Implementasi Algoritma Ant Colony Optimization (ACO)

---

📌 Deskripsi

Project ini merupakan implementasi algoritma Ant Colony Optimization (ACO) menggunakan bahasa Python. Algoritma ACO terinspirasi dari perilaku koloni semut dalam mencari jalur tercepat menuju sumber makanan menggunakan jejak feromon.

Pada project ini, algoritma digunakan untuk mencari rute optimal berdasarkan nilai jarak antar node atau kota.

---

🛠 Teknologi yang Digunakan

• Python
• NumPy
• Matplotlib
• Jupyter Notebook

---

✨ Fitur

• Implementasi algoritma Ant Colony Optimization
• Perhitungan probabilitas jalur semut
• Pembaruan nilai feromon
• Pencarian jalur optimal
• Visualisasi hasil pencarian rute
• Simulasi pergerakan semut

---

⚙️ Cara Kerja Algoritma

1. Inisialisasi node dan matriks jarak
2. Inisialisasi nilai feromon
3. Semut memilih jalur berdasarkan probabilitas
4. Semut menyelesaikan perjalanan
5. Feromon diperbarui berdasarkan kualitas jalur
6. Iterasi dilakukan hingga mendapatkan jalur terbaik

---

📂 Struktur Project

project-folder/
│
├── ACO.ipynb
└── README.md

---

🚀 Instalasi

Clone repository:

git clone https://github.com/username/nama-repository.git

Install dependency:

pip install numpy matplotlib

---

▶️ Cara Menjalankan

1. Buka file ACO.ipynb menggunakan Jupyter Notebook atau Google Colab
2. Jalankan seluruh cell program
3. Lihat proses pencarian jalur optimal
4. Amati hasil visualisasi algoritma

---

💻 Contoh Kode

pheromone = np.ones((num_nodes, num_nodes))

probability = (pheromone[current_node] ** alpha) * ((1 / distance[current_node]) ** beta)

---

👨‍💻 Author

Eugenius Kriswinar Adi Cahya

---

📄 License

Project ini dibuat untuk kebutuhan pembelajaran dan penelitian.