SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
|
|
- Hartanti Atmadjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm Genetic Algorithm (SGA) merupakan suatu hibrida dari Algoritma Genetika (AG) dan Particle Swarm Optimization (PSO). SGA menggunakan proses seleksi, perkawinan dan mutasi yang diadopsi dari AG untuk menciptakan generasi baru. Pertumbuhan setiap individu dalam generasi dalam SGA dipengaruhi oleh faktor perubahan individu, individu terbaik dan faktor sosial yang diadopsi dari PSO. Berdasarkan percobaan yang dilakukan diperoleh bahwa SGA ini lebih baik daripada AG namun SGA ini sebanding dengan PSO. Kata kunci : Swarm Genetic Algorithm, Algoritma Genetika, Particle Swarm Optimization. 1.Pendahuluan Metode heuristic yang berkembang hingga saat ini adalah Evolutionary Computation, Simulated Annealing, Tabu Search, Algoritma Genetik (AG), Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO) dan lain-lain. Metode heuristic yang menjanjikan adalah Algoritma Genetika dan PSO untuk dapat menyelesaikan permasalahan optimasi sebagaimana diutarakan Deepa dan Sugumaran dalam papernya[1]. Berikut adalah perbandingan AG dan PSO yang dikemukakan Li dkk. [4] Tabel 1. Perbandingan AG dan PSO Item pembanding Algoritma Genetika Particle Swarm Optimization Operator code, seleksi, cross over, mutasi Inertia, kognitif, sosial Kemampuan pencarian global Tinggi Rendah Implementasi Sukar Sederhana Terjebak di lokal optimum Jarang Sering Efisiensi komputasi Rendah Tinggi Kecepatan optimasi Rendah Tinggi Kompleksitas algoritma Tinggi Rendah Konvergensi Sulit Mudah Dari perbandingan yang dilakukan oleh Li dkk. menjadi inspirasi untuk mencoba mengkombinasikan AG dan PSO sehingga terciptalah Swarm Genetic Algorithm (SGA) ini. 2.Algoritma Genetika (AG) Algoritma genetik (AG) dikemukakan oleh Goldberg [2] adalah suatu teknik pencarian heuristik yang meniru proses seleksi alam. Pada metode ini suatu populasi dari kandidat solusi (yang disebut individu) akan dihitung nilai kecocokannya (fitnes) lalu dievolusi menuju solusi yang lebih baik. Elemen dasar dari AG ini adalah pengkodean, seleksi, perkawinan (cross over) dan mutasi. Algoritma genetika diawali dengan pencarian secara random sejumlah individu yang nantinya akan digabungkan dalam suatu populasi. Dari setiap populasi akan dihitung nilai fitnes yang dimiliki oleh setiap individu. Semakin baik nilai fitnes dari individu maka akan memiliki peluang yang besar untuk tergabung dalam populasi selanjutnya. Setiap individu memiliki nilai gen yang biasanya berupa bilangan biner. Gen dari setiap individu akan dilakukan modifikasi (dapat berupa kombinasi atau mutasi) untuk dapat bergabung di populasi selanjutnya. Populasi baru yang merupakan kumpulan modifikasi individu sebelumnya akan digunakan untuk iterasi selanjutnya untuk membentuk populasi yang lebih baik. Hal ini dilakukan terus menerus hingga nilai fitnes yang diharapkan terpenuhi. 3.Particle Swarm Optimization (PSO) 31
2 Particle Swarm Optimization (PSO) [1] merupakan metode komputasi untuk mengoptimasi permasalahan dengan menggunakan teknik ableive dalam memperbaiki kualitas kandidat dari solusi. Ide sederhana dari PSO adalah model matematika dan simulasi dalam pencarian makanan oleh sekawanan burung (partikel). Dalam ruang berdimesi hingga setiap partikel dalam sekawanan bergerak menuju titik optimal dengan menambahkan suatu kecepatan dari posisinya. Kecepatan dipengaruhi oleh tiga komponen yakni momentum inersia, kognitif dan sosial. Komponen inersia menunjukan perilaku burung untuk terbang dalam arah sebelumnya. Komponen kognitif dari model memberikan informasi posisi terbaik burung tersebut dan komponen sosial merupakan posisi terbaik dari burung yang ada dalam kawanannya. 4.Swarm Genetic Algorithm (SGA) Hibrida adalah turunan yang dihasilkan dari perkawinan antara dua jenis yang berlainan. Swarm Genetic Algorithm (SGA) adalah suatu hasil hibrida dari AG dan PSO. Cara kerja SGA adalah a) Pemilihan n individu secara acak, kumpulan n individu ini disebut sebagai generasi pertama. b) Setiap individu mencari (menseleksi) pasangan hidup dari generasinya sehingga tercapat n/2 pasangan. c) Setiap pasangan menjadi orang tua dan melahirkan 2 anak (proses cross over) sehingga menghasilkan n anak dari n/2 pasangan. d) Dari n anak tersebut dimungkinkan terjadi mutasi gen. e) Pertumbuhan n anak dipengaruhi oleh 3 faktor yakni Inertia, keinginan anak untuk berubah/bergerak, Kognitif, faktor orang tua (the best personal) dan Sosial, faktor tokoh terbaik dalam lingkungannya (the best grup) f) n anak tumbuh menjadi individu yang mungkin menjadi calon orang tua g) kumpulan n individu ini disebut sebagai generasi ke-2 h) Generasi kedua ini melakukan proses perulangan tahap ke-b hingga mencapai generasi terakhir. 