Angmalisang, Helen Yuliana (2018) Optimasi Non-Linear dengan Kendala Menggunakan Algoritma Leaders and Followers. Magister thesis, Universitas Brawijaya.
Abstract
Dalam tesis ini, algoritma Leaders and Followers (LaF) dimodifikasi untuk menyelesaikan masalah optimasi non-linear dengan kendala. Teknik yang digunakan untuk menangani kendala pada masalah optimasi tersebut adalah teknik pemisahan fungsi objektif dan kendala. Algoritma LaF dengan penanganan kendala diuji dengan menggunakan beberapa fungsi tes yang telah banyak digunakan pada penelitian-penelitian sebelumnya. Hasil dari pengujian tersebut dibandingkan dengan hasil pengujian Algoritma Genetika (GA) dan Particle Swarm Optimization (PSO) yang juga dimodifikasi dengan teknik penanganan kendala yang sama, serta menggunakan fungsi tes dan parameter yang sama. Hasil pengujian menunjukkan bahwa algoritma LaF dengan penanganan kendala konsisten menghasilkan solusi dengan tingkat akurasi yang tinggi pada masalah optimasi non-linear berdimensi rendah, yaitu ≤ 5. Selain itu, algoritma tersebut juga secara konsisten dapat menemukan solusi fisibel pada masalah optimasi non-linear dengan kendala pertidaksamaan dan masalah optimasi non-linear dengan kendala persamaan. Algoritma ini mengalami kesulitan dalam mencari solusi optimal pada masalah optimasi berdimensi tinggi, kecuali jika masalah tersebut hanya memiliki kendala pertidaksamaan linear, dan masalah optimasi dengan lebih dari satu kendala persamaan. Lebih lanjut lagi, dibandingkan dengan GA dan PSO, algoritma LaF dengan penanganan kendala secara umum memiliki performa yang lebih baik. Algoritma ini mampu melakukan eksplorasi solusi dengan lebih baik, menghindari konvergesi prematur dan lebih cepat dalam berkonvergensi
English Abstract
In this thesis, Leaders and Followers (LaF) algorithm was modified to solve constrained optimization problems using the separation of objective function and constraint technique for handling the constraints. The proposed algorithm was evaluated using several well-known benchmark of constrained minimizing problems. The results were compared with the evaluation result of Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) with the same constraint-handling technique, benchmark problems and parameters. The evaluation results showed that the proposed algorithm consistently achieves high-accurate solution in low dimensional non-linear optimization problems with inequality constraints. Also, it consistently found feasible solution for constrained non-linear optimization problems, except the problem had equality and inequality constraints. It found difficulties to obtain optimal solution in high dimensional constrained optimization problems, except the problem only had linear inequality constraints and in any problem which had more than one equality constraint. Moreover, in the comparison to GA and PSO, it generally had better performance. It was able to explore better solutions, avoid premature convergence and converge faster.
Other obstract
-
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/518.1/ANG/a/2018/041900501 |
| Uncontrolled Keywords: | ALGORITHM, NONLINEAR THEORIES |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | S2/S3 > Magister Matematika, Fakultas MIPA |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 19 Dec 2019 02:30 |
| Last Modified: | 21 Oct 2021 02:47 |
| URI: | http://repository.ub.ac.id/id/eprint/177139 |
Preview |
Text
Helen Yuliana Angmalisang (2).pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |