Algoritma Fuzzy Self-Tuning Pso Untuk Optimasi Global

Ibrahim, Muhammad Haafizhdiin (2020) Algoritma Fuzzy Self-Tuning Pso Untuk Optimasi Global. Sarjana thesis, Universitas Brawijaya.

Abstract

PSO merupakan teknik optimasi yang terinspirasi dari alam yaitu kumpulan burung dalam mencari makan. Performa PSO bergantung pada beberapa parameter yaitu bobot inertia, konstanta kognitif, dan konstanta sosial. Jika pemilihan nilai dari parameter PSO tidak tepat maka PSO dapat terjebak pada optimum lokal. Masalah tersebut dapat diatasi dengan menambahkan logika fuzzy pada PSO untuk mendapatkan nilai terbaik dari parameter tersebut. Pada skripsi ini dilakukan analisis perbandingan algoritma fuzzy self-tuning particle swarm optimization (FST-PSO) dengan particle swarm optimization (PSO) dan proactive particle swarm optimization (PPSO) untuk menyelesaikan masalah optimasi global. Logika fuzzy pada PPSO digunakan untuk mengontrol nilai dari parameter bobot inertia, konstanta kognitif, dan konstanta sosial. Pada FST-PSO, logika fuzzy selain digunakan untuk mengontrol parameter yang sama seperti PPSO, tetapi juga digunakan untuk mengontrol kecepatan maksimum dan kecepatan minimum. Dari hasil eksperimen dapat disimpulkan bahwa FST-PSO lebih baik dibanding PSO dan PPSO dalam hal ratarata nilai minimum fungsi, standar deviasi nilai minimum fungsi, nilai terbaik nilai minimum fungsi, nilai rata-rata jarak titik minimum terhadap solusi eksak, dan nilai terbaik jarak titik minimum terhadap solusi eksak. Walaupun rata-rata waktu komputasi FST-PSO lima kali lebih tinggi dibandingkan dengan waktu komputasi dari PSO dan dua kali lebih tinggi dibandingkan dengan waktu komputasi dari PPSO untuk lima fungsi uji, tetapi hasil fungsi costnya 53 kali lebih kecil dari PSO dan 127 kali lebih kecil dari PPSO.

English Abstract

PSO is an optimization technique that is inspired by nature, namely a bird flock in search of food. PSO performance depends on several parameters namely the inertia weights, cognitive factor, and social factor. If the values of the PSO parameters are not appropriate then the PSO can be trapped at the local optimum. This problem can be overcome by adding fuzzy logic to PSO to get the best value from these parameters. This final project discusses a comparative analysis of the fuzzy self-tuning particle swarm optimization (FST-PSO) algorithm with particle swarm optimization (PSO) and proactive particle swarm optimization (PPSO) to solve global optimization problem. Fuzzy logic in PPSO is used to control the values of the inertia weights, cognitive factor, and social factor. In FST-PSO, fuzzy logic is used not only to control the same parameters as PPSO, but also to control the maximum speed and the minimum speed. From the experimental results, it can be concluded that the FST-PSO is better than PSO and PPSO in terms of the average minimum value of the function, standard deviation of the minimum value of the function, the best value of the minimum value of the function, the average value of the minimum point distance to the exact solution, and the best value the minimum point distance to the exact solution. Although the FSTPSO computation time is five times higher than the PSO computation time and two times higher than the PPSO computation time for the five test functions, the result of the cost function is 53 times smaller than PSO and 127 times smaller from PPSO.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520090130
Uncontrolled Keywords:	FST-PSO, logika fuzzy, PPSO, PSO, tes fungsi.
Subjects:	500 Natural sciences and mathematics > 511 General principles of mathematics > 511.3 Mathematical logic (Symbolic logic) > 511.31 Nonclassical logic > 511.313 Fuzzy logic
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User:	ismanto
Date Deposited:	06 Feb 2021 16:06
Last Modified:	23 Sep 2024 07:31
URI:	http://repository.ub.ac.id/id/eprint/182670

Text 0520090130-Muhammad Haafizhdiin Ibrahim.pdf Download (5MB)

Actions (login required)

View Item