Design and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search
|
|
- Yohanes Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Design and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search Dr. Putu Harry Gunawan (PHN) Daftar Isi 1 Pendahuluan Traveling Salesman Problem Knapsack Problem Assignment Cost Problem Pendahuluan Berbagai macam masalah biasanya perlu menemukan sebuah elemn dengan properti khusus pada sebuah domain yang dapat membesar secara exponensial. Biasanya terdapat pada masalah yang masuk secara implisit maupun explisit ke dalam kombinatorik, seperti permutasi, kombinasi, dan subset dari sebuah himpunan. Seperti pada masalah optimasi: yaitu bertujuan untuk menemukan suatu elemen yang memaksimumkan atau meminimumkan beberapa karakteristik yang diinginkan seperti pada sebuah panjang lintasan atau sebuah biaya. Exhaustive search merupakan sutau pendekatan brute force untuk masalah yang berkaitan dengan kombinatorik. Algoritma ini mengijinkan: membentuk setiap elemen dari domain permasalahan, menyeleksi elemen yang memenuhi semua konstrain, menemukan sebuah elemen yang diinginkan ( sesuatu yang mengoptimalkan fungsi objek). Catatan bahawa, meskipun ide dari exhaustive search straightforward/ lempeng, implementasinya membutuhkan secara khusus algoritma yang membentuk kombinasi obkjek. Berikut akan diberikan beberapa contoh dalam algoritma exhaustive search seperti: Traveling Salesman Problem, Knapsack 0/1, dan assignment problem. 2 Traveling Salesman Problem Traveling salesmen problem (TSP) sudah menjadi hal yang sering diperhatikan oleh peneliti dari 150 tahun yang lalu, karena merupakan formula yang sederhana, aplikasi 1
2 penting, dan koneksi menarik untuk masalah kombinasi lainnya. Salah satu contoh masalah TSP adalah menemukan tour terpendek dari sebuah himpunan n kota yang harus dikunjungi tepat sekali dan balik kembali ke kota awal keberangkatan. Model dari masalah ini dapat dimodelkan dengan graf berbobot (weighted graph, dengan vertek dari graf mempresentasikan kota dan garis menyatakan besaran jarak. Sehingga masalah ini dapat dikategorikan sebagai masalah menemukan sirkuit Hamilton terpendek dari graf. (A Hamiltonian circuit is defined as a cycle that passes through all the vertices of the graph exactly once. It is named after the Irish mathematician Sir William Rowan Hamilton ( ), who became interested in such cycles as an application of his algebraic discoveries.) Algoritma exhaustive search untuk persoalan TSP: 1. Enumerasikan ( list ) semua sirkuit Hamilton dari graf lengkap dengan n buah simpul. 2. Hitung ( evaluasi ) bobot setiap sirkuit Hamilton yang ditemukan pada langkah Pilih sirkuit Hamilton yang mempunyai bobot terkecil. Example 2.1 Berikut diberikan contoh untuk n = 4 dan simpul awal a. Tour length 1. a ---> b ---> c ---> d ---> a I = = a ---> b ---> d ---> c ---> a I = = 11 optimal 3. a ---> c ---> b ---> d ---> a I = = a ---> c ---> d ---> b ---> a I = = 11 optimal 5. a ---> d ---> b ---> c ---> a I = = a ---> d ---> c ---> b ---> a I = = 18 Gambar 1: Solusi dari contoh traveling salesman problem menggunakan exhaustive search. Jadi rute perjalanan terpendeknya adalah: 1. a > b > d > c > a 2
3 2. a > c > d > b > a yang nilanya sebesar 11. Untuk n buah simpul semua rute perjalanan yang mungkin dibangkitkan dengan permutasi dari n 1 buah simpul. Permutasi dari n 1 buah simpul adalah (n 1)!. Pada contoh di atas, untuk n = 4 akan terdapat (4 1)! = 3! = 6 buah rute perjalanan. Beberapa karakteristik yang didapat dari contoh di atas adalah: Jika diselesaikan dengan metode exhaustive search, maka kita harus mengenumerasi sebanyak (n 1)! buah sirkuit Hamilton, menghitung setiap bobotnya, dan memilih sirkuit Hamilton dengan bobot terkecil. Kompleksitas waktu algoritma exhaustive search untuk persoalan TSP sebanding dengan (n 1)! dikali dengan waktu untuk menghitung bobot setiap sirkuit Hamilton. Menghitung bobot setiap sirkuit Hamilton membutuhkan waktu O(n), sehingga kompleksitas waktu algoritma exhaustive search untuk persoalan TSP adalah O(n n!). Perbaikan : setengah dari rute perjalanan adalah hasil pencerminan dari setengah rute yang lain, yakni dengan mengubah arah rute perjalanan 1 dan 6, 2 dan 4, 3 dan 5. maka dapat dihilangkan setengah dari jumlah permutasi ( dari 6 menjadi 3). Ketiga buah sirkuit Hamilton yang dihasilkan adalah seperti gambar di bawah ini : Dengan demikian, untuk graf dengan buah simpul, kita hanya perlu mengevaluasi sirkuit Hamilton sebanyak (n 1)!