: | algortima genetika, CCAG, constrained clustering, CVRP. |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with username nova |
| Date Deposited: | 09 Aug 2024 05:52 |
| Last Modified: | 09 Aug 2024 05:52 |
| URI: | http://repository.ub.ac.id/id/eprint/222784 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Nur Aji Haryo Indradi.pdf Restricted to Registered users only Download (2MB) |
Actions (login required)
 |
View Item |