Studi Perbandingan Antara Algoritma Bivariate Marginal Distribution Dengan Algoritma Genetika

Kusuma, Imam Artha (2005) Studi Perbandingan Antara Algoritma Bivariate Marginal Distribution Dengan Algoritma Genetika. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5198100066-Undergraduate-Thesis.pdf - Published Version

Download (13MB) | Preview

Abstract

Bivariate Marginal Distribution (BMDA) merupakan perkembangan lebih lanjut dart Estimation of Distribution Algorithm (EDA). Algoritma heuristik ini mengenalkan pendekatan baru dalam melakukan rekombinasi untuk membentuk individu baru, yaitu tidak menggunakan proses crossover dan mutasi seperti pada Afgoritma Genetika (GA). BMDA menggunakan keterkaitan pasangan variabef dafam mefakukan rekombinasi untuk membentuk individu baru. Keterkaitan antar variabel tersebut ditemukan selama proses optimasi berlangsung. Aplikasi yang dibuat dalam Tugas Akhir ini ditujukan untuk membandingkan kinerja Genetic Algorithm sederhana persilangan satu titik dengan Bivariate Marginal Distribution Algorithm pada kasus Onemax, Fungsi De Jong F2, dan Traveling Salesman Problem. Onemax dipilih untuk menguji kedua algoritma karena Onemax sering digunakan dalam pengujian algoritma optimasi dan dianggap mewakili fungsi linear. Fungsi DeJong F2 dipilih untuk menguji kedua algoritma karena fungsi ini sering digunakan dalam uji coba algoritma optimasi pada masalah-masalah numerik. Dan Traveling Salesman Problem dipilih dalam pengujian kedua algoritma karena TSP merupakan masalah optimasi yang sudah sering digunakan oleh para peneliti karena kesederhanaannya, pentingnya, serta hubungannya dengan masalah kombinatorial. Dari uji coba yang dilakukan, didapat hasil bahwa kinerja dari kedua algoritma tersebut dipengaruhi oleh parameter masing-masing dan juga besar ukuran populasi yang digunakan. Untuk kasus Onemax dengan ukuran masalah yang kecil, Genetic Algorithm lebih unggul dalam hal jumlah iterasi yang lebih sedikit dan waktu yang lebih cepat untuk mendapat hasil optimal. Namun, Bivariate Marginal Distribution Algorithm lebih unggul dalam hal hasil optimasi pada kasus Onemax dengan ukuran masalah yang lebih besar. Untuk Fungsi De Jong F2, Genetic Algorithm lebih unggul dari Bivariate Marginal Distribution Algorithm utamanya dalam hal jumlah iterasi dan waktu. Sedangkan untuk kasus Traveling Salesman Problem, Bivariate Marginal Distribution Algorithm dapat menunjukkan kinerja yang lebih baik dari Genetic Algorithm dalam hal hasil optimasi.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 005.1 Kus s
Uncontrolled Keywords: heuristic algorithm, estimation of distribution algorithm, bivariate marginal distribution algorithm, genetic algorithm.
Subjects: Q Science > QA Mathematics > QA9.58 Algorithms
Divisions: Faculty of Information Technology > Informatics Engineering > (S1) Undergraduate Theses
Depositing User: ansi aflacha
Date Deposited: 17 May 2018 07:44
Last Modified: 17 May 2018 07:44
URI: http://repository.its.ac.id/id/eprint/51900

Actions (login required)

View Item View Item