5.Percobaan AG, PSO, SGA Kami melakukan percobaan untuk membandingkan kinerja dari GA vs PSO vs SGA untuk mencari nilai minimum dari 3 fungsi yang kami pilih dari paper Digalakis dan Margaritis [2] f = 100(x x ) + 1(1 x ) (1) f = (x 10 cos(2πx )) f = 1 + x 4000 cos x i dengan menggunakan 30 individu awal yang sama untuk ketiga metode, dilakukan proses regenerasi hingga generasi ke-24. Percobaan ini kami lakukan hingga 100 kali pengulangan. (2) (3) 5.1 Hasil Pengujian pada f 1 32
3 Gambar 1. Hasil pengujian ketiga metode pada f1 Tabel 2. Nilai optimal f dari 100 percobaan AG PSO SGA Terbaik Rata-rata Standar deviasi Dari tabel 2 di atas dapat disimpulkan bahwa SGA ini menghasilkan nilai yang sama dengan AG dan PSO. 33
4 5.2 Hasil Pengujian pada f 2 Gambar 2. Hasil pengujian ketiga metode pada f2 Tabel 3. Nilai optimal f dari 100 percobaan AG PSO SGA Terbaik Rata-rata Standar deviasi Dari tabel 3 di atas dapat disimpulkan bahwa SGA ini menghasilkan nilai yang lebih baik dibandingkan AG dan PSO. 34
5 5.3 Hasil Pengujian pada f 3 Gambar 15. Hasil pengujian ketiga metode pada f3 Tabel 4. Nilai optimal f dari 100 percobaan AG PSO SGA Terbaik Rata-rata Standar deviasi Dari tabel 4 di atas dapat disimpulkan bahwa SGA ini menghasilkan nilai yang lebih baik dibandingkan AG. Dari 100 kali percobaan SGA dengan PSO dapat disimpulkan kedua metode ini menghasilkan nilai optimal f3 yang sama. Namun dari 100 kali percobaan ini SGA dapat menghasilkan nilai yang lebih baik dari PSO. 35
6 6. Kesimpulan Dari fungsi pertama SGA, GA dan PSO menghasilkan nilai yang sama. Di fungsi kedua SGA menghasilkan nilai yang lebih baik daripada GA dan PSO. Di fungsi ketiga SGA menghasilkan nilai yang sama dengan PSO namun lebih baik daripada GA. Jadi SGA ini adalah metode yang lebih baik daripada GA dan PSO. Namun SGA ini sama baiknya dengan PSO untuk fungsi tertentu. Daftar Pustaka: [1] Deepa, S. N., G. Sugumaran, MPSO based Model Order Formulation Technique for SISO Continuous Systems, World Academy of Science, Engineering and Technology 75, 2011 [2] O Digalakis, J. G., dan Margaritis, K. G., On Benchmarking Functions for Genetic Algorithms, Int. J. Computer Math., Vol. 00, 2000 [3] Goldberg, D.E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison- Wesley, 1989 [4] Li, Zhijie, Xiangdong Liu, Xiaodong Duan, dan Feixue Huang, "Comparative Research on Particle Swarm Optimization and Genetic Algorithm" Computer and Information Science Volume 3 No. 1, February,
Bab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Penelitian dilakukan dengan meninjau penelitianpenelitian terdahulu yang berkaitan. Tinjauan pustaka akan mengetahui faktor-faktor yang perlu diperhatikan
Lebih terperinciKOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP)
KOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP) Ong Andre Wahju Riyanto * ABSTRAKSI Penelitian ini ditujukan untuk memperbaiki kelemahan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciBAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciBAB I PENDAHULUAN. yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah pengurutan pengerjaan produk secara menyeluruh yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan yang akan diselesaikan
Lebih terperinciANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM
ANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM Sean Coonery Sumarta* 1 1 Program Studi Teknik Informatika, Universitas Atma Jaya Makassar,
Lebih terperinciOPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM
OPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM Aditya Permana 1, Mahmud Dwi Sulistiyo 2, Gia Septiana Wulandari 3 1,2,3 Prodi S1 Teknik Informatika,
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinci1. BAB I PENDAHULUAN. 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum sistem tenaga listrik terdiri dari pusat pembangkit, saluran transmisi dan pusat beban. Perkembangan beban sistem saat ini sudah tidak sesuai dengan
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai beberapa hal seputar penelitian yang dilakukan, antara lain: latar belakang penelitian, perumusan masalah, batasan masalah, keaslian penelitian, manfaat
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinci1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Clustering merupakan sebuah teknik pemrosesan data yang digunakan untuk menemukan pola-pola tersembunyi pada kumpulan data (Žalik, 2008). Clustering telah
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciPENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION
PENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Email: hilhamsah@gmail.com ABSTRAK
Lebih terperinciAlgoritma Evolusi Topik Lanjut Pada GA
Algoritma Evolusi Topik Lanjut Pada GA Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Hybrid Genetic Algorithms (HGAs) 2. Parallel Genetic Algorithms (PGAs) 3. Nilai Parameter Adaptif 4.
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Listrik dewasa ini menjadi salah satu kebutuhan yang sangat penting bagi kehidupan manusia. Teknologi dan ilmu pengetahuan yang tidak pernah henti perkembangannya mendorong
Lebih terperinciOPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK
Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008) ISSN 1907-5022 OPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK Manahan Siallagan, Mira Kania Sabariah, Malanita Sontya Jurusan Teknik
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciPERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK. Kata kunci: Algoritma Genetika, Shortest Path Problem, Jalur Terpendek
PERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK Fajar Saptono 1, Taufiq Hidayat 2 Laboratorium Pemrograman dan Informatika Teori Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciAsri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan Sudirman, Cimahi
Perbandingan Jumlah Pinalti Alokasi Task pada Penjadwalan Kerja dengan Perhitungan Manual dan Algoritma Genetika Asri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciPengantar Teknik Informatika
Pengantar Teknik Informatika Algoritma dan Kompleksitas Pertemuan Ke-3 Materi E-learning Tanggal : 1 Oleh : Supatman Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Tahun 2012 Algoritma
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN
ALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN Hardy STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 hardy@mikroskil.ac.id Abstrak Algoritma genetika telah
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciMENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata
Lebih terperinciBlending Agregat Menggunakan Algoritma Genetika
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-9271 D-113 Blending Menggunakan Algoritma Genetika Yeni Rochsianawati, PujoAji dan Januarti Jaya Ekaputri Jurusan Teknik Sipil, Fakultas Teknik Sipil
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Vehicle Routing Problem Vehicle Routing Problem merupakan permasalahan distribusi yang mencari serangkaian rute untuk sejumlah kendaraan dengan kapasitas tertentu
Lebih terperinciALGORITMA GENETIKA PADA PENYELESAIAN AKAR PERSAMAAN SEBUAH FUNGSI
ALGORITMA GENETIKA PADA PENYELESAIAN AKAR PERSAMAAN SEBUAH FUNGSI Akhmad Yusuf dan Oni Soesanto Program Studi Matematika Universitas Lambung Mangkurat Jl. Jend. A. Yani km 35, 8 Banjarbaru ABSTRAK Algoritma
Lebih terperinciPenyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition
Penyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition Muji Prasetyo Iryanto, Sri Mardiyati Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia,
Lebih terperinciHibridisasi Simulated Annealing dengan Algorithm Evolutionary dalam Penyelesaian Travelling Salesman problem (TSP)
Hibridisasi Simulated Annealing dengan Algorithm Evolutionary dalam Penyelesaian Travelling Salesman problem (TSP) Erdiwansyah *1, Taufik A. Gani *2, Yuwaldi Away *3 # Magister Teknik Elektro Program Pascasarjana
Lebih terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
Lebih terperinciImplementasi automatic clustering menggunakan particle swarm optimization dan genetic algorithm pada data kemahasiswaan
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi automatic clustering menggunakan particle swarm optimization dan genetic algorithm pada data kemahasiswaan
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. RIZKIANANTO WARDANA M Misbach Fachri 2207100038 Sistem Tenaga Listrik
