Algoritma gentika untuk penjadwalan proyek berkendala

Abstract

Pcnjadwalan mcrupakan masalah yang sulit, dipandang dari scgi tcknis maupun implcmcntasi. Salah satu metode yang potensial untuk menyelesaikan masalah optimasi penjadwalan proyek berkendala adalal1 Algoritma Genetika (AG). AG merupakan suatu teknik pencarian stokastik dan optimasi yang cara kerjanya meniru prinsip cvolusi (sclcksi dan genetika alami). AG adalah bagian dari komputasi evolusioner dan mampu beradaptasi terhadap masalah yang dipecahkannya. AG bckcrja sccara probabilistik pada sekumpulan solusi fisibcl yang dikodck:111 (kromosom), yang disebut populasi. Pada implementasinya, AG secara langsung hanya mcmanfaatkan informasi fungsi objektif. Ada bcrbagai jenis tcknik pengodcan solusi, operator genetika, dan transformasi fungsi objektif ke dalam fungsifllness (ukuran kualitas kromosom) dalam AG. Setiap teknik yang akan dipakai, disesuaikan dengan karakteristik permasalahannya. Pemiliban teknik dan operator genetika yang tcpat sangat menentukan kesuksesan AG. Parameter-parameter AG seperti : ukuran populasi, kriteria pengbentian, tingkat penyilangan, dan tingkat mutasi jug.1 hams ditentukan. Rcpresentasi urutan pengerjaan aktivitas berupa suatu vcktor, penggunaan PMX (partially mapped crossover), mutasi .1.-optimum, dan kombinasi seleksi rolct dan clitis, cukup efcktif untuk mcmccahkan masalal1 optimasi penjadwalan proyck bcrkendala. AG lcbib baik dibandingkan metode beuristik Kusiak (1990) dalam mcnyelesaikan masalal1 tcrsebut. Namun dcmikian AG memerlukan waktu komputasi yang relatif lama. Karena AG bcrsifat stokastik, maka setiap kali AG dieksekusi, solusi yang dihasilkannya bisa berbeda­bcda. Dengan dcmikian sebaiknya AG dieksekusi beberapa kali, lalu pilih satu solusi yang terbaik. Ukuran populasi yang lebib bcsar dan jumlah generasi yang lebib banyak, bcsar kcmungkinan mengbasilkan populasi (kandidat solusi) awal yang kualitasnya lebib baik Semakin banyak aktivitas yang akan dijadwalkan dalam suatu proyek, semakin besar pula ukuran populasi dan/atau jumlah generasi yang dipcrlukan pada AG agar memperolcb solusi yang baik Pcrbaikan solusi lcbib banyak tcrjadi pada saat awal cksckusi AG (gcncrasi-gcncrasi awal), tctapi lcbih scdikit atau bahkan tidak ada pcrbaikan solusi pada saat akhir cksekusi AG.