Travelling Salesman Problem (TSP) merupakan permasalahan optimisasi dimana seorang sales melakukan perjalanan dari kota awal mengunjungi beberapa kota dan kembali ke kota semula, dengan jarak tempuh yang dilewati minimum dan tiap kota dikunjungi tepat satu kali. Generalized TSP (GTSP) merupakan variasi dari TSP, dimana n kota tersebut dipartisi menjadi beberapa grup atau cluster, dan dalam tiap grup tersebut , tepat satu kota yang dikunjungi. Algoritma ACO dibuat berdasarkan karakteristik tingkah laku semut asli, yaitu komunikasi secara tidak langsung antara para semut dengan jalur pheromone, sehingga mereka dapat menemukan jalur terpendek antara sumber makanan (food) dan sarang mereka. Karasteristik inilah yang digunakan oleh algoritma ini untuk menyelesaikan permasalahanpermasalahan optimasi, misalnya permasalahan TSP dan sebagainya. Penelitian ini mengkaji permasalahan Generalized TSP dan penyelesaiannya dengan menggunakan algoritma Ant Colony Optimization (ACO). Penelitian ini dilakukan dengan cara studi literatur dari berbagai sumber, baik dari buku, artikel maupun jurnal yang relevan dengan penelitian yang dilakukan, kemudian menjelaskan kembali konsep tersebut dengan mengaplikasikannya pada contoh kasus. Melalui penelitian ini diketahui bahwa perumusan ACO untuk Generalized TSP sedikit berbeda dari ACO untuk TSP yaitu pada himpunan ????????. ???????? pada ACO untuk Generalized TSP adalah himpunan titik yang berada pada grup-grup yang belum dikunjungi oleh semut k. Dari perumusan tersebut diujicoba pada kasus 4ulysses16, menghasilkan solusi yang optimal yaitu 50.19336 dengan rasio error 0.006886%. Sehingga dapat disimpulkan ACO dapat diterapkan untuk menyelesaikan permasalahan Generalized TSP .
 
Kata kunci : Travelling Salesman Problem, Generalized TSP, Ant Colony Optimization,  pheromone.