Penilaian Internal Matematika HL AI:

Analisis grafis pilihan universitas

Topik: Diagram Voronoi dan Teori Graf

Daftar isi
Perkenalan:..................................................................................................................................2
Alasan:........................................................................................................................................2
Tujuan:........................................................................................................................................2
Eksplorasi:...................................................................................................................................3
Memecahkan Masalah Travelling Salesman...............................................................................9
Kesimpulan dan Evaluasi:.........................................................................................................19
Bibliografi.................................................................................................................................20
Perkenalan:

Alasan:

Sebagai seorang siswa di tahun terakhir diploma IB mereka, sensasi dan teror mendaftar ke

universitas adalah tekanan terus-menerus yang membayangi kepala saya. Ada beberapa faktor

yang berperan dalam hal ini, seperti keinginan untuk mencapai yang terbaik di IB untuk

memenuhi nilai tertentu yang dipersyaratkan atau menulis pernyataan pribadi. Namun,

rintangan pertama adalah memutuskan ke mana Anda ingin melamar. Tentu saja, ini

bergantung pada banyak variabel, seperti tingkat akademik seseorang dan tujuan kariernya.

Bagi saya, lokasi adalah faktor utama. Karena keluarga saya akan terus tinggal di luar negeri

saat saya pindah ke Inggris, akan bermanfaat jika memiliki banyak bandara terdekat sehingga

saya dapat sering mengunjunginya atau sebaliknya. Selain itu, sebelum memilih dimana saya

ingin belajar, penting bagi saya untuk merasakan setiap daerah dan kampus, sehingga saya

harus mengunjungi setiap kampus universitas. Sebagai mahasiswa dengan anggaran terbatas,

saya ingin mencari cara termurah untuk mengunjungi masing-masing kampus ini.

Tujuan:

Tujuan dari investigasi ini adalah untuk menentukan universitas yang optimal berdasarkan

jumlah bandara terdekat dari masing-masing 9 universitas terpilih dengan menggunakan

diagram Voronoi. Selain itu, untuk memberikan gambaran tentang kisaran uang yang saya

perlukan untuk mengunjungi setiap kampus sekali dalam tur kampus, penyelidikan ini juga

mendekati solusi untuk masalah salesman keliling dengan menggunakan grafik berbobot yang

menunjukkan harga rute kereta api langsung ke masing-masing kampus. Universitas.

Sementara rentang nilai dapat ditentukan dengan menemukan batas bawah dan batas bawah

untuk siklus Hamiltonian dengan bobot terkecil, harus ditetapkan bahwa karena sifat masalah
salesman keliling, menjadi NP-hard (yang berarti tidak memiliki algoritma yang efisien),

solusi apa pun untuk masalah salesman keliling hanyalah perkiraan.

Eksplorasi:

Konstruksi Diagram Voronoi: 1

Untuk membuat Diagram Voronoi, pertama-tama saya melapisi peta Inggris di atas kotak
persegi menggunakan GeoGebra. Gambar 1 memiliki skala 50km per 2 unit dan menampilkan
9 universitas terpilih sebagai situs yang berbeda {N, D, Lo, M, L, 0, W, LS, E] dengan
koordinatnya dicatat pada Tabel 1.

Gambar 1: Peta Potensi Perguruan Tinggi

1
Kotak biru muda dengan trim merah digunakan untuk menyembunyikan informasi pribadi dan tidak
relevan secara matematis.
Tabel 1: Koordinat Universitas
Nama situs Koordinat Lokasi
N (12.0, 19.9)
D (12.1, 18.8)
L (12.2,14.5)
M (10.4,13.0)
Lo (13.0,9.9)
0 (12.1,8.2)
W (12.9,5.6)
LS (15.9,4.6)
e (6.9,1.3)

Karena semua titik pada garis bagi tegak lurus sama jaraknya dengan tempat yang dibelah

dua, garis bagi tegak lurus berguna dalam pembuatan Diagram Voronoi. Dengan demikian,

garis bagi tegak lurus antara setiap situs harus ditemukan, ini akan bertindak sebagai tepi

untuk Diagram Voronoi.

