Penerapan algoritma ant colony pada pendistribusian barang

INDONESIA:

Ant Colony Optimization (ACO) merupakan algoritma untuk menyelesaikan permasalahan optimasi yang terinspirasi dari perilaku koloni semut dalam mencari sumber makanan. Masalah yang diangkat pada penelitian ini adalah bagaimana implementasi Algoritma Ant Colony dalam menentukan rute terpendek pada pendistribusian barang serta menganalisis pengaruh parameter α (intensitas jejak feromon) dan β (nilai heuristik) terhadap efektivitas pencarian rute. Metode yang digunakan adalah metode kuantitatif dengan pendekatan simulasi pada beberapa kendaraan pengiriman barang bangunan di Malang Raya. Pengujian dilakukan dengan menggunakan 33 lokasi pengiriman barang yang kemudian dibagi menjadi 5 sesuai dengan pembagian wilayah tujuan pengiriman barang. Rute terpendek yang dihasilkan dikatakan lebih efektif jika dibandingkan dengan rute dengan bantuan google maps saja. Hasil penelitian menunjukkan bahwa penerapan algoritma ACO mampu memangkas jarak tempuh secara signifikan dengan rata-rata efektivitas mencapai 16,26% dari lima kendaraan yang diuji. Parameter yang ditetapkan pada awal uji coba adalah α=1,β=2, dan ρ=0,5. Pada Pengujian parameter menunjukkan bahwa nilai β yang lebih tinggi (β≥5) memberikan pengaruh signifikan dalam pencarian rute terpendek, sedangkan variasi nilai α dapat disesuaikan tanpa mempengaruhi hasil secara signifikan. Dengan demikian, hasil dalam penelitian ini menunjukkan bahwa algoritma ACO dinilai efektif dalam optimalisasi rute distribusi barang, terutama dengan kombinasi parameter yang tepat. Penelitian ini diharapkan dapat memberikan pemahaman yang lebih mendalam mengenai penerapan algoritma Ant Colony dalam menentukan rute terpendek.

ENGLISH:

Ant Colony Optimization (ACO) is an algorithm used to solve optimization problems, inspired by the behavior of ant colonies in find of food sources. The main issue addressed in this study is how to implement the Ant Colony algorithm to determine the shortest route for goods distribution and to analyze the influence of the parameters α (pheromone intensity) and β (heuristic value) on the effectiveness of route search. This study used a quantitative method with a simulation approach involving several delivery vehicles for building materials in Malang Raya. The testing was conducted using 33 delivery locations, which were then divided into five delivery clusters. The shortest routes generated by the algorithm were found to be more effective when compared to routes suggested by Google Maps. The results show that the implementation of the ACO algorithm significantly reduces travel distance, with an average effectiveness of 16.26% across the five vehicles that were tested. The parameters set at the start of the trial were α = 1, β = 2, and ρ = 0.5. Parameter testing indicates that higher β values (β≥5) significantly influence the search for the shortest route, while variation in α does not significantly affect the results. Thus, this study concludes that the ACO algorithm is effective in optimizing delivery routes, especially when employing the appropriate combination of parameters. This research is expected to provide a deeper understanding of the Ant Colony algorithm in determining the shortest route.

ARABIC:

تمثل خوارزمية مستعمرة النمل (Ant Colony Optimization - ACO) إحدى الخوارزميات المستخدمة لحل مشكلات التحسين، وهي مستوحاة من سلوك مستعمرات النمل في البحث عن مصادر الغذاء. المشاكل التي أثيرت في البحث هذا يكون كيف تطبيق خوارزمية مستعمرة النمل في يحدد طريق الأقصر في التوزيع بضائع ، وتحليل تأثير كل من معامل α (كثافة أثر الفيرومون) ومعامل β (القيمة الإرشادية) على فعالية إيجاد المسار الأساليب المستخدمة يكون طريقة كمية مع يقترب محاكاة على عدة عربة توصيل بضائع مباني في مالانغ رايا. اختبار منتهي مع باستخدام 33 موقعًا توصيل البضاعة بعد ذلك مشترك أن يكون 5 وفقا ل مع توزيع منطقة موضوعي توصيل البضائع . الطريق أقصر تم إنشاؤه يقال أكثر فعال لو مقارنة ب مع طريق مع يساعد فقط خرائط جوجل. أظهرت نتائج البحث أن تطبيق خوارزمية ACO قاد إلى تقليص المسافة المقطوعة بشكل ملحوظ، حيث بلغت فعالية الخوارزمية في المتوسط نسبة 16.26٪ من خلال اختبار خمس مركبات . المعلمات التي تم ضبطها في المعلمات التي تم ضبطها في بداية المحاكمة هل α=1,β=2,ρ=0.5.. كما أظهرت نتائج اختبار المعاملات أن القيمة المرتفعة لـ (β≥5) β كان لها تأثير كبير في تحديد أقصر مسار، بينما لم يكن لتغيير قيمة α تأثير ملحوظ على النتائج. وبناءً عليه، تُعدّ خوارزمية ACO فعالة في تحسين مسارات توزيع البضائع، خاصة عند استخدام التوليفة المناسبة من المعاملات. ويُرجى أن يسهم هذا البحث في تعميق الفهم لتطبيق خوارزمية مستعمرة النمل في إيجاد أقصر الطرق.