Wiguna, Zulfikar Adi (2019) The Whale Optimization Algorithm. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Deterministic algorithm is often used to solve optimization problem. This algorithm requiring gradient information, whereas not every problem has. Because of that disadvantage, a metaheuristic method is developed that is known to be more flexible and does not require gradient information. For example, Gravitational Search Algorithm (GSA) and Particle Swarm Optimization (PSO) are nature-inspired metaheuristic. Both of these algorithms performed well, but sometimes being trapped into local minimum point. Therefore, a new method called the Whale Optimization Algorithm (WOA) was introduced which is considered to be able to cover this weakness and simpler in solving function optimization. But the performance of WOA is still uncertain. In this final project, some simulation are conducted to investigate the performance of WOA compare to PSO and GSA in solving unconstrained optimization. The result of simulations by using several test functions show that WOA is better when solving large-dimensional functions with faster computing time than PSO and GSA.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/384/052001539 |
| Uncontrolled Keywords: | the Whale Optimization Algorithm, Particle Swarm Optimization, Gravitational Search Algorithm, nature-inspire metaheuristic, teknik optimasi. |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:06 |
| Last Modified: | 29 May 2023 07:02 |
| URI: | http://repository.ub.ac.id/id/eprint/179939 |
![[thumbnail of Zulfikar Adi Wiguna.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Zulfikar Adi Wiguna.pdf Download (2MB) |
Actions (login required)
 |
View Item |