Pertama, tepi antara situs N(12.0,19.9) dan D(12.1,18.8) dibangun. Sebagai

Garis bagi tegak lurus melalui titik tengah, itulah yang harus dihitung terlebih dahulu.

Titik tengah [ND] = 8 ! ! "! " , $ ! "$ " 9

12.0 + 12.1 19.9 + 18.8
2,2
= (12.05, 19.35)

Gradien garis bagi tegak lurus antara dua titik sama dengan kebalikan negatif dari gradien

(m) garis antara titik-titik ini.

m dari! ND] = YY
" %! !

18.8 - 19.9
=
12.1 - 12.0
 mf [ND] = -11

GRADIEN Garis-bagi Tegak Lurus [ND] = 1

Bentuk persamaan liniernya adalah y = mx + c jadi kita substitusikan ke dalam nilai-nilai

dari

x dan y dari titik tengah, dan m untuk menemukan c dan dengan demikian persamaan garis
bagi tegak lurus.
y = mx + c
19,35 -11(12,05) + c
c = 19,35 12.05
11

c = 18,254
ay = x + 18,254W
11
W
W
W
Bentuk linier ini mewakili tepi antara situs N dan D .
Proses ini diulangi untuk semua tepi lainnya di antara situs. Untuk membuat prosesnya

lebih efisien, saya membuat spreadsheet di Excel untuk menemukan titik tengah dan

gradien dari garis bagi lainnya yang tegak lurus. Untuk nilai-nilai ini saya memilih

untuk tidak membulatkannya untuk memastikan keakuratan dalam perhitungan saya

yang lain.
Situs X yi X2 Y2 M Saya Titik Titik C
-m tengah tengah y
X
DL 12.1 18.8 12.2 14.5 -43 0.02325581 12.15 16.65 16.3674419
LM 12.2 14.5 10.4 13 0.83333333 -1.2 11.3 13.75 27.31
MLo 10.4 13 13 9.9 -1.1923077 0.83870968 11.7 11.45 1.63709677
LoO 13 9.9 12.1 8.2 1.88888889 -0.5294118 12.55 9.05 15.6941176
OW 12.1 8.2 12.9 5.6 -3.25 0.30769231 12.5 6.9 3.05384615
WLS 12.9 5.6 15.9 4.6 -0.3333333 3 14.4 5.1 -38.1
LSE 15.9 4.6 6.9 1.3 0.36666667 -2.7272727 11.4 2.95 34.0409091
NL 12 19.9 12.2 14.5 -27 0.03703704 12.1 17.2 16.7518519
NM 12 19.9 10.4 13 4.3125 -0.2318841 11.2 16.45 19.0471014
NLo 12 19.9 13 9.9 -10 0.1 12.5 14.9 13.65
TIDAK 12 19.9 12.1 8.2 -117 0.00854701 12.05 14.05 13.9470085
NW 12 19.9 12.9 5.6 -15.888889 0.06293706 12.45 12.75 11.9664336
NLS 12 19.9 15.9 4.6 -3.9230769 0.25490196 13.95 12.25 8.69411765
NE 12 19.9 6.9 1.3 3.64705882 -0.2741935 9.45 10.6 13.191129
DM 12.1 18.8 10.4 13 3.41176471 -0.2931034 11.25 15.9 19.1974138
DLo 12.1 18.8 13 9.9 -9.8888889 0.1011236 12.55 14.35 13.0808989
MELAKUKAN 12.1 18.8 12.1 8.2 Belum Belum 12.1 13.5 Belum
DW 12.1 18.8 12.9 5.6 -16.5 0.06060606 12.5 12.2 11.4424242
DLS 12.1 18.8 15.9 4.6 -3.7368421 0.26760563 14 11.7 7.95352113
DE 12.1 18.8 6.9 1.3 3.36538462 -0.2971429 9.5 10.05 12.8728571
LLo 12.2 14.5 13 9.9 -5.75 0.17391304 12.6 12.2 10.0086957
LO 12.2 14.5 12.1 8.2 63 -0.015873 12.15 11.35 11.5428571
LW 12.2 14.5 12.9 5.6 -12.714286 0.07865169 12.55 10.05 9.06292135
LLS 12.2 14.5 15.9 4.6 -2.6756757 0.37373737 14.05 9.55 4.2989899
LE 12.2 14.5 6.9 1.3 2.49056604 -0.4015152 9.55 7.9 11.7344697
MO 10.4 13 12.1 8.2 -2.8235294 0.35416667 11.25 10.6 6.615625
MW 10.4 13 12.9 5.6 -2.96 0.33783784 11.65 9.3 5.36418919
MLS 10.4 13 15.9 4.6 -1.5272727 0.6547619 13.15 8.8 0.18988095
AKU 10.4 13 6.9 1.3 3.34285714 -0.2991453 8.65 7.15 9.73760684

Rendah 13 9.9 12.9 5.6 43 -0.0232558 12.95 7.75 8.05116279

LoLS 13 9.9 15.9 4.6 -1.8275862 0.54716981 14.45 7.25 -0.6566038

LoE 13 9.9 6.9 1.3 1.40983607 -0.7093023 9.95 5.6 12.6575581

OLS 12.1 8.2 15.9 4.6 -0.9473684 1.05555556 14 6.4 -8.3777778

OE 12.1 8.2 6.9 1.3 1.32692308 -0.7536232 9.5 4.75 11.9094203

KAMI 12.9 5.6 6.9 1.3 0.71666667 -1.3953488 9.9 3.45 17.2639535

Tabel 2: Spreadsheet untuk menemukan Garis-Garis Tegak Lurus

Untuk garis bagi tegak lurus situs D dan O, menggunakan rumus: $ " %$ ! , ada ! " %! !

penyebut 0, yang berarti bahwa garis tersebut memiliki gradien yang tidak ditentukan dan

dengan demikian garis bagi tegak lurus antara situs-situs ini adalah horizontal.

Gambar 2: Diagram Voronoi

Menggunakan nilai-nilai ini untuk X, y, c, m; Saya membuat Gambar 3. Namun perlu

diperhatikan bahwa hanya a
bagian dari garis bagi tegak lurus dimasukkan sebagai tepi dalam diagram Voronoi ini. Tepi
mewakili lokus titik-titik yang sama antara dua situs, tetapi mereka berhenti ketika situs baru
menjadi lebih dekat ke tepi daripada titik-titik yang dibelah dua. Analisis Diagram Voronoi
untuk menentukan sel mana yang mengandung insentif paling banyak:
Seperti yang dijelaskan di pendahuluan, lokasi bandara sangat penting untuk pilihan universitas

saya. Untuk menentukan universitas mana yang memiliki bandara paling dekat, kita hanya
perlu menambahkan lokasi bandara ke grid. Di sel mana pun bandara berada, itu akan paling

dekat dengan universitas terkait.

Gambar 3: Diagram Voronoi berisi bandara

Jadi, saya memplot lokasi bandara utama Inggris ke Diagram Voronoi yang diilustrasikan oleh

titik merah. Sel tempat titik berada menunjukkan universitas mana yang paling dekat dengan

bandara. Saya mencatat berapa banyak titik di setiap sel, melalui pemeriksaan, dan mencatat

hasil saya di tabel 3.

Dalam kasus bandara mana pun yang terletak di tepi antara dua sel, saya menghitungnya

seperti di kedua sel karena jarak yang sama dari titik mana pun di tepi ke salah satu situs. Ini

adalah kasus bandara yang terletak di tepi antara situs E dan W

Tabel 3: Jumlah Bandara di setiap sel
Sel Jumlah Bandara
N 1
D 1
L 0
M 2
Lo 2
0 0
W 2
LS 4
e 3

Dari hasil ini, kita dapat menentukan bahwa sel LS berisi jumlah bandara terbesar dan dengan

demikian situs LS paling dekat dengan jumlah bandara terbesar. Namun, kesimpulan ini

mungkin cacat karena diagram hanya memperhitungkan jarak dari koordinat dan tidak

mempertimbangkan ukuran bandara, ketersediaan transportasi ke bandara, dan apakah bandara

tersebut menyelenggarakan penerbangan internasional.

Memecahkan Masalah Travelling Salesman

Untuk menentukan lebih lanjut universitas mana yang paling cocok untuk saya, diperlukan

perjalanan ke setiap kampus universitas. Namun, karena saya akan memiliki anggaran siswa

yang ketat, menemukan siklus Hamiltonian yang paling tidak berbobot mulai dan berakhir di

LS (situs dengan jumlah bandara terbesar yang terdekat dengannya) adalah penting. Ini akan

dilakukan dengan mendekati solusi untuk masalah pramuniaga perjalanan praktis (TSP). Untuk

menemukan rute perjalanan terbaik, saya membuat grafik berbobot yang menunjukkan biaya

(dalam £) kereta langsung dari stasiun kereta terdekat ke universitas. Dalam hal ini, biaya

kereta merepresentasikan bobot sisi, dan stasiun kereta yang berbeda merepresentasikan

simpul. Perlu dicatat bahwa simpul pada grafik ini tidak mewakili letak geografis stasiun kereta

api.

Gambar 4: Grafik Pembobotan KA Langsung

Untuk menyederhanakan ini, saya menggunakan bobot tepi antara setiap simpul untuk

membuat tabel adjacency berbobot.

Tabel 4: Tabel Adjacency Tertimbang

Puncak e B HAI LS W LO M L D N
e 0 16.50 - 40.30 - - - 166.50 205.20 206.80
B 16.50 0 - 33.20 - - - - - -
HAI - - 0 10.40 - - 74.50 - - -
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 46.00 50.50 59.00
W - - - 16.00 0 - - - - -
LO - - - 66.50 - 0 - - - -
M - - 74.50 49.20 - - 0 17.70 39.40 39.40
L 166.5 - - 46.00 - - 17.70 0 20.90 25.00
D 205.2 - - 50.50 - - 39.40 20.90 0 3.50
N 206.80 - - 59.00 - - 39.40 25.00 3.50 0

Simbol '-' menunjukkan bahwa tidak ada jalur kereta langsung antara stasiun-stasiun tersebut.

Untuk menyelesaikan TSP klasik, kita harus menemukan siklus Hamiltonian (rangkaian yang

mengunjungi setiap simpul tepat satu kali sebelum kembali ke simpul awal) dengan bobot
terkecil untuk graf lengkap berbobot yang diberikan. Graf lengkap adalah graf sederhana tak

berarah yang setiap simpulnya dihubungkan oleh sisi ke setiap simpul lainnya. Seperti

ditunjukkan oleh Tabel 3, beberapa simpul tidak terhubung oleh satu sisi ke setiap simpul

lainnya (misalnya, simpul W hanya terhubung langsung ke simpul LS) dan dengan demikian

gambar 4 bukanlah graf lengkap. Oleh karena itu, TSP klasik tidak dapat diselesaikan dan

sebaliknya, TSP praktis harus diselesaikan.

Untuk menyelesaikan TSP praktis untuk graf berbobot tertentu, rute dengan bobot terkecil yang

dimulai dan berakhir pada simpul yang sama dan mengunjungi setiap simpul setidaknya satu

kali harus ditemukan. Untuk melakukannya, kita dapat mengubah TSP praktis menjadi TSP

klasik dengan menambahkan atau mengganti sisi untuk menunjukkan jalur dengan bobot

terkecil di antara simpul yang tidak terhubung ke setiap simpul lainnya. Misalnya, rute dengan

bobot terkecil antara simpul E dan simpul O melewati simpul LS.

E → LS → O = 40,30 + 10,40 . Jadi, bobot sisi yang ditambahkan antara simpul E dan simpul

O adalah 50,70 . Proses penambahan tepi baru yang menghubungkan setiap simpul ke setiap

simpul lainnya memungkinkan pembuatan graf berbobot lengkap yang ditunjukkan pada

gambar 5, dan tabel ketetanggaan yang sesuai.

