TUGAS_VII.docx - TUGAS VII BRUTE FORCE GREEDY DESAIN DAN ANALISIS ALGORITMA DOSEN PEMBIMBING Kevin Chantona S.Kom Disusun Oleh 181110859 Julian Fellyco

TUGAS_VII.docx - TUGAS VII BRUTE FORCE GREEDY DESAIN DAN...

This preview shows page 1 - 6 out of 13 pages.

TUGAS VII BRUTE FORCE & GREEDY DESAIN DAN ANALISIS ALGORITMA DOSEN PEMBIMBING Kevin Chantona, S.Kom. Disusun Oleh : 181110859 Julian Fellyco 181110468 Darwin Chandra STMIK MIKROSKIL MEDAN 2019
Image of page 1
DAFTAR ISI 1. Simulasi Pencarian Koin .................................................................................................. 1 2. Pewarnaan Graf ................................................................................................................ 2 3. Masalah Knapsnak ........................................................................................................... 3 4. Rantai Penjumlahan Terpendek ....................................................................................... 4
Image of page 2
1. Simulasi Pencarian Koin Simulasi pencarian koin ini direpresentasikan dengan sebuah papan berukuran n x n dengan koin tersebar secara acak di tiap kotak pada papan tersebut. Terdapat sebuah robot yang akan bertugas untuk mengambil koin tersebut satu persatu. Robot hanya bisa bergerak ke kanan dan ke bawah dengan terminal berada pada kotak paling kanan bawah. Algoritma greedy yang digunakan adalah greedy by range yaitu robot akan melakukan penyisiran area dengan titik awal berada pada kotak robot. Penyisiran dilakukan ke kanan dan ke bawah. Dapat dipastikan bahwa dengan adanya penyisiran, tidak ada koin yang tidak terambil. Berbeda dengan brute force, pencarian koin dilakukan dengan menelusuri setiap kotak, demikian seterusnya sehingga setiap kotak berhasil disinggahi. Dengan brute force, dapat dipastikan bahwa juga tidak mungkin ada koin yang tidak terambil. Perbedaan keduanya adalah pada jumlah robot yang digunakan untuk mengambil seluruh koin yang tersebar tersebut. a. Greedy Pendekatan yang digunakan di dalam algoritma greedy adalah membuat pilihan yang “tampaknya” memberikan perolehan terbaik, yaitu dengan membuat pilihan optimum lokal (local optimum) pada setiap langkah dengan harapan bahwa sisanya mengarah ke solusi optimum global (global optimum)[1]. Algoritma greedy yang digunakan sebagai solusi pada permasalahan ini algoritma greedy by range yaitu program akan melakukan penyisiran area (scanning area) ke kanan dan ke bawah dengan posisi robot sebagai titik awal. Selanjutnya, robot akan menuju koin terdekat yang indeks posisinya diperoleh setelah penyisiran. Selanjutnya program kembali akan melakukan penyisiran area dengan posisi robot terakhir sebagai titik awal. Dengan adanya pemindaian ini, dapat dipastikan bahwa apabila terdapat satu koin pada papan, maka robot yang diperlukan juga hanya satu buah saja. Maksimal jumlah robot yang diperlukan adalah delapan, bergantung pada keadaannya apakah karena jumlah koin pada papan adalah n x n, atau karena posisi tertentu koin (hal ini dikarenakan kendala gerak robot).
Image of page 3
Pseudocode Algoritma Greedy yang digunakan : b. Brute Force Penyelesaian permasalahan simulasi pencari jalan dengan menggunakan algoritma brute force (sesuai metode yang penulis buat) yaitu dengan mengunjungi setiap kotak pada papan, baik secara perbaris maupun perkolom. Algoritma brute force adalah algoritma yang lempang. Pengecekan akan dilakukan mulai dari baris pertama atau kolom pertama. Pengecekan akan berhenti dilakukan ketika jumlah koin yang tersisa pada papan sama dengan nol. Kemungkinan jumlah robot yang digunakan dapat
Image of page 4
bervariasi, mulai dari satu hingga delapan, dengan asumsi bahwa simulasi ini akan menampilkan minimal satu koin pada papan.
Image of page 5
Image of page 6

You've reached the end of your free preview.

Want to read all 13 pages?

  • Fall '19
  • Angela

What students are saying

  • Left Quote Icon

    As a current student on this bumpy collegiate pathway, I stumbled upon Course Hero, where I can find study resources for nearly all my courses, get online help from tutors 24/7, and even share my old projects, papers, and lecture notes with other students.

    Student Picture

    Kiran Temple University Fox School of Business ‘17, Course Hero Intern

  • Left Quote Icon

    I cannot even describe how much Course Hero helped me this summer. It’s truly become something I can always rely on and help me. In the end, I was not only able to survive summer classes, but I was able to thrive thanks to Course Hero.

    Student Picture

    Dana University of Pennsylvania ‘17, Course Hero Intern

  • Left Quote Icon

    The ability to access any university’s resources through Course Hero proved invaluable in my case. I was behind on Tulane coursework and actually used UCLA’s materials to help me move forward and get everything together on time.

    Student Picture

    Jill Tulane University ‘16, Course Hero Intern

Stuck? We have tutors online 24/7 who can help you get unstuck.
A+ icon
Ask Expert Tutors You can ask You can ask You can ask (will expire )
Answers in as fast as 15 minutes
A+ icon
Ask Expert Tutors