/2 buah. Untuk ukuran masukan yang besar, algoritma exhaustive search menjadi sangat tidak mangkus. Pada persoalan TSP misalnya, untuk jumlah simpul n = 20 akan terdapat (19!)/2 = sirkuit Hamilton yang harus dievaluasi satu per satu. Sayangnya, untuk persoalan TSP tidak ada algoritma lain yang lebih baik daripada algoritma exhaustive search. Jika anda dapat menemukan algoritma yang mangkus untuk TSP, anda akan menjadi terkenal dan kaya! Algoritma yang mangkus selalu mempunyai kompleksitas waktu dalam orde polinomial. 3
4 Exercise 2.2 Tentukan rute dan jarak terpendek dari contoh-contoh berikut. 1. Pada TSP berikut: 2. Pada TSP berikut (UTS 2004): 3. Pada TSP berikut: 4
5 3 Knapsack Problem Masalah Knapsack adalah masalah yang terkenal dalam algoritma. Diberikan n items/objek yang memiliki properti seperti bobot w 1, w 2, w n dan keuntungan p 1, p 2,, p n. Dengan kapasitas bobot Knapsack K. Permasalahan yang terjadi adalah bagaimana memilih memilih objek - objek yang dimasukkan ke dalam knapsack sedemikian sehingga memaksimumkan keuntungan. Total bobot objek yang dimasukkan ke dalam knapsack tidak boleh melebihi kapasitas knapsack K. If you do not like the idea of putting yourself in the shoes of a thief who wants to steal the most valuable loot that fits into his knapsack, think about a transport plane that has to deliver the most valuable set of items to a remote location without exceeding the plane s capacity. Persoalan 0/1 Knapsack dapat kita pandang sebagai mencari himpunan bagian (subset) dari keseluruhan objek yang muat ke dalam knapsack dan memberikan total keuntungan terbesar. Solusi persoalan dinyatakan sebagai vektor n-tupel: X = {x 1, x 2,, x n } dengan x i = 1 jika objek ke-i dimasukkan ke dalam knapsack, x i = 0 jika objek ke-i tidak dimasukkan. Formualsi matemntaikanya dapat dibentuk menjadi: dengan kendala Maximumkan F = n p i x i i n w i x i K dengan i = 0 atau 1, i = 1, 2, n. Algoritma exhaustive search untuk persoalan 0/1 Knapsack : i 1. Enumerasikan (list) semua himpunan bagian dari himpunan dengan n objek. 2. Hitung (evaluasi) total keuntungan dari setiap himpunan bagian dari langkah Pilih himpunan bagian yang memberikan total keuntungan terbesar. Example 3.1 Diberikan data untuk n = 4 seperti berikut ini: w 1 = 2; p 1 = 20 w 2 = 5; p 2 = 30 w 3 = 10; p 3 = 50 w 4 = 5; p 4 = 10 5
6 Kapasitas knapsack K = 16. Langkah - langkah pencarian solusi 0/1 Knapsack secara exhaustive search dirangkum dalam tabel di bawah ini : Tabel 1: Solusi menggunakan exhaustive search, bagian tebal menyatkan solusi optimal. Himpunan bagian objek yang memberikan keuntungan maksimum adalah {2, 3} dengan total keuntungan adalah 80. Sehingga solusi: X = {0, 1, 1, 0}. Berapa banyak himpunan bagian dari sebuah himpunan dengan n elemen? Jawabnya adalah 2 n. Waktu untuk menghitung total bobot objek yang dipilih = O(n). Sehingga, Kompleksitas algoritma exhaustive search untuk persoalan 0/1 Knapsack = O(n 2 n ). TSP dan 0/1 Knapsack, adalah contoh persoalan eksponensial. Keduanya digolongkan sebagai persoalan NP (Non-deterministic Polynomial), karena tidak mungkin dapat ditemukan algoritma polinomial untuk memecahkannya. Exercise 3.2 Diberikan data untuk n = 4 seperti berikut ini: w 1 = 7; p 1 = $42 w 2 = 3; p 2 = $12 w 3 = 4; p 3 = $40 w 4 = 5; p 4 = $25 Kapasitas knapsack K = 10. Tentukan solusi optimalnya. 4 Assignment Cost Problem Pada contoh ketiga dari masalah yang bisa diselesaikan dengan exhaustive search, adalah masalah Biaya Kerja. Masalahnya dimulai dengan adanya n orang yang perlu di berikan 6
