Traveling Salesman Problem (TSP) merupakan persoalan yang penting dalam sistem distribusi. Masalah traveling salesman secara umum digambarkan sebagai suatu kasus dimana seseorang harus mengunjungi sejumlah kota dari suatu pusat fasilitas dan kembali lagi ke tempat pemberangkatan semula, dengan asumsi jarak diketahui. Tujuan dari masalah ini adalah untuk meminimalkan total jarak tempuh salesman. Masalah traveling salesman termasuk kelas NP-Hard, sehingga sangat sulit untuk diselesaikan menggunakan algoritma eksak. Untuk menyelesaikan masalah tersebut biasanya digunakan algoritma heuristik. Algoritma Ant Colony Optimization (ACO) merupakan salah satu metode metaheuristik yang menerapkan semut sebagai agen dengan update Pheromone-nya untuk dapat melakukan proses pencarian solusi yang efektif dan efisien. Algoritma ACO yang dibandingkan sebanyak lima yaitu Ant System (AS), Elitist Ant System (EAS), Rank-based Ant System (ASRank), Max-min Ant System (MMAS), dan Ant Colony System (ACS). Simulasi dilakukan dengan mencari solusi mendekati optimal dari beberapa kasus TSP dengan jumlah titik n = 20 sampai n = 115. Hasil mendekati optimal diperoleh dengan melakukan beberapa kali percobaan untuk setiap kasus. Selanjutnya hasil perhitungan untuk setiap kasus dan setiap algoritma dibandingkan. Hasil perbandingan kelima algoritma ACO tersebut, terlihat bahwa untuk jumlah titik sampai n = 40 solusi yang dihasilkan semua algoritma sama baiknya. Untuk kasus dengan jumlah titik yang lebih banyak algoritma ACS mempunyai solusi yang terbaik dan algoritma AS yang terjelek dari kelima algoritma tersebut.
Algoritma Ant Colony Optimization (ACO) Untuk Menyelesaikan Traveling Salesman Problem (TSP)
