JENIS JENIS ALGORITMA

BRANCH AND BOUND

Metode Branch and Bound adalah sebuah teknik algoritma yang secara khusus mempelajari
bagaimana caranya memperkecil Search Tree menjadi sekecil mungkin.
Sesuai dengan namanya, metode ini terdiri dari 2 langkah yaitu :
Branch yang artinya membangun semua cabang tree yang mungkin menuju solusi.
Bound yang artinya menghitung node mana yang merupakan active node (E-node) dan node
mana yang merupakan dead node (D-node) dengan menggunakan syarat batas constraint
(kendala).

TEKNIK BRANCH AND BOUND

FIFO Branch and Bound
Adalah teknik Branch and Bound yang menggunakan bantuan queue untuk perhitungan
Branch and Bound secara First In First Out.
LIFO Branch and Bound
Adalah teknik Branch and Bound yang menggunakan bantuan stack untuk perhitungan
Branch and Bound secara Last In First Out.
Least Cost Branch and Bound
Teknik ini akan menghitung cost setiap node. Node yang memiliki cost paling kecil
dikatakan memiliki kemungkinan paling besar menuju solusi.
MASALAH YANG DAPAT DIPECAHKAN
Branch and Bound dapat digunakan untuk memecahkan berbagai masalah yang
menggunakan Search Tree
Traveling Salesman Problem
N-Queen Problem
15 Puzzle Problem
0/1 Knapsack Problem
-Shortest Path

Algoritma Brute Force

Algoritma Brute Force adalah sebuah pendekatan
yang lempang (straightforward) untuk memecahkan
suatu masalah, biasanya didasarkan pada pernyataan
masalah (problem statement) dan definisi konsep
yang dilibatkan.[7]
Prinsip prinsip algoritma brute force untuk
menyelesaikan persoalan Integer Knapsack ialah:
1) Mengenumerasikan semua himpunan bagian
dari solusi.
2) Mengevaluasi total keuntungan dari setiap
himpunan bagian dari langkah pertama
3) Pilih himpunan bagian yang mempunyai total
keuntungan terbesar

Algoritma Greedy
Secara harfiah, greedy berarti rakus atau tamak.
Algoritma Greedy merupakan algoritma sedarhana
dan lempang yang paling populer untuk pemecahan
persoalan optimasi (maksimum atau minimum).
Prinsip greedy adalah: take what you can get
now!, yang digunakan dalam konteks positif.[7]
Ada tiga pendekatan dalam menyelesaikan
persoalan Integer Knapsack dengan algoritma
Greedy:
1) Greedy by profit.
Pada setiap langkah, knapsack diisi dengan objek
yang mempunyai keuntungan terbesar. Strategi ini
mencoba memaksimumkan keuntungan dengan
memilih objek yang paling menguntungkan terlebih
dahulu.
2) Greedy by weight.
Pada setiap langkah, knapsack diisi dengan objek
yang mempunyai berat paling ringan. Strategi ini
mencoba memaksimumkan keuntungan dengan
memasukkan sebanyak mungkin objek ke dalam
knapsack.
3) Greedy by density.
Pada setiap langkah, knapsack diisi dengan objek
yang mempunyai densitas, pi /wi terbesar. Strategi
ini mencoba memaksimumkan keuntungan dengan
memilih objek yang mempunyai keuntungan per unit
berat terbesar.

Algoritma Dynamic Programming

Program Dinamis (dynamic programming): metode
pemecahan masalah dengan cara menguraikan solusi
menjadi sekumpulan langkah (step) atau tahapan
(stage) sedemikian sehingga solusi dari persoalan
dapat dipandang dari serangkaian keputusan yang
saling berkaitan.[7]
Pada penyelesaian persoalan dengan metode ini:
(1) terdapat sejumlah berhingga pilihan yang
mungkin,
(2) solusi pada setiap tahap dibangun dari hasil
solusi tahap sebelumnya,
(3) kita menggunakan persyaratan optimasi dan
kendala untuk membatasi sejumlah pilihan yang

harus dipertimbangkan pada suatu tahap.

Dua pendekatan yang digunakan dalam Dynamic
Progamming adalah maju (forward atau up-down)
dan mundur (backward atau bottom-up).
Misalkan x1, x2, , xn menyatakan peubah (variable)
keputusan yang harus dibuat masing-masing untuk
tahap 1, 2, , n. Maka,
a. Program dinamis maju: Program dinamis
bergerak mulai dari tahap 1, terus maju ke tahap 2, 3, dan seterusnya sampai tahap n.
Runtunan
peubah keputusan adalah x1, x2, , xn.
b. Program dinamis mundur: Program dinamis
bergerak mulai dari tahap n, terus mundur ke
tahap n 1, n 2, dan seterusnya sampai tahap
1. Runtunan peubah keputusan adalah xn, xn-1,
, x1.
Secara umum, ada empat langkah yang dilakukan
dalam mengembangkana algoritma program
dinamis:
1. Karakteristikkan struktur solusi optimal.
2. Definisikan secara rekursif nilai solusi
optimal.
3. Hitung nilai solusi optimal secara maju atau
mundur.
4. Konstruksi solusi optimal.

Algoritma Divide and Conquer

Algoritma divide and conquer sudah lama diperkenalkan sebagai sumber dari
pengendalian proses paralel, karena masalah-masalah yang terjadi dapat diatasi
secara independen. Banyak arsitektur dan bahasa pemrograman paralel mendesain
implementasinya (aplikasi) dengan struktur dasar dari algoritma divide and conquer.
Untuk menyelesaikan masalah-masalah yang besar, dan dibagi (dipecah) menjadi
bagian yang lebih kecil dan menggunakan sebuah solusi untuk menyelesaikan
problem awal adalah prinsip dasar dari pemrograman/strategi divide and conquer.