7 pekerjaan yang sebanyak n tugas. Syaratnya adalah satu orang satu pekerjaan, yang artinya setiap orang tepat mendapat satu pekerjaan dan setiap pekerjaan dikerjakan oleh tepat satu orang. Biaya yang dikeluarkan jika orang ke-i ditempatkan pada pekerjaan ke-j disebut sebagai quantity C[i, j] untuk setiap i, j = 1, 2,, n. Selanjutnya akan dicari assignment/penempatan orang terhadap pekerjaan dengan memperhatikan total biaya harus minimum. Sebagai contoh, perhatikan nilai C[i, j] berikut ini: Job 1 Job 2 Job 3 Job 4 Dono Kasino Indro Toyib Dengan jelas dapat kita lihat bahwa penempatan pekerja dapat di gambarkan dengan matrik biaya C. Dalam matrix, masalahnya adalah memilih setiap elemen pada baris sehingga setiap elemen memiliki kolom berbeda, dan total biaya minimum. Solusi dari masalsah ini tidak begitu jelas. Misalkan kita memilih satu pekerja pada biaya yang minimum, akan tetapi akan ada kemungkinan pekerja lain memiliki baya minimum pada kolom yang sama. Solusi persoalan dinyatakan sebagai vektor n-tupel: X = {x 1, x 2,, x n } dengan x i menyatakan kolom dari elemen yang dipilih pada baris ke-i. Sebagai contoh pada matrix di atas, {2, 3, 4, 1} mengindikasikan bahwa Dono ke Job 1, Kasino ke Job 3, Indro ke Job 4, Toyib ke Job 1. Exhaustive search menangani masalah ini dengan membangkitkan semua permutasi dari bilangan bulat 1, 2,, n, menghitung total biaya dari setiap assignment. Sebagai contoh, untuk mengerjakan masalah di atas: Maka kandidat slusinya adalah C = {1, 2, 3, 4}, cost = = 18 {1, 2, 4, 3}, cost = = 30 {1, 3, 2, 4}, cost = = 24 {1, 3, 4, 2}, cost = = 26 {1, 4, 2, 3}, cost = = 33 {1, 4, 3, 2}, cost = = 23 dst... Karena jumlah permutasi dapat diperumum, maka kompleksitas waktunya adalah O(n!), sehingga exhaustive search sangatlah tidak praktis digunakan. Untungnya, terdapat algoritma yang lebih effisien yang dikenal dengan the Hungarian method setelah matematikawan dari Hungaria König and Egerváry yang memulai metode tersebut (see, e.g., [Kol95]). 7
8 References 1. Anany, L. (2003). Introduction to the design and analysis of algorithms. Villanova University hy583/papers/ch11.pdf 3. [Kol95] Kolman, B. and Beck, R.E. Elementary Linear Programming with Applications, 2nd ed. Academic Press,
Design and Analysis of Algorithm
Design and Analysis of Algorithm Week 7: Brute Force Algorithm Part 2: Exhaustive Search Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciAlgoritma Brute Force (lanjutan)
Algoritma Brute Force (lanjutan) Contoh lain Mencari Pasangan Titik yang Jaraknya Terdekat Persoalan: Diberikan n buah titik (2-D atau 3- D), tentukan dua buah titik yang terdekat satu sama lain. y p 5
Lebih terperinciAlgoritma Brute Force (lanjutan)
Algoritma Brute Force (lanjutan) Contoh-contoh lain 1. Pencocokan String (String Matching) Persoalan: Diberikan a. teks (text), yaitu (long) string yang panjangnya n karakter b. pattern, yaitu string dengan
Lebih terperinciAlgoritma Brute Force(lanjutan) Lecture 6 CS3024
Algoritma Brute Force(lanjutan) Lecture 6 CS3024 String Matching Persoalan: Diberikan a. teks (text), yaitu (long) stringyang panjangnya n karakter b. pattern, yaitu string dengan panjang m karakter (m
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 05
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 05 Contents 31 2 3 Brute Force Algorithm 2 Exhaustive Search Teknik Heuristik 2 Algoritma Brute Force 2 3 Pencocokan String (String
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 8 Greedy Algorithm
Design and Analysis of Algorithms CNH2G3- Week 8 Greedy Algorithm Dr. Putu Harry Gunawan (PHN) Daftar Isi 1 Greedy Algorithm.................................. 1 2 Contoh-contoh Algoritma Greedy........................
