YRPIPKUYRPIPKU

Journal of Applied Engineering and Technological Science (JAETS)Journal of Applied Engineering and Technological Science (JAETS)

Penelitian ini menangani Three-Dimensional Loading Capacitated Vehicle Routing Problem (3L-CVRP), suatu masalah NP-hard yang sangat kompleks yang menggabungkan penentuan rute kendaraan dengan pemaketan tiga dimensi yang terbatas secara spasial. Untuk mengatasi tantangan tersebut, kami mengusulkan Artificial Immune System yang ditingkatkan (En-AIS) yang mengintegrasikan heuristik pencarian lokal baru bernama “Bring-i-to-j, yang dirancang untuk meningkatkan kelayakan rute dan efisiensi pemuatan. Algoritma En-AIS selanjutnya disempurnakan melalui penalaan parameter yang ketat menggunakan desain faktorial penuh dan analisis ANOVA. Eksperimen komparatif dilakukan terhadap AIS konvensional dan Firefly Algorithm (FA) pada 27 contoh benchmark. Hasil menunjukkan bahwa En-AIS secara konsisten mengungguli kedua metode dasar dalam kualitas solusi, dengan peningkatan rata-rata 15-20 % sambil mempertahankan waktu komputasi yang kompetitif. Temuan ini menegaskan ketangguhan algoritma dan potensi aplikasinya secara praktis dalam logistik serta optimisasi rantai pasokan yang melibatkan keputusan routing dan loading secara bersamaan.

En-AIS yang menggabungkan heuristik “Bring-i-to-j berhasil meningkatkan kualitas solusi dan stabilitas dibandingkan AIS tradisional serta Firefly Algorithm pada berbagai kasus 3L-CVRP.Meskipun menunjukkan keunggulan praktis, studi ini masih terbatas pada data benchmark statis, orientasi barang tetap, dan waktu komputasi yang dapat menjadi hambatan pada skala sangat besar atau operasi real-time.Penelitian selanjutnya sebaiknya memperluas En-AIS ke varian dinamis dan stokastik 3L-CVRP, mengintegrasikan penyesuaian parameter berbasis pembelajaran mesin, serta menguji model dengan data dunia nyata dan memperhitungkan kendala fragilitas serta preferensi orientasi barang.

Penelitian selanjutnya dapat mengeksplorasi penggunaan pembelajaran penguatan (reinforcement learning) untuk melakukan penyesuaian parameter En-AIS secara daring selama operasi 3L-CVRP yang dipengaruhi perubahan permintaan pelanggan dan kondisi lalu lintas. Selain itu, penting untuk mengembangkan kerangka metaheuristik hibrida yang menggabungkan En-AIS dengan algoritma evolusi multi-objektif, sehingga dapat secara bersamaan meminimalkan biaya, emisi karbon, dan tingkat layanan dalam konteks logistik berkelanjutan. Selanjutnya, diperlukan model pemuatan yang memperhitungkan sifat rapuh serta stabilitas penumpukan barang, dan mengintegrasikannya ke dalam En-AIS; model ini sebaiknya divalidasi menggunakan dataset nyata dari perusahaan e-commerce untuk menilai keefektifan dalam situasi operasional yang kompleks. Pendekatan tersebut juga dapat melibatkan teknik optimasi adaptif yang menyesuaikan strategi heuristik berdasarkan umpan balik performa solusi dalam tiap iterasi, sehingga meningkatkan kemampuan algoritma dalam menghadapi variasi ukuran dan kompleksitas masalah. Sebagai langkah lanjutan, penelitian dapat mengkaji integrasi data real-time seperti informasi cuaca dan kepadatan lalu lintas ke dalam model keputusan En-AIS, guna menghasilkan rute yang lebih responsif dan mengurangi risiko keterlambatan pengiriman.

  1. Metaheuristics for the vehicle routing problem with loading constraints - Doerner - 2007 - Networks -... onlinelibrary.wiley.com/doi/10.1002/net.20179Metaheuristics for the vehicle routing problem with loading constraints Doerner 2007 Networks onlinelibrary wiley doi 10 1002 net 20179
  2. 0. loading direct.mit.edu/evco/article/13/2/145-177/12070 loading direct mit edu evco article 13 2 145 177 1207
Read online
File size1.48 MB
Pages21
DMCAReport

Related /

ads-block-test