📊 Perbandingan Performa Algoritma
Klik ⚡ Bandingkan Semua untuk menjalankan ketiga algoritma sekaligus.
| Algoritma | Best Fitness | Coverage | Iterasi | Waktu (ms) |
|---|---|---|---|---|
| Belum ada data | ||||
⚡ EV Charging Station Optimizer
Simulasi optimasi penempatan stasiun pengisian kendaraan listrik menggunakan tiga algoritma pencarian lokal. Backend ditenagai Python + Flask, frontend menggunakan HTML5 Canvas murni tanpa library eksternal.
🏙️ Model Kota
- 🔵 60 titik Permukiman — bobot 1.0
- 🟡 25 titik Perkantoran — bobot 1.5
- 🔴 15 titik Mall/Komersil — bobot 2.0
Titik-titik tersebar dalam 10 klaster realistis. Fitness = coverage berbobot − penalti overlap stasiun.
⛰️ Hill Climbing
Tiga varian: Simple (tetangga pertama lebih baik), Steepest Ascent (tetangga terbaik), Stochastic (pilih acak dari yang lebih baik). Random Restart untuk lolos dari local optima.
🌡️ Simulated Annealing
Menerima solusi lebih buruk dengan probabilitas Boltzmann: P = exp(ΔE / T). Suhu diturunkan secara geometric: T ← T × α.
🧬 Genetic Algorithm
Tournament selection → Single-point crossover → Gaussian mutation → Elitisme (top-2 dipertahankan).
🛠️ Stack Teknologi
- Backend: Python 3, Flask, algoritma murni (tanpa NumPy/SciPy)
- Frontend: Vanilla JS ES6+, HTML5 Canvas API, CSS3
- Deploy: Railway / Render (backend) atau Vercel + API proxy
🚀 Endpoint API
| Method | Endpoint | Deskripsi |
|---|---|---|
| GET | / | Halaman utama |
| POST | /api/city | Generate kota baru |
| POST | /api/run/hc | Jalankan Hill Climbing |
| POST | /api/run/sa | Jalankan Simulated Annealing |
| POST | /api/run/ga | Jalankan Genetic Algorithm |
| POST | /api/run/all | Bandingkan semua |