Lebih terperinciAlgoritma Brute Force (Bagian 2) Oleh: Rinaldi Munir Bahan Kuliah IF2251 Strategi Algoritmik
Algoritma Brute Force (Bagian 2) Oleh: Rinaldi Munir Bahan Kuliah IF2251 Strategi Algoritmik 1 Contoh-contoh lain 1. Pencocokan String (String Matching) Persoalan: Diberikan a. teks (text), yaitu (long)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
Lebih terperinciPenentuan Rute Belanja dengan TSP dan Algoritma Greedy
Penentuan Rute Belanja dengan TSP dan Algoritma Greedy Megariza 13507076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPENGGUNAAN ALGORITMA HUNGARIAN DALAM MENYELESAIKAN PERSOALAN MATRIKS BERBOBOT
PENGGUNAAN ALGORITMA HUNGARIAN DALAM MENYELESAIKAN PERSOALAN MATRIKS BERBOBOT Alvin Susanto (13506087) Program studi Teknik Informarika ITB angkatan 2006 Jalan Ganesha no. 10 Bandung e-mail: alvin_punya@yahoo.co.id
Lebih terperinciAnalisis Algoritma: Anany Levitin, Introduction to Design and Analysis of Algorithm, 3 rd Edition, Pearson Education, Inc.
Analisis Algoritma: Anany Levitin, Introduction to Design and Analysis of Algorithm, 3 rd Edition, Pearson Education, Inc., Addison-Wesley Bab 3: Brute Force and Agenda. Definition Sequential Search and
Lebih terperinciEksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack
Eksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack Muhamad Pramana Baharsyah, Sulistyo Unggul Wicaksono 2, Teguh Pamuji 3, Rinaldi Munir 4 Abstrak Laboratorium
Lebih terperinciDesign and Analysis Algorithm
Design and Analysis Algorithm Pertemuan 05 Drs. Achmad Ridok M.Kom Imam Cholissodin, S.Si., M.Kom M. Ali Fauzi, S.Kom., M.Kom. Ratih Kartika Dewi, ST, M.Kom 1 Contents 31 1.1 Algoritma Brute Force Exhaustive
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 5 Kompleksitas waktu algoritma rekursif part 2: Metode Karakteristik
Design and Analysis of Algorithms CNH2G3- Week 5 Kompleksitas waktu algoritma rekursif part 2: Metode Karakteristik Dr. Putu Harry Gunawan (PHN Review 1. Tentukan kompleksitas waktu Big-Oh untuk relasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Assignment problem yang biasa dibentuk dengan matriks berbobot merupakan salah satu masalah dalam dunia teknik informatika, dimana masalah ini merupakan masalah yang
Lebih terperinciPenyelesaian Sum of Subset Problem dengan Dynamic Programming
Penyelesaian Sum of Subset Problem dengan Dynamic Programming Devina Ekawati 13513088 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
xi BAB 1 PENDAHULUAN 1.1 Latar belakang Assignment problem yang biasa dibentuk dengan matriks berbobot merupakan salah satu masalah dalam dunia teknik informatika, di mana masalah ini merupakan masalah
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciPemodelan Pembagian Kelompok Tugas Besar Strategi Algoritma dengan Masalah Sum of Subset
Pemodelan Pembagian Tugas Besar Strategi Algoritma dengan Masalah Sum of Subset Hayyu Luthfi Hanifah 13512080 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAlgoritma Brute Force Oleh: Rinaldi Munir
Algoritma Brute Force Oleh: Rinaldi Munir Bahan Kuliah IF3051 Strategi Algoritma 1 ?? 2 Definisi Brute Force Brute force : pendekatan yang lempang (straightforward) untuk memecahkan suatu masalah Biasanya
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 5: Kompleksitas waktu algoritma rekursif part 2 Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciTeori Kompleksitas (Bagian 2)
IF5110 Teori Komputasi Teori Kompleksitas (Bagian 2) Oleh: Rinaldi Munir Program Studi Magister Informatika STEI-ITB 1 Travelling Salesperson Problem Persoalan optimasi. Termasuk ke dalam kelas persoalan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Traveling Salesmen Problem (TSP) Travelling Salesman Problem (TSP) merupakan sebuah permasalahan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing. Masalah
Lebih terperinciWhat Is Greedy Technique
