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

Read More ...

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.