Optimasi Distribusi Multi-Level Multi-Produk Menggunakan Hibridisasi Algoritma Genetika Adaptif Dan Simulated Annealing

Setiap perusahaan tidak bisa terlepas dari permasalahan dsitiibusi, karena proses distribusi merupakan salah satu faktor yang dapat mempengaruhi berkembangnya perusahaan. Beberapa perusahaan membuat model distribusi untuk mengoptimalkan biaya distribusi. Perusahaan tidak secara langsung mengirim produk dari produsen ke konsumen, melainkan membuat beberapa perantara seperti pusat distributor, agen dan retail. Model distribusi tersebut disebut distribusi multi-level. Permasalahan distribusi merupakan permasalahan yang kompleks. Untuk mendapatkan total biaya minimum pada proses distribusi dibutuhkan strategi yang tepat. Untuk menyelesaikan permasalahan distribusi tersebut maka digunakan algoritma genetika (GAs) yang sudah terbukti mampu menyelesaikan berbagai macam permasalahan optimasi dan kombinatorial. Namun, GAs memiliki kekurangan yang sering terjebak pada optimum lokal sehingga dilakukan improvisasi pada GA dengan mengadaptifkan parameter crossover rate (CR) dan mutation rate (MR). Tujuan dari improvisasi adalah untuk menjaga keragaman kromosom atau individu pada setiap generasi. Meskiipun hasil yang diperoleh lebih baik dibandingkan GAs klasik, hasil GAs adaptif masih bisa untuk lebih dioptimalkan lagi dengan mengoptimasinya menggunakan algoritma simulated annealing (SA). SA dipilih karena memiliki kemampuan untuk mencari solusi tetangga pada proses inner iteration. Selain itu, SA juga memiliki kemampuan untuk mempertimbangkan solusi yang tidak lebih baik menggunakan probabilitas sehingga mampu memberikan solusi yang lebih baik. Proses uji coba dilakukan dengan mengeksekusi setiap metode sebanyak 10 kali dan setiap eksekusi dilakukan selama 10 menit. Hasil uji coba antara metode pembanding seperti random search (RS), simulated annealing (SA), GAs klasik, GAs Adaptif, dan Hibridisasi GAs-SA dengan metode Hibridisasi GAs adaptif-SA didapatkan hasil metode Hibridisasi GAs Adaptif-SA ampu memberikan solusi yang lebih baik dengan pengingkatan yang ckup signifikan