Hybrid Firefly Algorithm (FA) dan Bat Algorithm (BA) untuk Menyelesaikan Uncapacitated Facility Location Problem (UFLP).

Uncapacitated Facility Location Problem (UFLP) merupakan permasalahan penempatan suatu fasilitas pada suatu lokasi dengan kapasitas customer yang dilayani oleh masing-masing fasilitas diasumsikan tidak terbatas, sehingga diperoleh biaya total minimum. Skripsi ini menggunakan Firefly Algorithm (F...

Full description

Saved in:
Bibliographic Details
Main Author: Robiatul Adawiyah, 081411231056
Format: Theses and Dissertations NonPeerReviewed
Language:Indonesian
Indonesian
Published: 2018
Subjects:
Online Access:http://repository.unair.ac.id/79526/1/MPM.%2001-19%20Ada%20h.pdf
http://repository.unair.ac.id/79526/2/MPM.%2001-19%20Ada%20h%20Abstrak.pdf
http://repository.unair.ac.id/79526/
http://lib.unair.ac.id
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Universitas Airlangga
Language: Indonesian
Indonesian
Description
Summary:Uncapacitated Facility Location Problem (UFLP) merupakan permasalahan penempatan suatu fasilitas pada suatu lokasi dengan kapasitas customer yang dilayani oleh masing-masing fasilitas diasumsikan tidak terbatas, sehingga diperoleh biaya total minimum. Skripsi ini menggunakan Firefly Algorithm (FA) dan Bat Algorithm (BA) untuk menyelesaikan Uncapacitated Facility Location Problem (UFLP). Dalam penyelesaian masalah, pada proses awal penulis menggunakan Firefly Algorithm (FA) kemudian dilanjutkan Bat Algorithm (BA). Proses algoritma ini dimulai dengan input data dan inisialisasi parameter, membangkitkan populasi awal firefly, evaluasi fungsi tujuan, menghitung intensitas cahaya, membandingkan intensitas cahaya, menetukan G-best, melakukan movement pada firefly terbaik, mengecek maks iterasi, mengkonversi populasi firefly menjadi populasi bat, memperbarui posisi bat, local search, mencari solusi terbaik diantara solusi baru bat. Metode ini diimplementasikan pada dua contoh kasus yaitu data kecil dengan 10 lokasi dan 15 customer serta data besar dengan 50 lokasi dan 50 customer dengan menggunakan bahasa pemrograman C++. Dari hasil running program diperoleh total biaya minimum untuk data kecil yaitu 149111,094 dan untuk data besar yaitu 815715,500. Semakin besar jumlah popsize dan maksimum iterasi maka solusi yang diperoleh cenderung lebih baik