< prev

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

Page 6 of 12
next >

Majalah Ilmiah UNIKOM

Vol.11 No. 1

140

H a l a m a n

partikel yang berada pada hierarki diatasnya

parent

Hirarki partikel akan didefinisikan oleh

height hbranching degree d

children

m

Pada HPSO digunakan hirarki yang memiliki

children

node-nya. Hanya node-node terbawah saja

children

lebih sedikit.

Posisi baru dari suatu partikel akan

ditentukan berdasarkan posisi terbaik dari

partikel tersebut dan posisi terbaik dari

parent

parent

parent

posisi pada hirarki.

Adaptive Hierarchical Particle Swarm Opti-

mizer (AH-PSO)

Diusulkan oleh Jansen dan Middendorf

AH-PSO,

branching degree

dikurangkan sedikit demi sedikit selama

Branching degree

k

adapt

d

min

tercapai.

f

adapt

.

Estimation of Distribution Particle Swarm

Optimizer (EDPSO)

Diusulkan oleh Iqbal [17], EDPSO

Continues

ACOCaconical

PSO

update rule

akan memilih suatu fungsi Gaussian.

Kemudian dari fungsi Gaussian tersebut

akan dievaluasi kemungkinan partikel untuk

pindah ke posisi baru tersebut. Jika aturan

perpindahan partikel terpenuhi, maka

partikel akan berpindah seperti biasa, tetapi

jika aturan perpindahan tidak terpenuhi,

maka akan dilakukan sampling dari fungsi

Continues

ACO

IMPLEMENTASI DAN ANALISA DATA

Untuk

pengujian,

akan

digunakan

parameter-parameter PSO seperti yang

ditunjukkan pada Tabel 2 berikut.

Tri Rahajoeningroem & Muhammad Aria

Algoritma

Seting

Original

PSO

Cognitive component

=

2.05

Social component

= 2.05

Local PSO

Cognitive component

=

2.05

Social component

= 2.05

Number of Neighborhood = 3

Canonical

PSO

Cognitive component

=

2.05

Social component

= 2.05

Constriction factor

= 0.729

Number of Neighborhood = 3

Decreasin

g Inertia

Weight

Cognitive component

=

2.05

Social component

= 2.05

Initial inertia weight = 0.9

Final inertia weight = 0.4

Number of Neighborhood = 3

Increasing

Inertia

Weight

Cognitive component

=

2.05

Social component

= 2.05

Final inertia weight = 0.9

Initial inertia weight = 0.4

Number of Neighborhood = 3

Stochastic

Inertia

Weight

Cognitive component

=

2.05

Social component

= 2.05

Minimum inertia weight = 0.4

Maximum inertia weight = 0.9

Number of Neighborhood = 3

Table 2. Seting parameter PSO yang

digunakan