Random Nearest Neighbour Untuk Menyelesaikan Russian TSP Instances

Ekra Sanggala, Muhammad Ardhya Bisma

Abstract


Travelling Salesman Problem (TSP) merupakan permasalahan penentuan rute terpendek yang diawali dari titik start untuk mengunjungi sekumpulan titik tepat sekali dan diakhiri dengan kembali ke titik start. Nearest Neighbour (NN) merupakan salah satu algoritma yang bekerja berdasarkan heuristic. Dalam menyelesaikan TSP, cara kerja dari NN adalah memilih titik terdekat dari titik terakhir yang dikunjungi dan belum termasuk ke dalam rute, untuk dimasukkan ke dalam rute. Penentuan titik yang akan dikunjungi berikutnya, akan menjadi masalah jika terdapat 2 atau lebih pilihan titik, dikarenakan kesamaan jarak dari titik terakhir. Untuk menyelesaikan masalah tersebut algoritma Random dapat menjadi sebuah solusi.Dengan demikian algoritma ini dapat disebut dengan Random Nearest Neighbour (RNN). Kemampuan RNN dalam menyelesaikan TSP perlu diuji, agar dapat diketahui kehandalannya. Dua kriteria penting yang dinilai dalam pengujian ini adalah rute solusi yang dihasilkan dan waktu perhitungan (CPU Time). Russian TSP Instances merupakan TSP Instances yang dapat digunakan untuk menguji RNN. Hasil pengujian menunjukkan bahwa RNN dapat memperbaiki panjang rute yang secara cepat.


Keywords


Travelling Salesman Problem; Random; Nearest Neighbour; Russian TSP Instances

References


Zefeng Wu, Comparative Study of Solving Traveling Salesman Problem with Genetic Algorithm, Ant Colony Algorithm and Particle Swarm Optimization, International Conference on Robotics, Systems and Vehicle Technology, Xiamen, 2020.

R. Elshaer & H. Awad, A Taxonomic Review of Metaheuristic Algorithms for Solving The Vehicle Routing Problem and Its Variants, Computers & Industrial Engineering, 2020.

J. Zhang, Comparison of Various Algorithm Based on TSP Solving, Journal of Physics, China, 2021.

E. Sanggala & M.A. Bisma, Perbandingan Savings Algorithm dengan Nearest Neighbour dalam Menyelesaikan Russian TSP Instances, Jurnal Media Teknik & Sistem Industri, Volume 7, No 1, Maret 2023.

C. Nilsson, Heuristics for The Traveling Salesman Problem, Linkoping University.

https://download.geonames.org/export

B. Idrizi, Necessity for Geometric Corrections of Distances in Web and Mobile Maps, International Conference on Cartography and GIS, Bulgaria, 2020.

V. S. Ramos, SIHR: a MATLAB/GNU Octave Toolbox for Single Image Highlight Removal, The Journal of Open Source Software, 2020.

S. Nagar, Introduction to Octave for Engineers and Scientists, Apress, Birmingham, 2018.

K. Karagul & G. Gunduz, A Novel Heuristic for The Travelling Salesman Problem: maxS, Dokuz Eylul University Faculty of Engineering Journal of Science and Engineering, Turkey, 2022.




DOI: https://doi.org/10.35194/mji.v15i1.3225

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Media Jurnal Informatika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This Journal is licensed under a Attribution-NonCommercial-ShareAlike 4.0 License.

©All rights reserved 2017. Media Jurnal Informatika ISSN: 2477-2542 (online); 2088-2114 (cetak).


Gedung Fakultas Teknik UNSUR Jl. Pasir Gede Raya, Cianjur, Jawa Barat 43216| Telp./Fax. (0263) 283578 |E-mail: mji@unsur.ac.id; info@ft.unsur.ac.id


Media Jurnal Informatika Indexed By:

sinta-logogarudagooglecrossref