EVALUASI KINERJA GENETIC ALGORITHM (GA) DENGAN STRATEGI PENALTI STUDI KASUS MULTI-CHOICE MULTI-DIMENSIONAL KNAPSACK PROBLEM (MMKP)

DIAN ANGGRAINI, 1217051020 (2016) EVALUASI KINERJA GENETIC ALGORITHM (GA) DENGAN STRATEGI PENALTI STUDI KASUS MULTI-CHOICE MULTI-DIMENSIONAL KNAPSACK PROBLEM (MMKP). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text ABSTRACT (ABSTRAK).pdf Download (206kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Registered users only Download (2MB)
Preview	Text SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2MB) | Preview

Abstract

Persoalan optimasi sering ditemui dalam kehidupan sehari-hari. Salah satu contohnya adalah persoalan knapsack. Persoalan Knapsack memiliki beberapa jenis, pada penelitian ini akan digunakan Multi-Choice Multi-Dimensional Knapsack Problem (mmKP). Persoalan mmKP memiliki fungsi kendala yang akan membagi ruang solusi layak dan tidak layak. Untuk mengatasi ini dibutuhkan strategi penanganan kendala. Strategi yang akan digunakan adalah strategi penalti. Pada penelitian ini digunakan Genetic Algorithm (pGA) dan pGA dengan tambahan Local Search (phGA) untuk menyelesaikan mmKP. Hasil dari penelitian ini menunjukkan phGA memiliki hasil yang lebih baik dibandingkan pGA, namun pGA membutuhkan running time yang lebih sedikit dibandingkan phGA. Kata kunci: Genetic Algorithm (GA), Knapsack Problem, Multi-Choice Multi- Dimensional Knapsack Problem, Local Search, Penalty Strategy ABSTRACT Optimization problem frequently encountered in daily activity. Knapsack problem (KP) is one of the examples. KP have varian, KP used in this research was Multi- Choice Multi-Dimensional Knapsack Problem (mmKP). mmKP problem has constraints function that will divide feasible and not feasible solution. Handle constraints strategy is needed to resolve this problem. Strategy will be used is penalty strategy. This research used Genetic Algorithm (pGA) and pGA with addition Local Search (phGA) to resolve mmKP. The result of this research shows that phGA has better solution value than pGA, but pGA need less running time than phGA. Key word: Genetic Algorithm (GA), Knapsack Problem, Multi-Choice Multi- Dimensional Knapsack Problem, Local Search, Penalty Strategy

Item Type:	Other
Subjects:	Q Science (General) > QA Mathematics > QA75 Electronic computers. Computer science Q Science (General) > QA Mathematics > QA76 Computer software
Divisions:	Fakultas MIPA > Prodi Ilmu Komputer
Depositing User:	3802430 . Digilib
Date Deposited:	09 Jan 2017 04:50
Last Modified:	09 Jan 2017 04:50
URI:	http://digilib.unila.ac.id/id/eprint/25090

Actions (login required)

View Item