Kumaralalita, Indira (2019) Optimasi Fungsi Nonlinear Dengan Grey Wolf Optimizer (GWO). Sarjana thesis, Universitas Brawijaya.
Abstract
Optimasi dipilih sebagai teknik penyelesaian masalah untuk mendapatkan solusi paling optimum. Berbagai metode optimasi telah diperkenalkan, namun beberapa di antaranya belum mampu menyelesaikan keseluruhan masalah yang ada. Salah satunya yaitu metode deterministik yang hanya dapat menyelesaikan masalah fungsi optimasi yang mulus, kontinu, dan hanya memiliki satu titik optimum lokal saja. Hal ini mendorong ditemukannya metode heuristik dan metaheuristik yang bisa diterapkan pada berbagai jenis fungsi. Kendala yang dimiliki oleh kedua metode tersebut terletak pada proses eksplorasi dan eksploitasi yang belum berjalan seimbang. Pada skripsi ini akan dibahas salah satu perluasan dari algoritma kecerdasan buatan yang tergolong dalam metaheuristik, yaitu Grey Wolf Optimizer (GWO). Metode GWO terinspirasi dari hierarki kepemimpinan dan perilaku berburu dari kumpulan serigala. Algoritma ini diuji menggunakan delapan fungsi tes unimodal dan multimodal, serta diterapkan pada permasalahan bejana tekanan. Kinerja algoritma GWO dibandingkan dengan algoritma PSO dan GSA. Hasil eksperimen yang didapatkan menunjukkan bahwa proses eksplorasi dan eksploitasi yang seimbang dengan algoritma GWO menghasilkan nilai yang paling optimum, serta waktu komputasi yang paling singkat daripada kedua algoritma lainnya.
English Abstract
Optimization was chosen as a problem solving technique to get the most optimum solution. Many optimization methods have been introduced, but some of them have not been able to solve all the problems. One of them, a deterministic method, can only solve problems of optimization functions that are smooth, continuous, and only have one local optimum point. This fact encourages the discovery of heuristic and metaheuristic methods that can be applied to various types of functions. However, the constraints possessed by that methods lie in the process of exploration and exploitation that has not yet run in balance. In this thesis, we will discuss the Grey Wolf Optimizer (GWO), that is one extension of the metaheuristic artificial intelligence algorithm. The GWO method is inspired by leadership hierarchy and hunting behavior of a pack of wolves. This algorithm is evaluated using eight unimodal and multimodal test functions, and applied to the problem of pressure vessels. The performance of the GWO algorithm will be compared with the PSO and GSA algorithms. The experimental results show that the balance of the exploration and exploitation process of GWO algorithm produces the most optimum value, as well as the shortest computational time than the other two algorithms.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/143/051910846 |
| Uncontrolled Keywords: | optimasi, kecerdasan buatan, serigala, minimum global. optimization, artificial intelligence, wolf, global minimum. |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.6 Mathematical optimization |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Aug 2020 06:38 |
| Last Modified: | 29 May 2023 03:06 |
| URI: | http://repository.ub.ac.id/id/eprint/178529 |
![[thumbnail of Indira Kumaralalita.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Indira Kumaralalita.pdf Download (27MB) |
Actions (login required)
 |
View Item |