Nama: Nurmiana

NIM: 220280145
Kelas : Teknik
Informatika E
UNIVERSITAS MUHAMMADIYAH PARE-PARE
 Algoritma Exhaustive
Search
&
Travel Selesmen Problem
Desain dan Analisis Algoritma
Defenisi
Desain dan Analisis Algoritma
Algoritma Exhaustive Search
Exhaustive search adalah teknik pencarian solusi secara brute force pada masalah yang
melibatkan pencarian elemen dengan sifat khusus, biasanya di antara objek-objek kombinatorik
seperti permutasi, kombinasi, atau himpunan bagian dari sebuah himpunan. Berdasarkan
definisi ini, maka exhaustive search adalah brute force juga.

Metode exhaustive search dapat dirumuskan langkah-langkahnya sebagai berikut:

1. Enumerasi (list) setiap solusi yang mungkin dengan cara yang sistematis.
2. Evaluasi setiap kemungkinan solusi satu per satu, mungkin saja beberapa kemungkinan
solusi yang tidak layak dikeluarkan, dan simpan solusi terbaik yang ditemukan sampai sejauh
ini (the best solusi found so far).
3. Bila pencarian berakhir, umumkan solusi terbaik (the winner)
TSP dikenal sebagai suatu permasalahan optimasi yang
bersifat klasik dan dimana tidak ada penyelesaian yang
paling optimal selain
mencoba seluruh kemungkinan penyelesaian yang ada.
Permasalahan ini
melibatkan seorang Travelling Salesman yang harus
melakukan kunjungan
sekali pada semua kota dalam sebuah lintasan sebelum
dia kembali ketitik awal,
sehingga perjalanannya dikatakan sempurna.
Travelling Salesman Problem (TSP) adalah
permasalahan umum dalam
optimasi kombinatorial dimana seorang salesman
harus mengujungi sejumlah N
kota, disyartakan setiap kota hanya dikunjungi
sekali.

Travel Salesmen Problem

Pseudocode dan
Implemntasi

Contoh kasus , Pseudocode dan penyelesaian

Algoritma Exhaustive Search
Contoh soal:
Bilangan masukan akan lebih efektif
jika diuji pembagian hanya dengan
bilanganbilangan
prima yang lebih kecil dari akar
kuadratnya. Dengan demikian,
pengujian pembagian dengan bilangan-
bilangan
genap sebenarnya tidak perlu
dilakukan. Oleh karena itu, angka
penguji harus mulai
dari tiga, dan bilangan ganjil
selanjutnya dengan penambahan dua.
Algoritmanya setelah dimodifikasi
adalah sebagai
berikut:
Contoh bentuk Pseudocode nya
Dengan mengeliminasi kemungkinan-
kemungkinan tersebut, algoritma akan lebih
efisien dan solusi yang dihasilkan sudah
pasti merupakan solusi terbaik. Waktu
penyelesaian pada kasus terburuk yang
diperlukan oleh algoritma pertama adalah
T(n) = ⎡ n⎤.
Setelah diperbaiki, waktu penyelesaian pada
kasus terburuk akan lebih cepat dua kali
lipat, yaitu
T(n) = ⎡ n ⎤| / 2.
Pada kasus terbaik yaitu saat bilangan
masukan adalah genap selain dua,
algoritma hanya akan melakukan satu kali
pengujian.
Algoritma Exhaustive
Searc Bentuk Pseudocode
Ide sederhana untuk membuat pseudo codenya adalah
sebagai berikut :
TSP-Greedy-Penanda(Lintasan,
1. Input jumlah node
Total)
2. Input jarak antar kota, dimana jarak yang diinput n  jumlah node
cukup sekali, misalnya cukup menginput jarak antara for i  1 to length[n]
kota A ke kota B, secara otomatis, program akan for j  i to length[n]
mengisi jarak antara kota B ke kota A.
cost[i,j]  jarak antar kota i ke j
3. Setiap yang telah dilewati diberi penanda = 1, for i  1 to length[n]
sementara kota yang belum dilewati secara default for j  i to length[n]
mempunyai penanda = 0.
cost[j,i]  cost[i,j]
4. Gunakan algoritma greedy untuk mencari optimum total  0
local step by step dengan tidak memproses kota yang x0
telah dilewati (yaitu ditandai dengan penanda=1). asal  1
5. Outpunya berupa jalur optimal sesuai prinsip greedy
i0
dan total cost yang dibutuhkan.
Next
Repeat
Kecil  10000
x  x+1
i  i+1
for j  2 to length[n]
tujuan  j
if cost[asal,j] = 0 or tanda[tujuan] = 1 then
continue
k  cost[asal,tujuan]
if k < kecil then
kecil  k
temp[x]  tujuan
total  total + kecil
asal  temp[x]
lintasan  lintasan + Chr(64+asal)
tanda[asal]  1
until i  n-1
total:=total+cost[asal,1];
lintasan:=‘A’+lintasan+’A’;
return Lintasan, Total
 ☺️
Sekian
Thank You