1 What Is Greedy Technique A technique constructing a solution through a sequence of steps, on each step it suggests a greedy grab of the best alternative available in the hope that a sequence of locally
Lebih terperinciAlgoritma Greedy (lanjutan)
Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggang Waktu (Job Schedulling with Deadlines) Persoalan: - Ada n buah job yang akan dikerjakan oleh sebuah mesin; - tiap job diproses oleh mesin
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 3: Notasi Asymptotic dan Kelas Dasar Efisiensi Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Kereta api merupakan salah satu angkutan darat yang banyak diminati masyarakat, hal ini dikarenakan biaya yang relatif murah dan waktu tempuh yang
Lebih terperinciPenggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem
Penggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem Jessica Handayani (13513069) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciPenggunaan Metode Branch And Bound With Search Tree
Penggunaan Metode Branch And Bound With Search Tree Untuk Menyelesaikan Persoalan Pedagang Keliling Pada Graf Lengkap Sebagai Pengganti Metode Exhaustive Enumeration Alfan Farizki Wicaksono - NIM : 13506067
Lebih terperinciPenyelesaian Traveling Salesman Problem dengan Algoritma Heuristik
Penyelesaian Traveling Salesman Problem dengan Algoritma Heuristik Filman Ferdian - 13507091 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha
Lebih terperinciALGORITMA RUTE FUZZY TERPENDEK UNTUK KONEKSI SALURAN TELEPON
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 93 97 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ALGORITMA RUTE FUZZY TERPENDEK UNTUK KONEKSI SALURAN TELEPON NELSA ANDRIANA, NARWEN, BUDI RUDIANTO Program
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciDesign and Analysis Algorithm
Design and Analysis Algorithm Pertemuan 06 Drs. Achmad Ridok M.Kom Imam Cholissodin, S.Si., M.Kom M. Ali Fauzi S.Kom., M.Kom Ratih Kartika Dewi, ST, M.Kom Contents 31 Greedy Algorithm 2 Pendahuluan Algoritma
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:
10 BAB 2 LANDASAN TEORI 2.1.Konsep Dasar Graf Definisi 2.1.1 Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini: V = himpunan tidak kosong dari simpul-simpul (vertices atau node)
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 09 Contents 1 2 5 Algoritma Program Dinamis Lintasan Terpendek (Shortest Path) Penganggaran Modal (Capital Budgeting) 1/0 Knapsack
Lebih terperinciImplementasi Algoritma Greedy dalam Pembagian kerja pada Mesin yang Identik
Implementasi Algoritma Greedy dalam Pembagian kerja pada Mesin yang Identik William Sentosa / 13513026 Program Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Perancangan program aplikasi yang akan dibuat menggabungkan algoritma Brute Force dan algoritma Greedy yang digunakan secara bergantian pada tahap-tahap tertentu. Karena itu, pada
Lebih terperinciPengantar Strategi Algoritma
PROGRAM STUDI TEKNIK INFORMATIKA Sekolah Teknik Elrektro dan Informatika INSTITUT TEKNOLOGI BANDUNG Pengantar Strategi Algoritma Bahan Kuliah IF2211 Strategi Algoritma RINALDI MUNIR Lab Ilmu dan Rekayasa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan
Lebih terperinciTARGET BERORIENTASI METODE CABANG DAN BATAS UNTUK OPTIMISASI GLOBAL
TARGET BERORIENTASI METODE CABANG DAN BATAS UNTUK OPTIMISASI GLOBAL Mochamad Suyudi 1, Sisilia Sylviani 2 1,2 Departmen Matematika FMIPA Universitas Padjadjaran moch.suyudi@gmail.com Abstrak: Fokus utama
Lebih terperinciBAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang
BAB III ALGORITMA BRANCH AND BOUND Algoritma Branch and Bound merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Pohon ruang status
Lebih terperinciAlgoritma Branch & Bound
Algoritma Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika STEI ITB 2018 Overview Pembentukan pohon ruang status (state space tree) dinamis untuk mencari solusi persoalan
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY UNTUK MENYELESAIKAN MASALAH KNAPSACK PROBLEM
