Penyelesaian Permasalahan Optimasi Lintas Domain dari HyFlex Menggunakan Hiperheuristik yang Didasarkan pada Metode Variable Neighborhood Search

Angresti, Nisa Dwi (2019) Penyelesaian Permasalahan Optimasi Lintas Domain dari HyFlex Menggunakan Hiperheuristik yang Didasarkan pada Metode Variable Neighborhood Search. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05211650010028-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy

Abstract

Permasalahan optimasi lintas domain merupakan permasalahan optimasi antar domain yang memiliki karakteristik berbeda, misalnya antar domain optimasi penjadwalan, rute kendaraan, bin packing, dan kepuasan kerja. Permasalahan optimasi tersebut digunakan untuk mendukung pengambilan keputusan sebuah organisasi. Dalam menyelesaikan permasalahan optimasi, dibutuhkan metode pencarian komputasi. Metode hiperheuristik merupakan metode pencarian komputasi approximate yang dapat menyelesaikan permasalahan optimasi lintas domain dengan waktu lebih cepat. Namun, hiperheuristik belum bisa menghasilkan solusi optimal untuk semua domain permasalahan. Oleh karena itu, kinerja hiperheuristik masih perlu ditingkatkan.
Fokus penelitian ini adalah meningkatkan kinerja hiperheuristik (strategi high level heurisitc) dalam menyelesaikan permasalahan optimasi lintas domain. Dalam menigkatkan kinerja, penelitian ini menguji pengaruh dari adaptasi metode Variable Neighborhood Search (VNS) sebagai seleksi LLH, sekaligus mengeluasi kinerja dari kombinasi VNS dengan Hill Climbing dan Simulated Annealing. Strategi high level heuristic pada penelitian ini diuji coba pada enam domain permasalahan optimasi dari HyFlex. Hasil uji coba dibandingkan dengan strategi high level heuristic penelitian sebelumnya. Dari hasil pengujian, metode VNS memiliki kinerja yang lebih optimal. Hasil akhir dari penelitian ini adalah kombinasi metode VNS dengan Simulated Annealing (VNS-SA) dipilih sebagai strategi high level heuristic baru dalam menyelesaikan permasalahan optimasi lintas domain yang memiliki kinerja terbaik berdasarkan nilai median sebesar 88%.
================================================================================================
Cross optimization-problem domains are NP-hard optimization problems
between domains that have different characteristics, for example scheduling
domain optimization problems, vehicle routes, bin packing, and satisfaction. These
problems are used to support the decision making of an organization. To solve the
optimization problem, the right computational search method is needed.
Hyperheuristic methods can solve rross optimization-problem domains with
polynomial time. However, hyperheuristics has not been able to generate optimal
solutions for all problem domains. Therefore, the hyperheuristic performance still
needs to be improved.
The focus of this research is to improve hyperheuristic performance (high level
heuristic strategy) in solving cross optimization-problem domains. To improve
performance, this study experimented the effect of adaptation of Variable
Neighborhood Search (VNS) methods as the selection of LLH, and released the
performance of a combination of VNS with Hill Climbing and Simulated
Annealing. The high level heuristic strategy in this study was tried on six domain
optimization problems from HyFlex. The trial results are compared with the
previous high level heuristic strategy. From the results of the comparison, the VNS
method has a more optimal performance. The final result of this study is a new high
level heuristic strategy of a combination of VNS and Simulated Annealing (VNS-
SA) which has the best performance based on the median value of 88%.

Item Type:	Thesis (Masters)
Additional Information:	RTSI 006.3 Ang p-1 2019
Uncontrolled Keywords:	Pencarian Komputasi, High Level Heuristic, Kinerja Hiperheuristik, Hill Climbing, Simulated Annealing
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence T Technology > T Technology (General) > T57.6 Operations research--Mathematics. Goal programming
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User:	Nisa Dwi Angresti
Date Deposited:	06 Dec 2021 08:41
Last Modified:	06 Dec 2021 08:41
URI:	http://repository.its.ac.id/id/eprint/61775

Actions (login required)

View Item