RECORD DETAIL
Back To Previous
Back To Previous
| Title | Pengembangan Algoritma Hybrid Cross Entropy-Genetic Algorithm pada Permasalahan Multiobjective Job Shop Scheduling untuk Minimasi Makespan dan Mean Flow Time |
| Edition | |
| Call Number | 2013/I/29 |
| ISBN/ISSN | |
| Author(s) | Hanka, Maria Khristina Rismawati |
| Subject(s) | Cross Entropy-Genetic Algorithm Metaheuristik Job Shop Scheduling |
| Classification | 658.403 2 Han p |
| Series Title | GMD | Tugas Akhir |
| Language | Indonesia |
| Publisher | Jurusan Teknik Industri FTI-ITS |
| Publishing Year | 2013 |
| Publishing Place | Surabaya |
| Collation | |
| Abstract/Notes | Kata kunci: Cross Entropy-Genetic Algorithm, Job Shop Scheduling, Metaheuristik, Multi Objective. |
| Specific Detail Info | Multiobjective Job Shop Scheduling Problem (MOJSP) merupakan permasalahan penentuan jadwal atau urutan operasi dari beberapa job menggunakan beberapa mesin dengan mempertimbangkan lebih dari satu tujuan yang ingin dicapai. Hal ini menjadikan penyelesaian permasalahan menjadi tidak mudah karena kompleksitas masalah menjadi semakin tinggi. Perkembangan metode optimasi untuk mencapai solusi permasalahan mendorong munculnya banyak alternatif metode penyelesaian baru. Penelitian ini menawarkan pendekatan alternatif Cross Entropy-Genetic Algorithm untuk menyelesaikan MOJSP dengan objektif minimasi makespan dan mean flow time di mana kedua objektif ini dipilih karena merupakan dua objektif umum yang sangat penting di dalam dunia manufaktur. Algoritma ini telah berhasil diterapkan pada kasus job shop scheduling baik dengan objektif tunggal maupun multiobjektif, namun memiliki kelemahan dari segi waktu komputasi yang masih dianggap terlalu lama. Metode hybrid ini merupakan penggabungan antara algoritma Cross Entropy dan Genetic Algorithm di mana diversifikasi solusi optimum dilakukan dengan mekanisme tiga jenis mutasi (flip mutation, swap mutation, dan slide mutation), tanpa menggunakan mekanisme crossover yang pada umumnya digunakan dalam algoritma Genetic Algorithm. Algoritma Cross Entropy digunakan untuk pembangkitan sampel, sedangkan Genetic Algorithm digunakan sebagai mekanisme diversifikasi solusi untuk memperluas ruang pencarian solusi. Untuk mengakomodasi perhitungan multiobjektif, digunakan pendekatan fungsi utilitas (pembobotan). Dari hasil eksperimen yang telah dilakukan, terlihat bahwa algoritma Cross Entropy-Genetic Algorithm dapat menghasilkan solusi yang kompetitif dibandingkan dengan metode Cross Entropy murni maupun Simulated Annealing terutama untuk ukuran permasalahan kecil dan sedang. |
| Image |  |
| File Attachment | LOADING LIST... |
| Pembimbing | Prof. Ir. Budi Santosa, MS;Ph.D |
| Volume | |
| Availability | LOADING LIST... |
| Back To Previous |