< prev

Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10Page 11Page 12

Page 4 of 12
next >

Majalah Ilmiah UNIKOM

Vol.11 No. 1

138

H a l a m a n

update rule

adalah :

Dimana

dan

adalah dua nilai

cognitivesocial

acceleration coefficients

dan

adalah vektor dua dimensi yang

memiliki nilai acak yang terdistribusi merata

yang dibangkitkan setiap kali iterasi dimana

nilainya akan berada diantara rentang nilai

0 dan 1. Sedangkan * adalah operator

perkalian vektor elemen per elemen.

original PSO

partikel memiliki dua penarik pergerakan

yaitu

dan

.

Tetapi

berdasarkan

beberapa

penelitian

menunjukkan bahwa penarikan yang terlalu

kuat ke posisi

akan mengakibatkan

konvergensi yang terlalu cepat. Maka

original PSO

local PSO

Local Particle Swarm Optimizer (Local PSO)

local PSO

adalah

bahwa

suatu

partikel

tidak

mengalami percepatan yang diakibatkan

oleh

, tetapi akan mengalami

percepatan yang diakibatkan oleh posisi

terbaik yang pernah dicapai oleh partikel-

partikel yang menjadi tetangga partikel

bersangkutan (bukan posisi terbaik dari

seluruh partikel). Maka, persamaan (4) akan

menjadi

Dimana

adalah posisi terbaik yang

pernah dicapai oleh tetangga-tetangga dari

suatu partikel. Mohais [8] melaporkan

bahwa pemilihan ketertetanggaan partikel

secara acak menghasilkan performansi

yang sama atau terkadang lebih baik

daripada pemilihan ketertetanggaan partikel

menggunakan topologi.

Canonical Particle Swarm Optimizer

Clerc dan Kennedy [9] pada tahun 2002

constriction

factorupdaterule

constriction factor

mencegah penambahan kecepatan partikel

menuju nilai yang terlalu besar dan juga

untuk mengendalikan konvergensi dari

partikel.

Variabel

constriction

factor

ini

ditambahkan pada persamaan (4) sehingga

menjadi

dengan

Dengan

,

dan

.

Time-Varying Decreasing Inertia Weight

Particle Swarm Optimizer (Decreasing

Inertia Weight PSO

Shi dan Eberhart [10] pada tahun 1999

memperkenalkan

ide

penambahan

Tri Rahajoeningroem & Muhammad Aria

(4)

(5)

(6)

(7)

(8)