Professional Documents
Culture Documents
Department of Industrial Management, National Taiwan University of Science and Technology, 43 Keelung Road,
Section 4, Taipei 106, Taiwan
Algoritma Ant colony yang dikombinasikan dengan Taboo search digunakan untuk
menyelesaikan permasalahan “classical job shop scheduling” atau JSSP. Dalam JSSP , satu set
pekerjaan harus diproses pada beberapa mesin dimana harus sesuai dengan batasan batasan atau
syarat yang ada, baik ketika sebuah mesin tersebut terhubung maupun tidak. algoritma ini
digunakan untuk melakukan optimalisasi
Dalam JSSP, satu tugas yang memiliki suatu batasan diproses dalam dalam beberapa
mesin yang terbatas. Setiap pekerjaan tersebut mengikuti urutan mesin yang telah ditentukan
sebelumnya, dimana tidak bisa diganggu sampai tugas tersebut selesai.
Secara sistematis JSSP bisa didefinisikan sebagai berikut : ada seperangkat M mesin,
seperangkat J tugas dan seperangkat O operasi.
ACO memiliki konsep dimana Semut mampu mencari jarak terpendek dari sumber makanan ke
sarang mereka tanpa petunjuk visual. Semut melakukan komunikasi informasi tentang sumber
makanan dengan memberi jejak dengan substansi kimia yang bernama “pheromone” dimana,
semut akan tertarik dengan akumulasi pheromone terbanyak, dimana secara tidak langsung itu
menunjukan jejak terdekat. ACO yang dikombinasikan dengan algoritma fast TS bekerja dengan
melakukan identifikasi bottleneck dari mesin diantara semua mesin yang tak terjadwal. Setiap
“artifical ant” membangun sebuah permutasi atau perubahan susunan dari pekerjaan pada mesin
yang dipilih dengan menggunakan “state transtition rule” dan memberi jejak pheromone dengan
menggunakan aturan “applying the local pheromone update rule”. Langkah langkah diatas
diulang sampai penjadwalan yang baik tercapai ketika semua “artificial ant” selesai membangun
penjadwalan mereka, penelusuran yang terbaik tersebut ditingkatkan lagi dengan algoritma
penelusuran lokal yang telah disematkan.
1. Fase inisialisasi
Πm merupakan total machine loading, peringkat index dari mesin M. dalam fase ini
”pheromone” level 0 di inisialisas untuk semua jejak
2. Fase Construction
Mendefinisikan jejak pheromone
Setiap artificial ant memilih mesin M yang tak terjafwal dengan TML tertinggi pada level
pertama
dimana merupakan initial pheromone level. Dan p (0 < p < 1) adalah parameter
pheromone yang menguap.
Prinsip optimalitas proksimat
Local search phase
Global pheromone update phase
Implementasi dari local search algoritma
TS algoritma
TS dimulai dari solusi awal, di tiap iterasi, sebuah perpindahan dilakukan untuk solusi
tetangga terbaik selamat kualitasnya tidak lebih baik dari yang saat itu. Untuk
menghindari cycling maka digunakan a short term memory yang dipanggil taboo list
The fast taboo algorithm
FT bisa dikarakteristikan dengan komponen berikut : neighborhood definition, short term
memory (taboo list), long term memory dan stopping criterion.
Long term memory and global pheromone update query
Long term memory and global pheromone update query memiliki struktur data mirip
dengan long term memory, karena itu ketika penjadwalan yang lebih baik ditemukan.
ACOFT segera mengupdate, tidak hanya long term memory namun juga global update
pheromone queue.
The modified makespan calculation
POP with partial disjunctive graph
Untuk mengaklerasi prosdur, dilakukan substitusi pada general disjunctive graph (GDG) dengan
partial disjunctive graph (PDG) di dalam POP.
General disjunctive graph dengan 3 mesin yang di jadwalkan
setting values dari ACOFT parameter dan perbandingan komputasional antara GDGD dan PDG
hasil komputasional
hasil komputasi dimana menggunakan bahasa pemrograman C++ dan berjalan pada AMD XP-
1800+ (1533MHz) CPU dan 768 RAM dengan sistem operasi windows XP
Kesimpulan
Dalam papaer ini menggunakan algoritma hybrid antara ACO dengan fast taboo untuk
meminimalisir total waktu eksekusi dalam JSSP. Untuk meningkatkan performa lebih dari ACO,
kita mendefinisikan phromone trail yang terinspirasi dari SB