Santoso, Hari (2017) Optimasi Algoritma Alga Untuk Meningkatkan Laju Konvergensi. Magister thesis, Universitas Brawijaya.
Abstract
Dalam ilmu komputasi, semua masalah tidak dapat diselesaikan dengan satu algoritma. Oleh sebab itu, penelitian tentang algoritma terus dilakukan. Algoritma Alga (Artificial Algae Algorithm, AAA) merupakan algoritma optimasi yang menggunakan pendekatan metaheuristik dalam mencari solusi. AAA terinspirasi dari perilaku alga dalam bergerak mendekati cahaya, berkembang biak, dan beradaptasi dengan lingkungan. AAA terdiri dari tiga fase yaitu fase gerakan heliks, reproduksi, dan adaptasi. Fase gerakan heliks sangat berpengaruh pada laju konvergensi, keragaman solusi, dan kestabilan algoritma. Fase reproduksi berfungsi untuk meningkatkan pencarian global. Fase adaptasi berfungsi untuk meningkatkan pencarian lokal. AAA berpotensi menjadi salah satu alternatif algoritma dalam mencari solusi dengan ruang masalah yang besar dalam kehidupan sehari-hari. Pada penelitian ini gerakan heliks pada AAA dioptimasi untuk meningkatkan laju konvergensi. Pada algoritma AAA standar, alga bergerak mengikuti alga tetangga (local best). Setelah optimasi, alga bergerak mengikuti alga tetangga (local best) dan alga terbaik dalam populasi (global best). Hasil optimasi diuji dengan 25 fungsi objektif dari IEEE Congress on Evolutionary Computation 2005 (CEC`05) dan diimplementasikan pada kasus optimasi desain pressure vessel. Pada pengujian CEC`05, masing-masing fungsi dieksekusi sebanyak 25 kali dengan random state 1-25. Dimensi permasalahan D pada masing-masing fungsi yaitu D=10, D=30, dan D=50. Hasil dari pengujian CEC`05 terdiri tingkat kesalahan (error), success rate, success performance, laju konvergensi, dan kompleksitas algoritma. Kompleksitas algoritma ditentukan berdasarkan perhitungan notasi asimtotik dan analisis kompleksitas waktu. Pada implementasi kasus optimasi desain pressure vessel, tujuannya adalah nilai optimal untuk tebal silinder (x1), tebal tutup silinder (x2), jari-jari silinder (x3), dan panjang silinder (x4). Eksekusi dilakukan sebanyak 500 kali dengan random state 1-500. Hasil dari implementasi pada kasus optimasi desain pressure vessel yaitu laju konvergensi dan running time algoritma. Total pengujian fungsi pada CEC`05 sejumlah 75 fungsi untuk seluruh dimensi. Pada tingkat kesalahan (error), ada peningkatan hasil sebanyak 30 fungsi, 21 fungsi tetap, dan 24 fungsi mengalami penurunan. Pada success rate, peningkatan hasil pada 1 fungsi, 69 fungsi tetap, dan 5 fungsi mengalami penurunan. Pada success performance, peningkatan hasil pada 10 fungsi, 64 fungsi tetap, dan 1 fungsi mengalami penurunan. Pada laju konvergensi, peningkatan hasil pada 41 fungsi dan 34 fungsi mengalami penurunan. Kompleksitas algoritma berubah lebih baik dari O(M3N2O) menjadi O(M2N2O). Kompleksitas waktu pada dimensi 10, 30, dan 50 terjadi peningkatan sebanyak 31.32%, 20.91%, dan 26.77%. Hasil pada kasus optimasi desain pressure vessel yaitu terjadi peningkatan running time sebanyak 10.30% dan konvergensi semakin cepat dari fev=38200 menjadi fev=8240. Untuk meningkatkan kestabilan algoritma, maka perlu penelitian lanjutan untuk menyeimbangkan pencarian lokal dan pencarian global
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/005.1/SAN/o/2017/041700445 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming |
| Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 May 2017 09:02 |
| Last Modified: | 31 May 2017 09:02 |
| URI: | http://repository.ub.ac.id/id/eprint/155403 |
Actions (login required)
 |
View Item |