ISSN : 1978-6603 IMPLEMENTASI ALGORITMA GREEDY UNTUK MENYELESAIKAN MASALAH KNAPSACK PROBLEM Dian Rachmawati #1, Ade Candra #2 #1,2 Program Studi Ilmu Komputer, Universitas Sumatera Utara Jl. Alumni no.9
Lebih terperinciPenggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum
Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini
Lebih terperinciPendahuluan. Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi.
Algoritma Greedy Pendahuluan Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi. Persoalan optimasi (optimization problems): persoalan mencari solusi optimum. Hanya
Lebih terperinciPengantar Strategi Algoritmik. Oleh: Rinaldi Munir
Pengantar Strategi Algoritmik Oleh: Rinaldi Munir 1 Masalah (Problem) Masalah atau persoalan: pertanyaan atau tugas yang kita cari jawabannya. Contoh-contoh masalah: 1. [Masalah pengurutan] Diberikan senarai
Lebih terperinciJURNAL IT STMIK HANDAYANI
Nurilmiyanti Wardhani Teknik Informatika, STMIK Handayani Makassar ilmyangel@yahoo.com Abstrak Algoritma semut atau Ant Colony Optimization merupakan sebuah algoritma yang berasal dari alam. Algoritma
Lebih terperinciPermasalahan Clique dalam Graf
Permasalahan Clique dalam Graf Adventus W. Lumbantobing, 13505112 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Innesia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan rantaian terpendek diantara pasangan node (titik) tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus
Lebih terperinciBerbagai Variasi Teknik Program Dinamis dalam Penyelesaian Masalah
Berbagai Variasi Teknik Program Dinamis dalam Penyelesaian Masalah Afrizal Fikri / 13513004 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPERBANDINGAN KOMPLEKSITAS PENERAPAN ALGORITMA GREEDY UNTUK BEBERAPA MASALAH
PERBANDINGAN KOMPLEKSITAS PENERAPAN ALGORITMA GREEDY UNTUK BEBERAPA MASALAH Abstrak Wiradeva Arif Kristawarman NIM : 13505053 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis
Lebih terperinciIMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY
IMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY Erdiansyah Fajar Nugraha (13508055) Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganesha 10,Bandung e-mail: if18055@students.if.itb.ac.id
Lebih terperinciIMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY
IMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY Arief Latu Suseno NIM : 13505019 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : Abstrak Graf merupakan
Lebih terperinciAplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem
Aplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem Calvin Aditya Jonathan 13513077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciII TINJAUAN PUSTAKA 2.1 Graf Definisi 1 (Graf, Graf Berarah dan Graf Takberarah) 2.2 Linear Programming
4 II TINJAUAN PUSTAKA Untuk memahami permasalahan yang berhubungan dengan penentuan rute optimal kendaraan dalam mendistribusikan barang serta menentukan solusinya maka diperlukan beberapa konsep teori
Lebih terperinciPenerapan Algoritma Brute Force di Permainan Nonogram
Penerapan Algoritma Brute Force di Permainan Nonogram Aurelia 13512099 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBranch and Bound untuk Rute Terpendek Tur Pengenalan Labtek V Gedung Benny Subianto Chita Najmi Nabila /
Branch and Bound untuk Rute Terpendek Tur Pengenalan Labtek V Gedung Benny Subianto Chita Najmi Nabila - 13509015 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini berisi landasan dan dasar teori yang akan digunakan dalam melakukan analisis, perancangan, dan implementasi tugas akhir yang dilakukan pada bab-bab selanjutnya. 2.1 Bar Steel
Lebih terperinciSolusi UTS Stima. Alternatif 1 strategi:
Solusi UTS Stima 1. a. (Nilai 5) Representasikanlah gambar kota di atas menjadi sebuah graf, dengan simpul merepresentasikan rumah, dan bobot sisi merepresentasikan jumlah paving block yang dibutuhkan.
