Pencarian Simulated Annealing

Slides:



Advertisements
Presentasi serupa
Penyelesaian TSP dengan Algoritma Genetik
Advertisements

Bahan Kuliah Matematika Diskrit
Metode Pencarian Heuristik
Algoritma Genetika Kelompok 2 Ferry sandi cristian ( )
Kecerdasan Buatan Pencarian Heuristik.
TEORI GRAF Oleh : Yohana N, S.Kom.
GRAF TIDAK BERARAH PART 2 Dosen : Ahmad Apandi, ST
Algoritma Genetika.
Genetic Algoritms.
Design and Analysis of Algorithm Dynamic Programming
SEARCH 2 Pertemuan ke Lima.
Hill Climbing.
Pencarian Heuristik.
METODE PENCARIAN HEURISTIK
Hill Climbing Best First Search A*
Uniform-Cost Search (UCS)
HEURISTIC SEARCH Presentation Part IV.
Pertemuan 4 Mata Kuliah : Kecerdasan Buatan
Ruang Keadaan (state space)
Metode Pencarian & Pelacakan
Pertemuan 24 BRANCH AND BOUND (2)
Kuliah Sistem Fuzzy Pertemuan 13 “Algoritma Genetika” (lanjutan)
SISTEM INTELEGENSIA BUATAN
Pertemuan 16 DYNAMIC PROGRAMMING : TRAVELING SALESMAN PROBLEM (TSP)
1 Pertemuan 24 Branch and Bound II Matakuliah: T0034/Analisis & Perancangan Algoritma Tahun: 2005 Versi: 1/0.
Pencarian Heuristik.
METODE PENCARIAN dan PELACAKAN
TEORI GRAF.
Bahan Kuliah IF2091 Struktur Diskrit
Informed (Heuristic) Search
Bahan Kuliah IF2091 Struktur Diskrit
Kecerdasan Buatan Materi 4 Pencarian Heuristik.
Disampaikan Oleh : Yusuf Nurrachman, ST, MMSI
Pencarian Heuristik.
Perbandingan Algoritma Brute Force dan Depth First Search (DFS) dalam Kasus Travelling Salesman Problem (TSP) Ervin Yohannes ( )
Penyelesaian Masalah menggunakan Teknik Pencarian Heuristic Search
Pert 4 METODE PENCARIAN.
Bahan Kuliah IF2151 Matematika Diskrit
APLIKASI GRAF Pertemuan 13
Imam Cholissodin | Algoritma Evolusi Teknik Optimasi Imam Cholissodin |
DISUSUN OLEH : IPHOV KUMALA SRIWANA
Metode Pencarian/Pelacakan
Metode Pencarian & Pelacakan
Masalah, Ruang Keadaan dan Pencarian
Pencarian Simulated Annealing
Graf Berlabel Graf Euler Graf Hamilton
Pertemuan 6 Pencarian Heuristik
Bahan Kuliah IF2151 Matematika Diskrit
GRAF TIDAK BERARAH PART 2 Dosen : Ahmad Apandi, ST
ALGORITMA GREEDY, KRUSKAL, MINIMUM SPANNING TREE
Pertemuan 6 Pencarian Heuristik
Pengaplikasian Graf dalam Kehidupan Sehari-hari
Pertemuan 26 PRAKTEK ANALISIS ALGORITMA
Metode pencarian dan pelacakan - Heuristik
Program Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming)
Pertemuan 14 The Traveling Sales Person Problem
Artificial Intelegence/ P 3-4
Uniform-Cost Search (UCS)
SITI ROKHANI, APLIKASI TRAVELLING SALESMAN PROBLEM (TSP) DALAM MENENTUKAN RUTE TERPENDEK PADA PENDISTRIBUSIAN JENANG DI KOTA KUDUS (STUDI KASUS.
MASALAH DAN METODE PEMECAHAN MASALAH
Informed (Heuristic) Search
PENGANTAR MODEL SIMULASI
ALGORITMA GREEDY : MINIMUM SPANNING TREE
Graf (bagian 2) Oleh: Taufik Hidayat Struktur Diskrit.
Bahan Kuliah IF2091 Struktur Diskrit
Teori Bahasa Otomata (1) 2. Searching
Bahan Kuliah IF2091 Struktur Diskrit
Bahan Kuliah Matematika Diskrit
Graf dan Analisa Algoritma
Transcript presentasi:

