Perbandingan Algoritma Simulated Annealing, Genetic Algorithm, dan Ant Colony Optimization terhadap Permasalahan Travelling Salesman Problem

Abstract

Percobaan ini membandingkan tiga algoritma heuristik, yaitu Genetic Algorithm (GA), Simulated Annealing (SA), dan Ant Colony Optimization (ACO), dalam menyelesaikan masalah Travelling Salesman Problem (TSP) menggunakan dataset Berlin. TSP merupakan masalah kombinatorial yang bertujuan untuk menentukan rute terpendek yang mengunjungi sejumlah titik dan kembali ke titik awal. Metode percobaan mencakup penerapan ketiga algoritma dengan pengaturan parameter yang konsisten, termasuk jumlah iterasi sebanyak 10 kali, untuk mengevaluasi kinerja masing-masing algoritma. Hasil percobaan menunjukkan bahwa GA mencapai solusi terbaik dengan total jarak tempuh 27.539,86, diikuti oleh ACO dengan jarak 28.774,06, dan SA dengan jarak 28.897,26. Analisis hasil menunjukkan bahwa GA secara efektif mengeksplorasi ruang solusi, menghasilkan rute yang lebih efisien dibandingkan kedua algoritma lainnya. Selain itu, percobaan ini memberikan rekomendasi untuk pengembangan lebih lanjut, termasuk tuning parameter dan penerapan algoritma pada skala yang lebih besar. Temuan ini diharapkan dapat memberikan wawasan yang berharga untuk implementasi algoritma heuristik dalam memecahkan masalah optimasi dalam dunia nyata.