PERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM | Djamarus | TEKNOINFO 346 648 1 SM
Bebas
5
0
0
Teks penuh
Dokumen terkait
[r]
Hasil simulasi yang ditunjukkan oleh tabel 3.9 diatas, dapat diketahui bahwa performa terbaik dimiliki oleh Algoritma ACS dan yang terjelek algoritma AS. Pada kasus – kasus
Sebagai contoh dalam aplikasi dari software Ant Picking System (APS) yang dibuat peneliti dalam menunjang pengaplikasian dari algoritma ACS, perhitungan jarak
Hasil simulasi yang ditunjukkan oleh tabel 3.9 diatas, dapat diketahui bahwa performa terbaik dimiliki oleh Algoritma ACS dan yang terjelek algoritma AS. Pada kasus – kasus
Sedangkan kendala (2.2) digunakan untuk menghindari adanya cycle pada sebagian simpul yang merepresentasikan adanya subtour (sebagian rute perjalanan) yang membentuk
Kemudian, jika setiap semut telah mengunjungi semua simpul dan kembali lagi ke simpul asal, maka akan diperoleh lebih dari satu kemungkinan solusi jarak tempuh karena ada lebih
menyelesaikan proposal skripsi yang berjudul ” Hybrid Algoritma Improved Ant Colony Optimization (IACO) dengan Hill Climbing (HC) untuk menyelesaikan Travelling
ruas dilakukan, kemudian setiap semut menghitung panjang tour yang telah mereka lakukan lalu meninggalkan sejumlah Pheromone pada edge-edge yang merupakan bagian
