digilib@itb.ac.id +62 812 2508 8800

PENERAPAN SISTEM MULTIAGENT DENGAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING PADA LOT STREAMING FLOWSHOP SCHEDULING PROBLEM

Penulis : GOK ASIDO HARO (NIM 13505072)
Kontributor / Dosen Pembimbing :
  • Pembimbing: Dr. Nur Ulfa Maulidevi S.T., M.Sc.
Jenis Koleksi : Tugas Akhir
Tahun Terbit :
Penerbit : Teknik Informatika
Fakultas : Sekolah Teknik Elektro dan Informatika
Subjek :
Kata Kunci : sistem multiagent, penalaran (reasoning), pembelajaran (learning), lot streaming flowshop scheduling, case-based reasoning, reinforcement learning.
Sumber :
Staf Input/Edit : Vika Anastasya Kovariansi   Ena Sukmana
File : 8 file
Tanggal Input : 09 Okt 2017

2009 TA PP GOK ASIDO HARO 1-COVER.pdf

2009 TA PP GOK ASIDO HARO 1-BAB 1.pdf
2009 TA PP GOK ASIDO HARO 1-BAB 2.pdf
2009 TA PP GOK ASIDO HARO 1-BAB 3.pdf
2009 TA PP GOK ASIDO HARO 1-BAB 4.pdf
2009 TA PP GOK ASIDO HARO 1-BAB 5.pdf
2009 TA PP GOK ASIDO HARO 1-BAB 6.pdf
2009 TA PP GOK ASIDO HARO 1-PUSTAKA.pdf

Dalam tugas akhir ini, penulis membangun sistem multiagent untuk mengimplementasikan penjadwalan terdistribusi pada permasalahan lot streaming flowshop scheduling. Sistem multiagent ini memiliki kemampuan penalaran dan pembelajaran untuk dapat menentukan solusi terbaik untuk permasalahan yang berbeda secara otomatis. Sistem ini menggunakan case-based reasoning sebagai penalarannya dan reinforcement learning sebagai pembelajarannya.Setelah membangun dan menguji sistem multiagent dengan case-based reasoning dan reinforcement learning ini, penulis menyimpulkan bahwa sistem multiagent dapat menyelesaikan permasalahan lot streaming flowshop scheduling dan dapat belajar untuk menghasilkan solusi yang optimal untuk setiap kasus. Secara khusus, sistem multiagent dengan kemampuan penalaran (reasoning) dan dengan kemampuan belajar (learning) memberikan hasil yang lebih signifikan, yaitu sekitar 25%, untuk kasus yang lebih kompleks (terdiri dari banyak produk) tanpa memberikan tambahan waktu pengerjaan yang signifikan.

Artikel Terkait