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciPenerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia Aristoteles Jurusan Ilmu Komputer FMIPA Universitas Lampung aristoteles@unila.ac.id Abstrak.Tujuan penelitian ini adalah meringkas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimalisasi Optimalisasi merupakan suatu proses untuk mengoptimalkan suatu solusi agar ditemukannya solusi terbaik dari sekumpulan alternatif solusi yang ada dengan menggunakan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) OPTIMASI FUNGSI KEANGGOTAAN FUZZY BERBASIS ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
58 OPTIMASI FUNGSI KEANGGOTAAN FUZZY BERBASIS ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Rimbun Siringoringo, Zakarias Situmorang ringorbnsrg@gmail.com, zakarias65@yahoo.com Mahasiswa Magister Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Pendahuluan Pada bab ini akan dibahas tentang travelling salesman problem (TSP), metodemetode yang digunakan dalam penyelesaian TSP. Khusus penggunaan metode algoritma genetika
Lebih terperinciBAB II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
Lebih terperinciAnalisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2)
Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Abstrak Algoritma genetika yang pertama kali diperkenalkan secara terpisah oleh Holland dan De
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3711 OPEN ACCESS ISSN XXXX-XXXX IND. SYMPOSIUM ON COMPUTING VOL. XX, NO. XX, SEPT 2016 SOCJ.TELKOMUNIVERSITY.AC.ID/INDOSC Penjadwalan
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciISSN: X 77 IMPUTASI MISSING DATA DENGAN K-NEAREST NEIGHBOR DANALGORITMA GENETIKA
ISSN: 2088-687X 77 IMPUTASI MISSING DATA DENGAN K-NEAREST NEIGHBOR DANALGORITMA GENETIKA Ucik Mawarsari Badan Pusat Statistik Jl. Dr. Sutomo 6-8 Jakarta, ucik@bps.go.id ABSTRAK Permasalahan yang sering
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012
HIBRIDASI ALGORITMA BIOGEOGRAPHY BASED OPTIMIZATION DENGAN DIFFERENTIAL EVOLUTION DAN PARTICLE SWARM OPTIMIZATION (PBBO) PADA FUNGSI UNIMODAL DAN MULTIMODAL Suci Ariani., Budi Santosa, dan Stefanus Eko
Lebih terperinciModul Matakuliah Algoritma Evolusi oleh
Modul Matakuliah Algoritma Evolusi oleh Wayan Firdaus Mahmudy Program Teknologi Informasi dan Ilmu Komputer (PTIIK) Universitas Brawijaya September 2013 Kata Pengantar Buku ini disusun untuk mengisi kelangkaan
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan pasar modal yang pesat, menuntut investor untuk memiliki banyak strategi dalam berinvestasi. Dalam berinvestasi dituntut untuk selalu mengelola
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi dan perkembangan teknologi suatu daerah mengakibatkan kebutuhan tenaga listrik akan semakin meningkat, baik yang berhubungan dengan bidang industri,
Lebih terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
Lebih terperinciPencarian Rute Optimum Menggunakan Algoritma Genetika
Jurnal Teknik Elektro Vol. 2, No. 2, September 2002: 78-83 Pencarian Rute Optimum Menggunakan Algoritma Genetika Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas
Lebih terperinciAlgoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-19 Algoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem Muhammad Luthfi Shahab dan Mohammad Isa Irawan Matematika,
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciPERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK
PERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK Rudy Adipranata 1) Felicia Soedjianto 2) Wahyudi Tjondro Teknik Informatika,
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah proses membuat daftar, tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Dalam proses penjadwalan, kegiatan
Lebih terperinciPerbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek
Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek Rudy Adipranata 1, Felicia Soedjianto 2, Wahyudi Tjondro Teknik Informatika,
Lebih terperinciPENYELESAIAN MASALAH PENUGASAN DENGAN ALGORITMA GENETIKA TEKNIK CYCLE CROSSOVER.
PENYELESAIAN MASALAH PENUGASAN DENGAN ALGORITMA GENETIKA TEKNIK CYCLE CROSSOVER. Ir. Samuel Lukas, M.Tech*, Dr(Eng). Pujianto Yugopuspito, M.Sc", dan Hadiyanto Asali*" Abstract Assignment problem is one
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciAlgoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T 6 Algoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP) Daryono Budi Utomo, Mohammad Isa Irawan, Muhammad Luthfi
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini akan membahas tentang teori dan konsep dasar yang mendukung pembangunan dari aplikasi yang dibuat. 2.1 Penjadwalan Penjadwalan adalah pengaturan waktu dari suatu kegiatan operasi,
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinci