Share
Embed
ALGORITMA DAN STRUKTUR DATA
Implementasi algoritma djikstra dalam aplikasi untuk menentukan lintasan terpendek jalan darat antar kota serta mencari solusi kemacetan
Lusiana Diyan N
December 11, 2019
Transcript
15 slides
-
Implementasi algoritma djikstra dalam aplikasi untuk menentukan lintasan terpendek jalan
darat antar kota serta mencari solusi kemacetan ALGORITMA DAN STRUKTUR DATA -
Nama KELOMPOK : 1. Ekky Kharismadhany 2. Lusiana Diyan Ningrum
3. M. Iqbal Alfarabi 4. M. Hafidz -
Latar belakang masalah Untuk menuju ke suatu tempat atau kota
tujuan dapat ditempuh melalui beberapa lintasan, selain itu dengan mempertimbangkan tingkat kemacetan dari setiap jalur lintasan maupun pertimbangan lainnya dalam menentukan pilihan jalur yang akan dilalui. Dalam menentukan lintasan terpendek dan meminimalisir tingkat kemacetan dapat diperoleh dengan beberapa algoritma matematika yang mana dalam hal ini kami memilih algoritma djikstra dalam sistem ini. Algoritma ini bertujuan untuk menemukan lintasan terpendek berdasarkan bobot terkecil dari satu titik ke titik lainnya berdasarkan bobot terkecil. -
MASALAH YANG DIANGKAT Bagaimana menentukan rute efektif antar kota karena
terdapat jalan yang bercabang dan adanya kemacetan -
Menginisialisasi graph beserta edge dan node class Graph(): def _init_(self):
self.edges = defaultdict(list) self.weights = {} -
KODE PROGRAM Fungsi menambahkan node dari titik asal ke titik
tujuan def add_edge(self, from_node, to_node, weight): self.edges[from_node].append(to_node) self.edges[to_node].append(from_node) self.weights[(from_node, to_node)] = weight self.weights[(to_node, from_node)] = weight -
Inisialisasi weight tiap edge pada Graph edges = [ ('H',
'G', 449), ('G', 'H', 449), ('F', 'C', 669), ('C', 'F', 669), ('C', 'D', 480), ('D', 'C', 480),- ('E', 'D', 733), ('D', 'E', 733), ('D', 'D', 94), ('Z', 'A', 909), ('A', 'Z', 909), ('Z', 'D', 1215), ('D', 'Z', 1215), ('E', 'G', 482), ('G', 'E', 482), ('H', 'G', 453), ('G', 'H', 453), ('B', 'Z', 1390), ('Z', 'B', 1390), ('E', 'E', 381), ('C', 'A', 1517), ('A', 'C', 1390), ] -
Struktur data set yang digunakan untuk menyimpan node yang telah
dikunjungi def dijsktra(graph, initial, end): shortest_paths = {initial: (None, 0)} current_node = initial visited = set() -
Memasukkan current node ke dalam visited while current_node != end:
visited.add(current_node) destinations = graph.edges[current_node] #memasukkan node pada graph weight_to_current_node = shortest_paths[current_node][1] -
for next_node in destinations: #menambahkan weight dari current node weight
= graph.weights[(current_node, next_node)] + weight_to_current_node #menambahkan current node ke shortest paths if next_node not in shortest_paths: shortest_paths[next_node] = (current_node, weight) else: #membandingkan weight terpendek current_shortest_weight = shortest_paths[next_node][1] if current_shortest_weight > weight: shortest_paths[next_node] = (current_node, weight) -
next_destinations = {node: shortest_paths[node] for node in shortest_paths if node
not in visited} if not next_destinations: return "Route Not Possible" # next node is the destination with the lowest weight current_node = min(next_destinations, key=lambda k: next_destinations[k][1]) -
Work back through destinations in shortest path path = []
while current_node is not None: path.append(current_node) distance.append(weight) next_node = shortest_paths[current_node][0] current_node = next_node # Reverse path path = path[::-1] return path -
Menampilkan hasil pemrosesan sistem print("Shortest Path : ") print(dijsktra(graph, 'A',
'Z')) for x in distance: temp = 0 temp = temp + x #mengakumulasikan jarak yang dilalui harga = temp * 10 #mengakumulasikan total biaya print("Distance : ") print(temp, "meter") print("Harga : ") print("Rp ", harga) break