Ant Colony Optimization(ACO)Algorithm adalah teknik probabilistik untuk menyelesaikan masalah komputasi untuk menemukan jalur terbaik. ACO diobservasi berdasarkan kebiasaan dan perilaku semut sesungguhnya untuk mencari makanan.Banyak ahli yang meneliti atau merubah probabilitas menjadi metaheuristic agar dapat lebih cepat dan tepat dalam pemilihan sisi daripada hanya menggunakan probabilitas. Salah satu algoritma
metaheuristic dari ACO adalah Tabu Search
.
Komputasi paralel sangat dibutuhkan dalam masalah komputasi yang memiliki kompleksitas tinggi sehingga dapat dikerjakandalam waktu yang
cepat.Komputasi paralel membutuhkan hardware yang memiliki kinerja tinggi dan software yang memadai untuk mengeksekusi algoritma secara parallel. Salah satu pendekatan komputasi paralel adalah Graphic Processing Unit(GPU) Computing. Pada penelitian ini akan diimpelementasikan ACO dengan tabu searchpada GPU, kemudian dianalisis variabel masukan yang berpengaruh terhadap algoritma Ant Colony dengan tabu search metaheuristic.
Setelah dilakukan penelitian dan uji statistik
didapatkan hasil bahwa semua variabel (alpha(?), beta(?), maxNode(N), maxAnt(n)) sangat berpengaruh terhadap waktu komputasi dengan nilai korelasi 0,913. Dimana koefisien maxAnt(n) merupakan variabel yang paling berpengaruh dengan nilai korelasi 0,371. Jika nilai alpha(?) lebih besar dari 1 dan nilai beta(?) lebih kecil dari nilai alpha(?)maka solusi optimum lebih cepat tercapai untuk masalah jalur terpendek.
Ant Colony , Tabu Search , GPU Computing, CUDA