Santoso, Zein Rizky (2020) Penyelesaian Masalah Optimasi Tanpa Kendala Menggunakan Island Bat Algorithm. Sarjana thesis, Universitas Brawijaya.
Abstract
perilaku kelelawar ketika mencari mangsa dengan menggunakan kemampuan ekolokasinya. BA memiliki kekurangan, yaitu mudah terjebak pada minimum lokal dan laju konvergensi yang rendah. Untuk mengatasi kelemahan tersebut, BA dimodifikasi dengan model pulau. Pada skripsi ini dibahas penyelesaian masalah optimasi tanpa kendala menggunakan island Bat Algorithm (iBA) yang merupakan algoritma gabungan antara model pulau dan BA. Performa algoritma iBA dibandingkan dengan algoritma lain, yaitu BA, Grey Wolf Optimization dan island Harmony Search. Analisis sensitivitas dilakukan pada iBA untuk mendapatkan nilai parameter yang optimal. Penggunaan parameter yang optimal menyebabkan kinerja iBA menjadi maksimal. Hasil eksperimen dengan menggunakan parameter yang optimal menunjukkan bahwa kinerja iBA lebih baik daripada BA dan iHS dalam hal rata-rata dan standar deviasi dari nilai minimum dan waktu komputasi. BA dan iHS sering terjebak pada optimum lokal, khususnya pada fungsi berdimensi tinggi sedangkan iBA tidak terjebak pada optimum lokal. Jika dibandingkan dengan GWO, waktu komputasi iBA lebih lama, tetapi solusi yang dapat ditemukan oleh iBA lebih optimal. Pada skripsi ini, iBA akan diterapkan pada studi kasus segmentasi citra. Berdasarkan percobaan, hasil segmentasi menggunakan penggabungan antara iBA dan K-means clustering (iBAK) lebih baik daripada K-means clustering.
English Abstract
Bat Algorithm (BA) is an optimization technique inspired by social hunting behavior of bats using its echolocation. BA has the disadvantages of being easy to fall into local minimum and low convergence speed. To overcome this disadvantages, BA will be combined with island model. This final project discusses the optimization problem solving without constraints using island Bat Algorithm (iBA), which is a combination of island model and Bat Algorithm (BA). The proposed iBA algorithm will be compared with Bat Algorithm, Grey Wolf Optimization (GWO), and island Harmony Search (iHS). To get the better results, in this final project will look for the sensitivity of its parameters. The use of optimal parameters in the iBA algorithm causes maximum performance. The experimental results with that parameters show that iBA gives better result than BA and iHS in term of average and standard deviation of optimal solution and computational time. BA and iHS are often fallen into local minimum, especially at high-dimensional functions while iBA is not fallen into local minimum. Even though iBA’s computational time is longer than GWO’s computational time, iBA can find a smaller solution than GWO. There’s a case study that will be discussed, that is image segmentation. The experimental results show that the combination of iBA and K-means clustering (iBAK) gives better image segmentation results than K-means clustering.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0520090166 |
| Uncontrolled Keywords: | optimasi, Bat Algorithm (BA), model pulau, segmentasi citra, K-means clustering. |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | ismanto |
| Date Deposited: | 12 Feb 2021 09:23 |
| Last Modified: | 21 Jul 2022 03:59 |
| URI: | http://repository.ub.ac.id/id/eprint/182897 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
0520090166 - Zein Rizky Santoso.pdf Restricted to Registered users only until 31 December 2023. Download (5MB) |
Actions (login required)
 |
View Item |