1. UKM Learning and Research Repository
2. PHD Thesis / Tesis PHD
3. Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Title:	Mekanisma pembelajaran di dalam carian multi kejiranan untuk menyelesaikan masalah penjadualan waktu kuliah
Authors:	Rafidah Abdul Aziz (P53584)
Supervisor:	Masri Ayob, Prof. Dr.
Keywords:	Algoritma Variable Neighborhood Search Struktur kejiranan Heuristic algorithms
Issue Date:	28-Mar-2017
Description:	Algoritma Variable Neighborhood Search (VNS) meneroka struktur kejiranan secara sistematik semasa proses carian bagi menyelesaikan sesuatu masalah. Pemilihan struktur kejiranan adalah sangat penting kerana struktur kejiranan yang berbeza akan menghasilkan ruang penyelesaian yang berlainan. Oleh itu, bagi penghasilan penyelesaian yang berkualiti, pemilihan struktur kejiranan yang tepat adalah amat penting. Maka, dalam kajian ini, teknik pembelajaran berdasarkan kes dicadangkan bagi memandu VNS memilih struktur kejiranan yang tepat semasa proses carian. Pada peringkat awal kajian, pembelajaran secara statik diperkenalkan. Dalam teknik tersebut, VNS dibahagikan kepada dua fasa iaitu fasa pembelajaran dan fasa peningkatan. Semasa fasa pembelajaran berlangsung, struktur kejiranan akan digunakan secara satu persatu untuk meningkatkan penyelesaian awal yang diperoleh melalui heuristik graf berwarna. Struktur kejiranan yang dapat menghasilkan penyelesaian yang lebih berkualiti, akan dikenal pasti. Perbezaan nilai penalti bagi kekangan sekunder dari penyelesaian semasa dengan nilai penalti kekangan sekunder dari penyelesaian awal akan dikira dan nilai tersebut akan disimpan ke dalam memori. Proses ini akan berulang sehingga syarat untuk berhenti dicapai. Maklumat berkenaan struktur kejiranan yang telah berjaya menyelesaikan kekangan sekunder tertentu disimpan dalam memori. Maklumat tersebut akan digunakan pada fasa peningkatan untuk memandu VNS memilih struktur kejiranan yang tepat bagi meningkatkan penyelesaian semasa. Keberkesanan algoritma cadangan akan diuji menggunakan set data piawaian TTComp2002 (2002) dalam menyelesaikan masalah penjadualan jadual waktu kuliah. Keputusan menunjukkan algoritma cadangan mampu menandingi VNS asas dan variasi VNS lain bagi set data yang sama. Pada peringkat kedua kajian, teknik pembelajaran secara penyesuaian diperkenalkan dalam fasa peningkatan. Melalui kaedah ini, proses pembelajaran akan dikemas kini sepanjang proses carian. Keberkesanan teknik tersebut diuji menggunakan set data yang sama. Keputusan menunjukkan prestasi algoritma yang menggunakan teknik pembelajaran penyesuaian adalah lebih baik berbanding teknik pembelajaran statik. Pada peringkat akhir kajian, keberkesanan teknik pembelajaran penyesuaian dalam meningkatkan prestasi meta heuristik berasaskan populasi dikaji. Bagi tujuan tersebut, algoritma Honey-Bee Mating Optimization (HBMO) telah dipilih. Algoritma cadangan yang menggunakan teknik pembelajaran secara penyesuaian berperanan sebagai lebah pekerja yang akan meningkatkan tahap kecergasan anak lebah yang dihasilkan. Hipotesis bagi kajian ini adalah, ‘prestasi algoritma HBMO akan dapat tingkatkan sekiranya heuristik yang sesuai dan bijak digunakan sebagai lebah pekerja’. Keberkesanannya diuji menggunakan set data yang sama dan set data sebenar bagi masalah penjadualan jadual waktu kuliah di Kolej Profesional MARA Beranang (KPMB), Selangor. Hasil keputusan menunjukkan prestasi HBMO adalah semakin meningkat dan algoritma cadangan mampu menyelesaikan masalah penjadualan dari set data sebenar. Hasil keputusan ini membuktikan keberkesanan teknik pembelajaran yang diperkenalkan dalam VNS.,Tesis ini tidak ada Perakuan Tesis Sarjana/Doktor Falsafah"
Pages:	154
Call Number:	QA76.9.A43R346 2017 3 tesis
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.