Gambar 5: Graf Berbobot Lengkap

Tabel 5: Tabel Weighted Adjacency untuk Graf Lengkap

Puncak e B HAI LS W LO M L D N
e 0 16.50 50.70 40.30 57.30 106.80 89.50 166.50 205.20 206.80
B 16.50 0 43.60 33.20 49.20 99.70 82.40 79.20 83.70 92.20
HAI 50.70 43.60 0 10.40 26.40 76.90 74.50 56.40 60.90 69.40
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 46.00 50.50 59.00
W 57.30 49.20 26.40 16.00 0 82.50 65.20 62.00 66.50 75.00
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 112.50 117.00 125.00
M 89.50 82.40 74.50 49.20 65.20 115.70 0 17.70 39.40 39.40
L 166.5 79.20 56.40 46.00 62.00 112.50 17.70 0 20.90 25.00
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 20.90 0 3.50
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 25.00 3.50 0

Sekarang setelah kami mengubah grafik menjadi grafik lengkap, kami dapat menemukan

perkiraan untuk TSP klasik. Untuk graf yang lebih kecil dengan jumlah simpul yang lebih

sedikit, mungkin praktis untuk menemukan semua kemungkinan siklus Hamiltonian dengan
memeriksa graf dan menentukan siklus dengan bobot terkecil, namun karena graf ini memiliki

banyak simpul dengan orde tinggi, metode ini tidak praktis. dan dengan demikian perkiraan

bobot minimum dari siklus Hamiltonian akan ditemukan. Untuk melakukannya, kita harus

menemukan batas atas dan batas bawah untuk bobot siklus Hamiltonian. Untuk menemukan

batas atas, algoritma tetangga terdekat dapat digunakan. Algoritma ini memiliki 4 langkah:

• Langkah 1: Pilih titik awal (untuk tujuan graf kita, titik awal harus LS)

• Langkah 2: Ikuti tepi dengan bobot paling kecil ke simpul yang belum dikunjungi.

• Langkah 3: Ulangi langkah 2 sampai semua simpul telah dikunjungi.

• Langkah 4: Kembali ke titik awal dengan menambahkan sisi yang sesuai.

Dengan menggunakan tabel 5, kita dapat mengikuti algoritme ini dengan membuat tabel lain

(tabel 6) yang menampilkan tepi dengan bobot terkecil, bobotnya, dan apakah sebuah siklus

telah terbentuk. Jika sebuah siklus telah terbentuk, seperti pada kasus sisi OLS, bobot sisi ini

diabaikan dan sebagai gantinya ditemukan sisi dengan bobot terkecil kedua. Untuk sisa tabel,

sisi dengan bobot paling kecil yang menghasilkan siklus diabaikan sampai setiap simpul

dikunjungi satu kali.

Tabel 6 Algoritma Nearest Neighbor

Tepi dengan Berat Berat Puncak Apakah ada
Terkecil siklus?
T/A T/A LS T/A
LSO 10.40 HAI TIDAK
OLS 10.40 LS Ya, jadi abaikan
dan temukan sisi
bobot terkecil
kedua . 2
OW 26.40 W TIDAK
OB 49.20 B TIDAK
MENJADI 16.50 e TIDAK
2
Asumsi yang sama ini dibuat untuk semua sisi lain yang akan membuat siklus, tetapi tidak diperlihatkan.
EM 89.50 M TIDAK
ML 17.70 L TIDAK
LD 20.90 D TIDAK
DN 3.50 N TIDAK
NLO 125.00 LO TIDAK
NLS 59.00 LS
Ya (siklus selesai)

Siklus Hamiltonian ini dapat ditulis sebagai berikut:

LS → O → W → B → E → M → L → D → N → LO → LS

Namun, karena beberapa sisi ini tidak langsung, ini bukanlah solusi yang sebenarnya. Sebagai

gantinya, kita harus memasukkan semua rute kereta api yang melewati simpul LS.

LS → O → LS → W → LS → B → E → LS → M → L → D → N → LS → LO → LS
Biarkan m menjadi bobot minimum (dari grafik? Periksa satu catatan) (tulis ulang)

m < 10,40 + 26,40 + 49,20 + 16,50 + 89,50 + 17,70 + 20,90 + 3,50 + 125,00 + 59,00

m < £418,10
Sekarang kita memiliki batas atas untuk m, kita harus menggunakan algoritma titik yang

dihapus untuk menemukan batas bawah untuk m.

