On an Application 
                      of Microsoft Excel’s 
                      Evolutionary Solver 
                         to the Resource 
                      Constrained Project 
                      Schduling Problem 
                              RCPSP
                          Asti Alifa
                          Fajar Eko
                        Adyapramana Yudha
                  PENDAHULUAN
    Solver Add-in dari Microsoft Excel banyak digunakan dalam 
    penelitian-penelitian  dan  aplikasi  industri  yang  berisi 
    algoritma  simpleks,  algoritma  gradien  umum-reduksi,  dan 
    algoritma  branch-and-bound  untuk  memecahkan  masalah 
    optimasi  linier,  nonlinier,  dan  mixed-integer.  Sejak  versi 
    2010 Microsoft Excel,  Solver Add-in  juga  berisi  pemecah 
    evolusi.  Sementara  algoritma  terdahulu  dijelaskan  dan 
    diterapkan dalam berbagai buku teks Riset Operasi, beberapa 
    sumber pendidikan mengenai metode yang tersedia. Metode 
    metaheuristik  terbukti  sangat  efisien  untuk  menyelesaikan 
    kasus  skala  besar  RCPSP.  Pemecah  evolusi  Solver Add-in 
    milik  Microsoft  Excel  termasuk  dalam  kelas  metode 
    metaheuristik untuk masalah optimasi kombinatorial. 
                                                                   MICROSOFT EXCEL'S 
                                                                EVOLUTIONARY SOLVER 
        Ukuran  Populasi:        Serupa     dengan    algoritma   Konvergensi:  Parameter  ini 
           genetika,    pemecah     evolusi    bekerja    dengan       menentukan                  kriteria 
           serangkaian  populasi,  yaitu  set  solusi.  Dimulai        penghentian:                 proses 
           dengan  populasi  awal,  pemecah  evolusi  secara 
           iteratif  menghasilkan  populasi  berikutnya  dengan        pencarian        berakhir        bila 
           menerapkan  prosedur  seleksi,  berbagai  operator          persentase  perbedaan  nilai 
           cross-over,  dan  beberapa  strategi  mutasi.  Nilai        fungsi  obyektif  untuk  99% 
           parameter ini dapat dipilih antara 10 dan 200 dan 
           menentukan jumlah elemen setiap populasi.                   populasi         teratas       tidak 
                                                                       melebihi nilai dari Prosiding
        Biji Acak:  Prosedur  untuk  menghasilkan  populasi   Waktu              Maksimum  tanpa 
           awal,  operator  cross-over,  dan  strategi  mutasi         perbaikan:       Parameter        ini 
           bergantung pada pengambilan sampel secara acak.             juga     menentukan  kriteria 
        Tingkat  Mutasi:  Nilai  parameter  ini  menentukan           penghentian:              pemecah 
           frekuensi  relatif  dimana  mutasi  diterapkan  pada        menghentikan                 proses 
           beberapa anggota populasi. Nilai yang lebih tinggi          pencarian  bila  nilai  fungsi 
           meningkatkan  keragaman  populasi  dan  pada                objektif  dari  solusi  terbaik 
           umumnya  kesempatan  untuk  menemukan  solusi               dalam         populasi         tidak 
           yang  lebih  baik,  namun  juga  total  waktu 
           penyelesaiannya.                                            membaik         untuk        jumlah 
                                                                       waktu yang ditentukan
                    PELAKSANAAN SKEMA 
                    JADWAL SERIAL JADWAL 
                     PADA SPREADSHEET 
   Untuk tujuan ini, diperlukan RCPSP spreadsheet yang menerjemahkan urutan 
   penjadwalan aktivitas kedalam jadwal yang layak dengan hubungan terdahulu 
   dan keterbatasan kapasitas sumber daya. Untuk RCPSP, skema penjadwalan 
   serial dan paralel telah diajukan dalam literatur. Dibawah skema serial, setiap 
   iterasi satu aktivitas dijadwalkan pada titik awal sehingga jadwal parsial yang 
   dihasilkan  layak  dilakukan.  Dibawah  skema  paralel,  sebanyak  mungkin 
   aktivitas  yang  dijadwalkan  pada  titik  waktu  dipertimbangkan,  yang 
   meningkat  dari  iterasi  ke  iterasi  lainnya.  Dalam  kedua  skema  tersebut, 
   kegiatan  yang  akan  dijadwalkan  dipilih  sesuai  dengan  urutan  penjadwalan 
   yang  ditentukan,  dimana  hanya  aktivitas  yang  memenuhi  syarat  yang 
   kegiatannya  telah  dijadwalkan  sebelumnya.  Oleh  karena  itu,  waktu  untuk 
   memulai  kegiatan  harus  dihitung  secara  iteratif.  Untuk  tujuan  ini,  harus 
   merancang  spreadsheet  sehingga  baris  sesuai  dengan  iterasi  skema,  dan 
   kolom  sesuai  dengan  aktivitas  proyek  atau  periode  waktu.  Jumlah  iterasi 
   bertepatan  dengan  jumlah  aktivitas  yang  memudahkan  implementasi  pada 
   spreadsheet