LANDASAN TEORI
2.1.1. Sejarah
Travelling and Salesman Problem (TSP) dipelajari pada abad ke-18 oleh
seorang matematikawan Irlandia bernama Sir William Rowam Hamilton dan oleh
matematikawan Inggris bernama Thomas Penyton Kirkman. Pembahasan mendetail
tentang karya Hamilton & Kirkman dapat dilihat dari buku berjudul Graph Theory
(Biggs et al. 1976). Dipercaya bahwa bentuk umum TSP pertama kali dipelajari oleh
Kalr Menger di Wina dan Harvard. Masalah TSP kemudian dipromosikan oleh
Hassler, Whitney & Merrill di Princeton. Deskripsi terperinci tentang hubungan
antara Menger & Whitney, dan perkembangan TSP dapat ditemukan di (Schrijver,
1960).
Dengan diberikan satu set kota dan biaya perjalanan (atau jarak) antara
setiap pasangan yang mungkin, TSP, menemukan cara terbaik untuk mengunjungi
semua kota dan kembali ke titik awal yang meminimalkan biaya perjalanan (atau
jarak perjalanan) (Rajesh, 2010). Dengan pengertian ini maka jika terdapat n tujuan
maka total jumlah kemungkinan rute yang dapat menjangkau seluruh tujuan adalah
sebesar (n-1)!/2 (Rajesh, 2010). Bertambahnya jumlah tujuan yang akan dikunjungi
dalam permasalahan TSP maka bertambah besar juga jumlah kemungkinan solusi
yang harus dicari. TSP adalah sebuah masalah optimasi kombinatorial dalam teori
graf dan memiliki ruang pencarian yang sangat luas. Masalah ini merupakan
masalah NP-Hard, berarti tidak ada algoritma yang diketahui dapat menyelesaikan
masalah ini dengan waktu yang efisien.
Ada banyak penggunaan TSP dalam kehidupan nyata yang praktis. Tentu
saja, di antaranya adalah masalah rute transportasi. Dalam bab ini, beberapa yang
paling populer aplikasi akan disebutkan. Selain itu, bab ini akan menyentuh
beberapa hal umum contoh TSP yang dapat dengan mudah diadaptasi untuk
digunakan dalam banyak masalah kehidupan nyata.
TSP memiliki banyak aplikasi di berbagai bidang seperti optimasi rute pada
transportasi, perencanaan penjadwalan pekerjaan, dan pengelolaan jaringan
komunikasi. Dalam prakteknya TSP sering menjadi uji coba untuk pengembangan
algoritma optimasi dan pengambilan keputusan di berbagai bidang. Maka dari itu,
solusi optimal dari TSP dapat membantu meningkatkan efisiensi dan menghemat
biaya dalam berbagai jenis aplikasi tersebut.
2.2. Algoritma