ANGGOTA KELOMPOK
UNIVERSITAS JEMBER
2021
BAB I. DASAR TEORI
Proses seleksi berdasarkan atas pemutaran roulette wheel sebanyak pop_size kali;
setiap kali dipilih kromosom tunggal sebagai populasi baru, dengan cara:
• Bangkitkan bilangan acak r
• Bila r < q1 maka pilih kromosom pertama (v1); bila tidak pilih kromosom ke-i vi
(2 ≤ i ≤ pop_size) sedemikian rupa sehingga qi-1 < r ≤ qi
1.3. Spanning Tree
a. Sapnning tree adalah himpunan bagian dari Grafik G, yang memiliki semua simpul
yang ditutupi dengan jumlah tepi seminimal mungkin. Karenanya, Spanning tree tidak
memiliki siklus dan tidak dapat diputuskan .. Dengan definisi ini, kita dapat menarik
kesimpulan bahwa setiap Grafik G yang terhubung dan tidak diarahkan memiliki
setidaknya satu Spanning tree. Grafik yang terputus tidak memiliki pohon bentang,
karena tidak dapat direntang ke semua simpulnya.
Kami menemukan tiga Spanning tree dari satu grafik lengkap. Sebuah graf tak terarah
lengkap dapat memiliki maksimum n -2 jumlah Spanning tree, di mana n adalah jumlah
simpul. Dalam contoh di atas, n adalah 3, oleh karena itu 3 3−2 = 3 Spanning tree
dimungkinkan.
b. Properti Umum Spanning Tree
Kami sekarang memahami bahwa satu grafik dapat memiliki lebih dari satu Spanning
tree. Berikut adalah beberapa properti dari Spanning tree yang terhubung ke grafik G -
Semua Spanning tree yang mungkin dari grafik G, memiliki jumlah sisi dan simpul
yang sama.
Menghapus satu sisi dari Spanning tree akan membuat grafik terputus, yaitu
Menambahkan satu tepi ke Spanning tree akan membuat sirkuit atau lingkaran, yaitu
Spanning tree memiliki n-1 tepi, di mana n adalah jumlah simpul (simpul).
Spanning tree pada dasarnya digunakan untuk mencari jalur minimum untuk
menghubungkan semua node dalam sebuah grafik. Penerapan umum Spanning tree
adalah -
Analisis Cluster
Mari kita pahami ini melalui contoh kecil. Pertimbangkan, jaringan kota sebagai grafik
yang sangat besar dan sekarang berencana untuk menggunakan saluran telepon
sedemikian rupa sehingga dalam saluran minimum kita dapat terhubung ke semua node
kota. Di sinilah pohon bentang muncul.
{1, 0, 0, 0}
{1, 1, 0, 1}
{0, 1, 0, 0}
{1, 1, 1, 1}
Diah, K., Mardhiah, F., dan CharloSutanto. 2010. “Penyelesaian Knapsack Problem
Menggunakan Algoritma Genetik”. Riau: Teknik Komputer Politeknik Caltex Riu Pekanbaru.
Kellerer, H., Pferschy, U., & Pisinger, D. 2004. Knapsack Problems.New York: Springer-
Verlag Berlin Heidelberg.
Li, Z., &Li, N. 2009. A novel multi-mutation binary particle swarm optimization for 0/1
knapsack problem. Chinese Control and Decision Conference(pp. 3090-3095). New
Jersey: IEEE Press.
Lin, F.-T. (2008, February 16). Solving the knapsack problem with imprecise weight
coefficients using genetic algorithms. European Journal of Operational Research,
185(1), 133-145.
Liu, Y., & Liu, C. 2009. A Schema-Guiding Evolutionary Algorithm for 0-1 Knapsack
Problem. International Association of Computer Science and Information
Technology -Spring Conference(pp. 160-164). IEEE.
S. Alfeno and R. E. C. Devi, “Implementasi Global Positioning System ( GPS ) dan Location
Based Service ( LSB ) pada Sistem Informasi Kereta Api untuk Wilayah Jabodetabek,”
Sisfotek Glob., vol. 7, no. 2, pp. 27–33, 2017.
Paryati. 2009. “StrategiAlgoritma Greedy untuk Menyelesaikan Permasalahan Knapsack 0-1”.
Yogyakarta: Teknik Informatika UPN “Veteran” Yogyakarta.