Lebih terperinciProgram Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming) Bahan Kuliah IF2211 Strategi Algoritma Oleh: Rinaldi Munir Program Studi Teknik Informatika STEI-ITB 1 2 Program Dinamis Program Dinamis (dynamic programming): - metode
Lebih terperinciBAB I PENDAHULUAN. Kompetisi Global yang kian hari kian meningkat memaksa perusahaan
BAB I PENDAHULUAN 1.1 Latar Belakang Kompetisi Global yang kian hari kian meningkat memaksa perusahaan untuk menggunakan aset intelektual mereka dengan lebih baik. Berbagai metode digunakan demi meningkatkan
Lebih terperinciPERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA
PERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA Fitriana Passa (13508036) Program Studi Teknik Informatika Institut Teknologi Bandungg Jl. Ganesha 10 Bandung Email:
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 4 Kompleksitas waktu algoritma rekursif part 1
Design and Analysis of Algorithms CNH2G3- Week 4 Kompleksitas waktu algoritma rekursif part 1 Dr. Putu Harry Gunawan (PHN) Quiz I 1. Tentukan operasi dasar, c op dan C(n) untung masing-masing algoritma
Lebih terperinciImplementasi Algoritma Greedy pada Permainan Ludo
Implementasi Algoritma Greedy pada Permainan Ludo Sylvia Juliana, 13515070 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl, Ganesha 10 Bandung 40132,
Lebih terperinciPenyelesaian Berbagai Permasalahan Algoritma dengan Kombinasi Algoritma Brute Force dan Greedy
Penyelesaian Berbagai Permasalahan Algoritma dengan Kombinasi Algoritma Brute Force dan Greedy Anggriawan Sugianto 1, David Susanto 2, Zakka Fauzan Muhammad 3 Laboratorium Ilmu dan Rekayasa Komputasi Program
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Proses distribusi barang merupakan bagian dari aktivitas suatu perusahaan atau lembaga yang bersifat komersil ataupun sosial. Distribusi berperan sebagai salah satu
Lebih terperinciEKSPLORASI ALGORITMA BRUTE FORCE, GREEDY DAN PEMROGRAMAN DINAMIS PADA PENYELESAIAN MASALAH 0/1 KNAPSACK
EKSPLORASI ALGORITMA BRUTE FORCE, GREEDY DAN PEMROGRAMAN DINAMIS PADA PENYELESAIAN MASALAH / KNAPSACK Prasetyo Andy Wicaksono - 55 Program Studi T. Inormatika, STEI, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciAlgoritma Greedy (lanjutan)
Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggat Waktu (Job Schedulling with Deadlines) Persoalan: -Adan buah job yang akan dikerjakan oleh sebuah mesin; -tiapjob diproses oleh mesin selama
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciAlgoritma Greedy (Bagian 2) IF2251 Strategi Algoritmik Oleh: Rinaldi Munir
Algoritma Greedy (Bagian 2) IF2251 Strategi Algoritmik Oleh: Rinaldi Munir 1 5. Penjadwalan Job dengan Tenggat Waktu (Job Schedulling with Deadlines) Persoalan: - Ada n buah job yang akan dikerjakan oleh
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciPenerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking
Penerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking Krisna Dibyo Atmojo 13510075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciSirkuit Euler & Sirkuit Hamilton SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013
Sirkuit Euler & Sirkuit Hamilton SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013 Sirkuit Euler Lintasan Euler ialah lintasan yang melalui masing-masing sisi di dalam graf tepat satu kali. Sirkuit Euler
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 4: Kompleksitas waktu algoritma rekursif part 1 Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kompetisi Global yang kian hari kian meningkat memaksa perusahaan untuk menggunakan aset intelektual mereka dengan lebih baik. Berbagai metode digunakan demi meningkatkan
Lebih terperinciAlgoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB
Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB Mohamad Ray Rizaldy - 13505073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM
PERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM Djasli Djamarus, Meiril Mediawan Laboratorium Informatika Dasar Jurusan Teknik Informatika FTI -
Lebih terperinciBAB 1 PENDAHULUAN. dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Komputer merupakan salah satu alat bantu untuk menyelesaikan masalah. Untuk dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan lintasan terpendek di antara titik tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus khusus dan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
1 BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Graf merupakan salah satu cabang ilmu matematika yang dapat digunakan dalam membantu persoalan diberbagai bidang seperti masalah komunikasi, transportasi, distribusi,
Lebih terperinciOperations Management
Operations Management OPERATIONS RESEARCH William J. Stevenson 8 th edition MASALAH PENUGASAN (ASSIGMENT PROBLEM) Merupakan masalah yang berhubungan dengan penugasan optimal dari bermacammacam sumber yang
Lebih terperinciStrategi Algoritma Penyelesaian Puzzle Hanjie
Strategi Algoritma Penyelesaian Puzzle Hanjie Whilda Chaq 13511601 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Teori graf merupakan pokok bahasan yang memiliki banyak terapan sampai saat ini. Graf di gunakan untuk merepresentasikan objek objek diskrit dan hubungan antara
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciAlgoritma Brute Force
Algoritma Brute Force Oleh: Rinaldi Munir Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika Sekolah teknik Elektro dan Informatika, ITB, 2014 1 2 Definisi Brute Force Brute force : pendekatan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesman Problem (TSP) adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang ada dan kota tersebut hanya boleh dikunjungi tepat satu
Lebih terperinciBAB 2 OPTIMISASI KOMBINATORIAL
BAB 2 OPTIMISASI KOMBINATORIAL Optimisasi kombinatorial merupakan suatu cara yang digunakan untuk mencari semua kemungkinan nilai real dari suatu fungsi objektif. Proses pencarian dapat dilakukan dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA
II.1 BAB II TINJAUAN PUSTAKA 2.1 Travelling Salesman Problem (TSP) Permasalahan tentang Traveling Salesman Problem dikemukakan pada tahun 1800 oleh matematikawan Irlandia William Rowan Hamilton dan matematikawan
Lebih terperinciDAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...
DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... INTISARI... ABSTRACT...
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari lintasan sederhana terpanjang maksimum dalam suatu graph yang diberikan. Lintasan terpanjang
Lebih terperinciAplikasi Divide and Conquer pada Perkalian Large Integer untuk Menghitung Jumlah Rute TSP Brute Force
Aplikasi Divide and Conquer pada Perkalian Large Integer untuk Menghitung Jumlah Rute TSP Brute Force Martin Lutta Putra - 13515121 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)
PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC) Yayun Hardianti 1, Purwanto 2 Universitas Negeri Malang E-mail: yayunimoet@gmail.com ABSTRAK:
Lebih terperinciSTUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM
Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinciAPLIKASI ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN INTEGER PROGRAMMING. Enty Nur Hayati Dosen Fakultas Teknik Universitas Stikubank Semarang
2010 Enty Nur Hayati 13 APLIKASI ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN INTEGER PROGRAMMING Enty Nur Hayati Dosen Fakultas Teknik Universitas Stikubank Semarang DINAMIKA TEKNIK Vol. IV, No. 1 Januari
Lebih terperinciReview Teori P dan NP
IF5110 Teori Komputasi Review Teori P dan NP Oleh: Rinaldi Munir Program Studi Magister Informatika STEI-ITB 1 2 Pendahuluan Kebutuhan waktu algoritma yang mangkus bervariasi, mulai dari O(1), O(log log
Lebih terperinciALGORITMA MENCARI LINTASAN TERPENDEK
Abstrak ALGORITMA MENCARI LINTASAN TERPENDEK Indra Fajar 1, Gustian Siregar 2, Dede Tarwidi 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinci