Studi kasus ·Misalkan ada 3 kota dan 1 semut
Alur Kerja ACO untuk TSP – Contoh Kota A, B, C
Contoh ini menjelaskan satu iterasi algoritma Ant Colony Optimization untuk masalah TSP jalur (path) dengan tiga kota: A, B, C dan satu semut.
Inisialisasi
- Kota: A, B, C.
- Jarak: A–B = 10, A–C = 15, B–C = 20.
- Feromon awal semua jalur: τ = 0.1.
- Parameter: α = 1, β = 2, ρ = 0.5, Q = 100.
- Jumlah semut = 1, jumlah iterasi = 1.
Pemilihan kota awal
Satu kota dipilih secara acak sebagai posisi awal semut.
Misal kota awal terpilih adalah B. Rute = [B], sudah dikunjungi = {B}.
Dari B memilih kota berikutnya
Kandidat: A dan C.
- Visibilitas η = 1 / jarak
Arahan B→A: η = 1/10 = 0.1
Arahan B→C: η = 1/20 = 0.05 - Nilai ketertarikan
value(B→A) = 0.1 × 0.1² = 0.001
value(B→C) = 0.1 × 0.05² = 0.00025 - Probabilitas
Total = 0.00125
P(B→A) = 0.8, P(B→C) = 0.2
Misal bilangan acak r = 0.45, sehingga r jatuh pada interval B→A. Kota berikut adalah A. Rute = [B, A].
Dari A menuju kota terakhir
Satu-satunya kota yang belum dikunjungi adalah C, sehingga dipilih C. Rute lengkap: B → A → C, dengan total jarak 10 + 15 = 25.
Pembaruan feromon
- Penguapan:
τ baru = (1 − ρ) × 0.1 = 0.05 untuk semua jalur. - Penambahan pada jalur yang dilewati B–A dan A–C:
Δτ = Q / cost = 100 / 25 = 4
τ(B–A) = 0.05 + 4 = 4.05
τ(A–C) = 0.05 + 4 = 4.05
τ(B–C) tetap 0.05
Pada iterasi berikutnya, jalur yang membentuk rute B–A–C menjadi jauh lebih menarik bagi semut lain karena feromonnya lebih tinggi dan jaraknya relatif pendek.
Visual
Flowchart Proses ACO TSP Path
Gambar berikut menggambarkan alur lengkap algoritma, dari inisialisasi, konstruksi rute oleh semut, hingga pembaruan feromon dan iterasi berulang.
Flowchart melakukan load file . SVG dan disimpan dengan nama flowchartACO.svg.