📡

BTS Optimizer

BASE TRANSCEIVER STATION · PLACEMENT SIMULATION

KECERDASAN BUATAN

Algoritma

▲ Hill Climbing

❄ Simulated Annealing

⚙ Genetic Algorithm

Mode Optimasi

Parameter Umum

Jumlah Penduduk: 100

Jumlah Menara: 5

Radius Coverage: 150

Parameter HC

Varian

Maks. Iterasi: 500

Parameter SA

Suhu Awal: 1000

Cooling Rate: 0.995

Parameter GA

Ukuran Populasi: 50

Generasi: 100

Prob. Crossover: 0.8

Prob. Mutasi: 0.1

📡 Tekan "Jalankan Simulasi" untuk mulai

Algoritma —

Coverage —

Fitness —

Menara —

Kurva Konvergensi

MENJALANKAN SIMULASI...

Komparasi Algoritma

Jalankan ketiga algoritma pada kondisi yang sama dan bandingkan hasilnya secara objektif.

▲ Hill Climbing

—

Fitness: —

❄ Simulated Annealing

—

Fitness: —

⚙ Genetic Algorithm

—

Fitness: —

🏆 Solusi Terbaik: — dengan coverage —

Perbandingan Konvergensi

Tentang Proyek

Simulasi optimasi penempatan menara BTS menggunakan tiga algoritma pencarian lokal dan optimasi. Data penduduk dibangkitkan secara acak untuk mensimulasikan penyebaran populasi di suatu wilayah.

▲ Hill Climbing

Bergerak ke solusi tetangga yang lebih baik secara iteratif. Tiga varian: Simple, Steepest-Ascent, dan Stochastic. Rentan terjebak di local optima.

✓ Cepat & sederhana ✗ Mudah terjebak local optima

❄ Simulated Annealing

Terinspirasi dari proses pendinginan logam. Menerima solusi lebih buruk dengan probabilitas Boltzmann P = e^(−ΔE/T) untuk lolos dari local optima.

✓ Lolos dari local optima ✗ Sensitif terhadap parameter

⚙ Genetic Algorithm

Simulasi evolusi biologis dengan seleksi tournament, crossover, mutasi, dan elitisme. Mampu mengeksplorasi ruang solusi yang sangat luas.

✓ Eksplorasi ruang solusi luas ✗ Komputasi lebih berat

Teknologi

PythonFastAPI HTML/CSS/JSChart.js Canvas APIUvicorn