Modifikasi algoritma genetika dengan roulette wheel untuk optimalisasi penggunaan gerbong kereta api

INDONESIA :

Transportasi kereta api sering menghadapi tantangan dalam mengoptimalkan penggunaan gerbong untuk angkutan barang. Penelitian ini bertujuan untuk merancang ulang fungsi fitness yang lebih efisien dalam alokasi gerbong barang menggunakan algoritma genetika dengan pendekatan Roulette Wheel. Fungsi fitness yang dikembangkan dalam penelitian ini mengacu pada rumus μ(H,k) yang dihitung berdasarkan jumlah total nilai fungsi objektif f(x_i) untuk setiap elemen x_i pada populasi, dibagi dengan Nilai fungsi fitness rata-rata dari seluruh populasi Melibatkan jenis kereta api harina (F ̅_h) dan jenis kereta api parcel utara (F ̅_p), kemudian dikalikan dengan 100%. Setelah fungsi fitness diuji kelayakannya, implementasi algoritma genetika dilakukan secara manual pada generasi pertama, meliputi tahap inisialisasi populasi, seleksi, Crossover, mutasi, dan penghentian generasi. Proses ini menggunakan Google Colab sebagai platform untuk menentukan generasi paling optimal. Hasil penelitian menunjukkan bahwa kromosom ke-5 menghasilkan konfigurasi terbaik dengan nilai fitness tertinggi, yaitu 894,43%, yang tercapai pada generasi ke-499. Kontribusi dari penelitian ini diharapkan dapat memberikan solusi praktis bagi pusat transportasi kereta api dalam meningkatkan efisiensi operasional pengangkutan barang, serta memberikan pemahaman lebih lanjut tentang penerapan algoritma genetika dalam bidang logistik.

ENGLISH :

Transportation hubs often face challenges in optimizing the use of train carriages for freight transport. This study aims to redesign the fitness function for more efficient freight car allocation using a genetic algorithm with the Roulette Wheel selection approach. The fitness function developed in this study refers to the formula μ(H,k), which is calculated based on the total sum of the objective function values f(x_i) for each element x_i in the population, divided by the average fitness value of the entire population, involving the types of trains Harina (F ̅_h) and Parcel Utara (F ̅_p), then multiplied by 100%. After the fitness function was validated, the genetic algorithm was manually implemented on the first generation, encompassing stages such as population initialization, selection, Crossover, mutation, and generation termination. This process used Google Colab as the platform to determine the optimal generation. The results show that the fifth chromosome produced the best configuration with the highest fitness value of 894.43%, achieved at generation 499. The contribution of this study is expected to provide practical solutions for railway transport hubs in improving operational efficiency for freight transport and to further understand the application of genetic algorithms in the logistics field.

ARABIC :

يواجه النقل بالقطارات تحديات في تحسين استخدام العربات لنقل البضائع. تهدف هذه الدراسة إلى إعادة تصميم دالة الملاءمة بشكل أكثر كفاءة في تخصيص عربات البضائع باستخدام خوارزمية الجينات مع نهج عجلة الروليت. تعتمد دالة الملاءمة المطورة في هذه الدراسة على الصيغة μ(H,k) التي تُحسب بناءً على إجمالي قيمة دالة الهدف f(x_i) لكل عنصر x_i في المجتمع، مقسومًا على متوسط قيمة دالة الملاءمة لجميع السكان، مع مراعاة نوعي القطار "حارينا (F ̅_h)" و"بارسيل أوتارا (F ̅_p)"، ثم تُضرب النتيجة في .100 % بعد اختبار صلاحية دالة الملاءمة، تم تنفيذ خوارزمية الجينات يدويًا في الجيل الأول، متضمنةً مراحل تهيئة السكان، الانتقاء، العبور، الطفرة، وإيقاف الأجيال. تم استخدام Google Colabكمنصة لتحديد الجيل الأكثر كفاءة. أظهرت نتائج الدراسة أن الكروموسوم الخامس أنتج أفضل تكوين بأعلى قيمة ملاءمة بلغت894,43 % ، والتي تحققت في الجيل .499 تُعد مساهمة هذه الدراسة بمثابة حل عملي لمراكز النقل بالقطارات لتحسين الكفاءة التشغيلية لنقل البضائع، بالإضافة إلى توفير فهم أعمق لتطبيق خوارزمية الجينات في مجال اللوجستيات.