Cover Image

Hybrid Algoritma Greedy - Particle Swarm Optimization - Algoritma Genetika (Hybrid GPSOGA)

Main Author: Amijaya, FidiaDenyTisna
Format: Thesis NonPeerReviewed
Terbitan: , 2013
Subjects:
519.6 Mathematical optimization
Online Access: http://repository.ub.ac.id/157489/
ctrlnum 157489
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/157489/</relation><title>Hybrid Algoritma Greedy - Particle Swarm Optimization - Algoritma Genetika (Hybrid GPSOGA)</title><creator>Amijaya, FidiaDenyTisna</creator><subject>519.6 Mathematical optimization</subject><description> &#xD; Algoritma Greedy adalah algoritma yang berdasarkan penyelesaian masalah secara heuristik yang membuat pilihan optimal lokal di setiap langkahnya dengan harapan menemukan solusi optimal global. Pada beberapa masalah, strategi Greedy tidak dapat menghasilkan solusi umum yang optimal, namun algoritma Greedy dapat menemukan solusi optimal lokal yang mendekati solusi optimal global dalam waktu yang wajar. Particle Swarm Optimization (PSO) adalah metode komputasi yang mengoptimalkan masalah secara iteratif dan berusaha untuk meningkatkan calon solusi dengan ukuran yang telah ditentukan. PSO mengoptimalkan suatu masalah dengan membangkitkan satu populasi yang berisi calon solusi (disebut juga partikel) dan menggerakkan partikel ini mengelilingi ruang pencarian sesuai dengan formula matematika sederhana yang disebut posisi partikel dan kecepatan. Tiap pergerakan partikel akan dipengaruhi oleh posisi lokal terbaik ( pbest ) dan juga dibimbing menuju ke posisi terbaik ( gbest ) di ruang pencarian. Pergerakan tersebut diperbarui sesuai dengan posisi yang lebih baik yang ditemukan oleh partikel lain dengan harapan mampu menggerakkan partikel pada solusi terbaik. Jika posisi partikel awal berkumpul disuatu tempat, maka kesempatan partikel untuk menemukan solusi terbaik akan semakin kecil karena partikel &#x2013; partikel tersebut hanya berbagi informasi ditempat tersebut. Algoritma Genetika adalah sebuah pencarian heuristik yang meniru proses evolusi alam seperti keturunan, mutasi, seleksi, dan pindah silang. Dalam prosesnya, algoritma Genetika memiliki kesempatan yang besar untuk menemukan solusi global karena terdapat operator pindah silang dan mutasi dalam algoritmanya. Tetapi algoritma Genetika membutuhkan waktu yang lebih lama untuk melakukan pindah silang dan mutasi. Pada tesis ini, akan dibahas proses penggabungan algoritma berdasarkan tiga algoritma tersebut dengan harapan kelebihan tiap-tiap algoritma bisa saling menutupi kelemahannya dan masalah multidimensional Knapsack 0-1 akan digunakan sebagai masalah ujinya. Hasilnya, algoritma baru mempunyai hasil yang lebih baik ketiga algoritma penyusunnya. &#xD; </description><date>2013-07-31</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Amijaya, FidiaDenyTisna (2013) Hybrid Algoritma Greedy - Particle Swarm Optimization - Algoritma Genetika (Hybrid GPSOGA). Magister thesis, Universitas Brawijaya. </identifier><relation>TES/519.62/AMI/h/041307709</relation><recordID>157489</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Amijaya, FidiaDenyTisna
title Hybrid Algoritma Greedy - Particle Swarm Optimization - Algoritma Genetika (Hybrid GPSOGA)
publishDate 2013
topic 519.6 Mathematical optimization
url http://repository.ub.ac.id/157489/
contents Algoritma Greedy adalah algoritma yang berdasarkan penyelesaian masalah secara heuristik yang membuat pilihan optimal lokal di setiap langkahnya dengan harapan menemukan solusi optimal global. Pada beberapa masalah, strategi Greedy tidak dapat menghasilkan solusi umum yang optimal, namun algoritma Greedy dapat menemukan solusi optimal lokal yang mendekati solusi optimal global dalam waktu yang wajar. Particle Swarm Optimization (PSO) adalah metode komputasi yang mengoptimalkan masalah secara iteratif dan berusaha untuk meningkatkan calon solusi dengan ukuran yang telah ditentukan. PSO mengoptimalkan suatu masalah dengan membangkitkan satu populasi yang berisi calon solusi (disebut juga partikel) dan menggerakkan partikel ini mengelilingi ruang pencarian sesuai dengan formula matematika sederhana yang disebut posisi partikel dan kecepatan. Tiap pergerakan partikel akan dipengaruhi oleh posisi lokal terbaik ( pbest ) dan juga dibimbing menuju ke posisi terbaik ( gbest ) di ruang pencarian. Pergerakan tersebut diperbarui sesuai dengan posisi yang lebih baik yang ditemukan oleh partikel lain dengan harapan mampu menggerakkan partikel pada solusi terbaik. Jika posisi partikel awal berkumpul disuatu tempat, maka kesempatan partikel untuk menemukan solusi terbaik akan semakin kecil karena partikel – partikel tersebut hanya berbagi informasi ditempat tersebut. Algoritma Genetika adalah sebuah pencarian heuristik yang meniru proses evolusi alam seperti keturunan, mutasi, seleksi, dan pindah silang. Dalam prosesnya, algoritma Genetika memiliki kesempatan yang besar untuk menemukan solusi global karena terdapat operator pindah silang dan mutasi dalam algoritmanya. Tetapi algoritma Genetika membutuhkan waktu yang lebih lama untuk melakukan pindah silang dan mutasi. Pada tesis ini, akan dibahas proses penggabungan algoritma berdasarkan tiga algoritma tersebut dengan harapan kelebihan tiap-tiap algoritma bisa saling menutupi kelemahannya dan masalah multidimensional Knapsack 0-1 akan digunakan sebagai masalah ujinya. Hasilnya, algoritma baru mempunyai hasil yang lebih baik ketiga algoritma penyusunnya.
id IOS4666.157489
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-28T05:05:29Z
last_indexed 2021-10-28T07:43:08Z
recordtype dc
_version_ 1751454389407580160
score 17.538404

Lihat Juga