Pencarian Simulated Annealing Kecerdasan Buatan Materi 5

Implementasi SA Untuk Kasus TSP Gambaran permasalahan TSP : Traveling salesman problem(TSP) adalah suatu permasalahan untuk mendapatkan rute terpendek yang harus dilalui seorang sales yang harus melewati semua kota(n) dengan setiap kota harus dilalui satu kali sampai dia kembali ke kota asalnya. TSP banyak digunakan dalam penerapannya untuk bidang transportasi, komunikasi dan teknologi informasi. Dalam TSP, tujuan yang dicapai adalah rute dengan jarak terpendek, dan batasannya adalah semua kota harus dilalui dan setiap kota hanya dilalui satu kali.

Implementasi SA Untuk Kasus TSP Simulated Annealing pada TSP : Simulated Annealing padaTSP digunakan untuk menelusuri dan mencari setiap rute yang mungkin, kemudian mendapatkan rute yang jaraknya paling pendek. Model Simulated Annealing untuk menyelesaikan TSP adalah model state yang dibangun untuk menyatakan rute yang mungkin dan definisi energi yang dinyatakan dengan total jarak yang ditempuh.

Penyelesaian TSP Dengan Simulated Annealing Operator Ada beberapa operator yang bisa digunakan untuk menentukan jalur. Misalkan jumlah kota yang akan dikunjungi adalah NC. Kota-kota disimpan pada larik L. Bangkitkan 2 bilangan random antara 1 sampai NC. Misalkan kedua bilangan itu adalah N1 dan N2 dengan N1 < N2. Depan = L(1) sampai L(N1-1) Tengah = L(N1) sampai L(N2) Belakang = L(N2+1) sampai L(NC)

Penyelesaian TSP Dengan Simulated Annealing Bangkitkan bilangan random r, apabila r < 0,5; maka: DepanBaru = Depan TengahBaru = Tengah dengan urutan dibalik BelakangBaru = Belakang Lbaru = [DepanBaru TengahBaru BelakangBaru] Jika r  0,5; maka kerjakan : Sementara = [Depan Belakang], Misalkan memiliki M elemen Bangkitkan bilangan random r dengan nilai antara 1 sampai M DepanBaru = Sementara(1:r) TengahBaru = Tengah BelakangBaru = Sementara(r+1:M)

Contoh TSP Dengan Simulated Annealing : Misalkan jalur yang ada adalah : L = [4 3 6 9 11 2 5 1 7 8 12 10]  NC = 12 Bangkitkan bilangan random, misal: N1 = 4 dan N2 = 10; maka: Depan = [4 3 6] Tengah = [9 11 2 5 1 7 8] Belakang = [12 10] Bangkitkan bilangan random r, apabila r < 0,5; maka: DepanBaru = [4 3 6] TengahBaru = [8 7 1 5 2 11 9] BelakangBaru = [12 10] Lbaru = [4 3 6 8 7 1 5 2 11 9 12 10]

Contoh TSP Dengan Simulated Annealing : Jika r  0,5; maka diperoleh : Sementara = [4 3 6 12 10], M = 5 Bangkitkan bilangan random r, misal : r = 2 DepanBaru = [4 3] TengahBaru = [9 11 2 5 1 7 8] BelakangBaru = [6 12 10] Lbaru = [4 3 9 11 2 5 1 7 8 6 12 10]

THE END