Penerapan Algoritma Ant Colony Algoritma Ant Colony

3.2 Penerapan Algoritma Ant Colony

Penerapan algortima ant colony berbeda untuk aplikasi yang berbeda. Sebagai contoh aplikasi Pengalokasian Kanal Dinamis PKD dengan Travelling Salesmen Problem TSP. Penerapan solusi algoritma ant colony ditunjukan pada Tabel 3.2[6]. Table 3.2 Contoh Penerapan algortima ant colony PKD danTSP Algoritma Algoritma Ant Colony untuk PKD Algoritma Ant Colony untuk TSP Solusi untuk menemukan Permintaan kanal. Kota tujuan. Pemilihan rumus probabilitas � � �� � = �. � �� � + 1 − �. � �� ∑ [ ��� � � α. τ �� t + 1 − α. η �� ] � � �� � = [ τ �� �] � . [ � �� ] � ∑ [ ��� � � [ τ �� �] � . [ � �� ]] � Dimana α dan β adalah parameter yang menyatakan tingkat kualitas jejak. Trail Level τ ij t Menyatakan intensitas dari pheromone dalam sel i ke j dalam waktu t. Dimana Menyatakan intensitas dari pheromone dalam kota i ke j dalam waktu t. dimana Visibility η ij Menyatakan rentang minimum frekuensi didefenisikan dalam matrik C Menyatakan jarak dari kota i ke j Mekanisme Trail Update τ ij t + n = ρ . τ ij t + ∆τ ij �� �� = � . [1 − � ���� − �� �̅ − �� ] di mana z adalah rata-rata dari k solusi terakhir dan LB adalah batas bawah untuk masalah biaya solusi optimal. menghindari stagnasi τ ij t + n = ρ . τ ij t + ∆τ ij k ∆��� = ∑ ∆��� � �=1 k , Δ τ ij k = Q L k dimana Q adalah jumlah feromon, dan L k adalah panjang tur k-th semut.

3.3 Algoritma Ant Colony

Secara umum algortima ant colony mempunyai bagian-bagian dasar yaitu, Langkah 1 Inialisasi adalah dimana pada tahap ini berisi input yang berupa Universitas Sumatera Utara parameter algoritma ant colony dan parameter yang mendukung dari setiap kasus yang akan di temukan solusinya. Langkah 2 Membangun Solusi dengan menugaskan setiap k semut artinya adalah ada sebanyak k semut yang dimiliki oleh algoritma ant colony. Pada tahap ini solusi awal dicari dan kemudian ditemukan, pada tahap ini juga terdapat rumusan probabilitas yang dimiliki oleh algortima ant colony sebagai penentu langkah untuk menemukan solusi awal. Langkah 3 Update Jejak ditahap ini solusi yang paling terbaik akan ditemukan dengan membandingkan solusi awal dan solusi berikutnya, dengan menggunakan rumusan yang dimiliki oleh algortima ant colony untuk memperbaharui jejak langkah berikutnya. Dan yang terakhir adalah Langkah 4 Kondisi Penghentian ditahap ini adalah tahap untuk mengakhiri langkah menemukan solusi, dimana bila solusi yang ditemukan belum pada batas akhir yang terbaik, maka tahap ini akan mencari solusi terbaik dengan mengulang kembali pada Langkah 2 Membangun Solusi. Lankah 4 akan mengakhiri pencarian solusi jika tidak lagi ditemukan solusi yang paling terbaik dari semua solusi yang ada. Tahap-tahapan algortima ant colony adalah sebagai berikut [6]. Langkah 1. Inialisasi Inialisasi τ ij Langkah 2. Membangun Solusi k Semut melakukan pencarian Ulangi Menghitung η ij Memilih pergerakan berikutnya, diberikan oleh persamaan probabilitas 3.1 P t ij k = [ τ ij t] α .[ η ij ] β ∑ [ l ϵN l k [ τ ij t] α .[ η ij ] β dimana ϵN i k 3.1 Universitas Sumatera Utara Menambahkan langkah yang dipilih ke daftar tabu semut k Sampai k semut menemukan solusinya Menjadikan solusi awal untuk langkah berikutnya akhir Langkah 3. Update Jejak Untuk pergerakan semut ij do Menghitung Δ τ ij Perbaharui jejak dengan persamaan 3.2 dan 3.3 τ ij t + n = ρ . τ ij t + ∆τ ij 3.2 dimana �� �� = � . [1 − � ���� −�� �̅−�� ] 3.3 Langkah 4. Kondisi Penghentian Jika iterasi belum terpenuhi kembali ke langkah 2, jika sudah maka optimasi selesai.

3.4 Ant Colony Algorithm untuk Pengalokasian Kanal Dinamis