Optimasi Travelling Thief Problem Menggunakan Algoritma Tree Physiology Optimization Berbasis Hiper Heuristik
Travelling thief problem (TTP) merupakan gabungan dari permasalahan travelling salesman problem dan knapsack problem. travelling thief problem sendiri merupakan permasalahan NP-Hard sehingga permasalahan sebagian besar diselesaikan menggunakan algoritma heuristic dan terus berkembang seiring berjalanya waktu. Algoritma yang digunakan pada penelitian ini adalah simple random untuk pemilihan low level heuristic (LLH) dan tree physiology optimization (TPO) untuk langkah move acceptance dengan menggunakan model Hyper-Heuristics. Pada penelitian yang telah dilakukan sebelumnya algoritma TPO mampu menghasilkan nilai yang cukup kompetitif dengan waktu komputasi yang baik, sedangkan pemodelan Hyper-Heuristics dapat menghasilkan nilai yang konsisten pada data yang beragam. Penelitian diawali dengan memodelkan algoritma TPO menjadi Hyper-Heuristics dan diuji coba dengan data dari TSPLib. Dari hasil uji coba yang dilakukan dapat dilihat bagaimana performa algoritma baru pada data yang diuji. Berdasarkan hasil yang didapat dari penelitian ini dapat disimpulkan bahwa algoritma LLH TPO dapat mengolah data TTP dengan ukuran di bawah 100 dengan cukup baik terbukti dengan hasil yang lebih baik dari metode genetic programming based hyper-heuristic (GPHS) yang telah ada sebelumnya, namun pada data di atas 100 performa LLH TPO menurun jika dibandingkan dengan metode GPHS.