Daftar Isi: The Whale Optimization Algorithm

Daftar Isi:

Algoritma deterministik yang biasa digunakan untuk menyelesaikan masalah optimasi mempunyai kekurangan, yaitu membutuhkan informasi gradien, yang tidak selalu dimiliki oleh setiap fungsi. Untuk mengatasi kekurangan tersebut, dikembangkan metode metaheuristik yang lebih fleksibel dan tidak membutuhkan informasi gradien. Sebagai contoh, metode Gravitational Search Algorithm (GSA) dan Particle Swarm Optimization (PSO) merupakan nature-inspired metaheuristic. Kedua algoritma tersebut memiliki performa yang cukup baik, tetapi memiliki peluang terjebak ke titik minimum lokal. Oleh karena itu, diperkenalkan metode baru, yaitu the Whale Optimization Algorithm (WOA) yang dianggap dapat menutupi kekurangan tersebut dan lebih sederhana dalam menyelesaikan masalah optimasi fungsi. Namun kinerja WOA belum dapat dipastikan kebenarannya. Pada skripsi ini, dilakukan pengujian kinerja WOA dengan membandingkannya terhadap PSO dan GSA dalam menyelesaikan masalah optimasi fungsi tanpa kendala. Hasil pengujian menggunakan beberapa fungsi uji menunjukkan bahwa WOA lebih unggul saat menyelesaikan masalah optimasi fungsi berdimensi besar dengan waktu komputasi yang lebih singkat daripada PSO dan GSA.