• Langkah 1: Hapus sebuah simpul, dan sisi-sisi yang terhubung dengannya, dari graf
asli.

• Langkah 2: Temukan pohon rentang minimum (MST) untuk graf yang tersisa.

• Langkah 3: Tambahkan panjang dari dua tepi terpendek yang dihapus ke bobot pohon
rentang minimum.

Tabel di bawah ini adalah tampilan tabel 5 setelah simpul L dihapus dari tabel.

Tabel 7: Tabel Adjacency Tertimbang dengan Vertex L dihapus

Puncak e B HAI LS W LO M D N
e 0 16.50 50.70 40.30 57.30 106.80 89.50 205.20 206.80
B 16.50 0 43.60 33.20 49.20 99.70 82.40 83.70 92.20
HAI 50.70 43.60 0 10.40 26.40 76.90 74.50 60.90 69.40
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 50.50 59.00
W 57.30 49.20 26.40 16.00 0 82.50 65.20 66.50 75.00
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 117.00 125.00
M 89.50 82.40 74.50 49.20 65.20 115.70 0 39.40 39.40
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 0 3.50
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 3.50 0

Sisi terpendek dari simpul L yang dihapus adalah LM dan LD, dengan bobot masing-masing

£17,70 dan £20,90. Ini adalah bobot yang akan ditambahkan ke bobot pohon rentang minimum.

Dengan Vertex L dihapus, sekarang kita dapat menemukan pohon merentang minimum

menggunakan algoritma Prim. Algoritma Prim dapat digunakan menggunakan dua metode

berbeda. Dalam metode pertama, tepi terdekat ke setiap simpul dipilih melalui pemeriksaan

graf. Namun, karena simpul dalam grafik (diilustrasikan termasuk simpul L pada gambar 4),

semuanya memiliki urutan 9, saya percaya itu terlalu rumit untuk menggunakan inspeksi dan

dengan demikian metode yang berbeda harus digunakan. Dalam metode ini, algoritma Prim

diterapkan pada tabel adjacency berbobot menggunakan langkah-langkah berikut:

• Langkah 1: Pilih salah satu simpul secara acak.

• Langkah 2: Hapus baris dari simpul yang dipilih

• Langkah 3: Beri nomor kolom dari simpul yang dipilih

• Langkah 4: Lingkari entri terbawah yang belum dihapus di salah satu kolom bernomor.
Jika ada lebih dari satu kemungkinan pilihan, pilih salah satu secara acak. Baris entri
yang dilingkari menentukan simpul baru yang dipilih.

• Langkah 5: Ulangi langkah 2-4 hingga semua baris dihapus. Entri yang dilingkari akan
memberikan tepi ke pohon rentang minimum.

Bekerja:

Puncak e B HAI LS W LO M D N
4A
16.50 pada
206.80
•______ 2 JADI Sebuah 57 70 1 4 pada o0 JADI satu di
B 16.50 0 43.60 33.20 49.20 99.70 82.40 83.70 92.20
HAI 50.70 43.60 0 10 40 26.40 76.90 74.50 60.90 69.40
9a pada CQ f|f|
TC____ Aktif 33.20 1 0 40 0 1 A 00 A 40 pada BEGITU 59.00
09 54
82.50
W 57 di 4920 2640 1600 0 6520 6650 7500
LO 106.80 99.70
pada 76.90 66.50 82.50 0 115.70 117.00 125.00
_____ 89.50
pada en An
82.40 74 JADI 49.20 Seorang 1 1 S 70 N pada 40 7Q jn
115.70 0
anak

D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 0 3.50

PB n om Sebuah ZM Am Em An berarti saya tidak om Am fl Induk
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 3.50 0
5 4 2 1 3 9 6 7 8
Pohon rentang minimum memiliki bobot = 10,40 + 16,00 + 33,20 + 16,50 + 49,20 +
39.40 + 3.50 + 66.50 = £234.70
Sekarang setelah MST ditemukan, panjang dari dua sisi terpendek yang dihapus harus
ditambahkan ke £234,70 untuk menyelesaikan algoritme simpul yang dihapus. Tepi ini adalah
LM dan LD yang disebutkan sebelumnya, yang memiliki bobot gabungan sebesar £38,50 .
Jawaban untuk algoritma titik yang dihapus ini sama dengan batas bawah untuk bobot
minimum untuk menyelesaikan TSP.

£234,70 + £38,50 = £273,20

m > £273,20
£273,20 <m< £418,10
Namun…

(LEBIH HAL UNTUK DILAKUKAN:

EVALUASI TERHADAPNYA: Implikasi dari urutan simpul mungkin; implikasi dari

apa yang saya temukan (beberapa kalimat)

Refleksi: tidak serta merta menunjukkan betapa mudahnya untuk sampai ke suatu

tempat karena hanya menampilkan kereta langsung. Juga, harga berfluktuasi dan itu

tidak selalu menjadi harga minimum.

Bandara tidak dibangun dengan cara yang sama – bandara di Exeter mungkin tidak

terbang sama dengan bandara di dalamnya

London (namun tidak mempengaruhi kesimpulan)

ALGORITMA PRIM
Dalam algoritme Prim, kami memilih tepi satu per satu, pada setiap tahap menghubungkan simpul tambahan ke
pohon hingga semua simpul terhubung.

Langkah 1: Mulailah dengan simpul apa pun.

Langkah 2: Gabungkan simpul ini ke simpul terdekat. Jika dua atau lebih simpul memiliki jarak yang sama, pilih
salah satu secara acak.
Langkah 3: Gabungkan simpul yang terdekat dengan salah satu simpul yang sudah terhubung.
Langkah 4: Lanjutkan menggabungkan simpul yang terhubung ke simpul terdekat yang tidak terhubung sampai
semua simpul terhubung.

Contoh 4 mnemummemammmmeu • Self Tutor

 Langkah I: Pilih salah satu simpul secara acak,
misalkan simpul E.
Langkah 2: Hapus baris dari simpul yang dipilih.
Langkah 3: Beri nomor kolom dari simpul yang dipilih.
Langkah 4: Lingkari entri terbawah yang belum
dihapus di salah satu kolom bernomor. Jika
ada lebih dari satu kemungkinan pilihan,
pilih salah satu secara acak.
Baris entri yang dilingkari memberi kita
simpul baru yang dipilih.
Langkah 5: Ulangi Langkah 2 hingga 4 hingga semua baris dihapus.
Entri yang dilingkari memberikan tepi pohon
rentang minimum.

Kenapa saya menggunakan TSP, metode yang mana. (dengan inspeksi kita dapat mengetahui

bahwa jalur ini tidak

Hamiltonian)

Grafik kami tidak lengkap dan tidak eucledian (jelaskan mengapa dengan contoh) sehingga

harus menggunakan TSPxs praktis

Kita harus mengubah yang praktis menjadi klasik

Konversikan ke tabel dan kemudian matriks adjacency

Beralih dari TSP praktis ke TSP klasik.
Kemudian gunakan metode TSP klasik untuk menemukan batas atas dan bawah

Grafik:

http://graphonline.ru/en/?graph=NzBEdFqPOhtzPBGn

Kesimpulan dan Evaluasi:

Kesimpulannya

Investigasi ini bermanfaat bagi saya di luar matematika. Saat meneliti lokasi universitas, saya

akhirnya menemukan fitur tertentu di dalam sel universitas yang tidak saya ketahui

keberadaannya.

Namun, penyelidikan ini memiliki beberapa keterbatasan. Pertama, karena skala peta yang

besar, hampir tidak mungkin membuat lokasi situs 100% akurat sehingga akan ada kesalahan

perhitungan seperti radius. Oleh karena itu, saya memilih untuk membulatkan radius ke

kilometer terdekat, karena saya tidak mungkin mengetahui jawaban dengan tingkat presisi

yang lebih tinggi.

Bibliografi

www.geogebra.com . Tanggal Diakses 5 Sep 2021.

https://mpra.ub.uni-muenchen.de/53026/1/MPRA_paper_53026.pdf . Tanggal Diakses 6

Sep 2021.

http://graphonline.ru/en/?graph=gwVmUZRnolTiamri
21