Majalah Ilmiah UNIKOM
Vol.11 No. 1
137
H a l a m a n
sehingga menjadi respon yang diinginkan
untuk filter adaptif. Sinyal error didefinisikan
sebagai :
Karena d(n) = b(n) + m(n), maka :
Sinyal error e(n) akan digunakan untuk
menyesuaikan nilai koefisien filter. Filter
adaptif akan berusaha untuk meminimalkan
nilai kuadrat rata-rata dari sinyal error e(n).
Particle Swarm Optimization (PSO)
Particle Swarm Optimization (PSO)
adalah salah satu algoritma optimasi
berbasis kecerdasan buatan terdistribusi
yang
diinspirasikan
oleh
kecerdasan
kumpulan burung dan ikan. Pergerakan
partikel akan ditentukan oleh nilai posisi
saat ini dan nilai kecepatan. Nilai posisi dari
partikel akan merepresentasikan solusi
yang mungkin pada kasus optimasi,
sedangkan nilai kecepatan digunakan untuk
merubah posisi partikel. Terdapat beberapa
algoritma PSO yang dikembangkan oleh
para peneliti. Algoritma-algoritma yang akan
diteliti pada penelitian ini ditunjukkan pada
Tabel 1 .
The Original Particle Swarm Optimization
Algorithm (Original PSO)
Algoritma Original PSO diperkenalkan oleh
J. Kennedy [6] pada tahun 1995. Algoritma
Original PSI dimulai dengan inisialisasi
populasi solusi (disebut particle) yang
dibangkitkan secara acak. Nilai dari fungsi
objektif partikel-partikel tersebut akan
mendeskripsikan
kualitas
dari
posisi
partikel atau alternatif solusi tersebut.
Setiap particel
t
memiliki
vektor
posisi
dan
vektor
e(n) = d(n) – y(n)
(2)
e(n) = b(n) + m(n) – y(n)
(3)
kecepatan
. Setiap particle juga akan
mencatat posisi terbaik yang pernah
dicapainya. Variabel yang digunakan untuk
mencatat posisi terbaik yang pernah dicapai
oleh suatu partikel biasanya menggunakan
vektor
. Nilai dari vektor ini akan
diperbaharui setiap kali partikel yang
bersangkutan memperoleh solusi yang lebih
baik.
Adapun
vektor
merepresentasikan posisi terbaik yang
pernah dicapai oleh suatu partikel dari
seluruh populasi.
Algoritma
PSO
akan
beriterasi
memperbaharui nilai posisi dan kecepatan
partikel higga kondisi berhenti tercapai.
Tri Rahajoeningroem & Muhammad Aria
Algoritma
Sumber pustaka
Original PSO
J. Kennedy, et al.
(1995)
Local PSO
R. Eberhart, et al.
(1995)
Canonical PSO
M. Clerc, et al.
(2002)
Decreasing Inertia
Weight PSO
Y. Shi, et al. (1999)
Increasing Inertia
Weight PSO
Y.L. Zheng, et al.
(2003)
Stochastic Inertia
Weight PSO
R. Eberhart, et al.
(2001)
Fully Informed PSO
R. Mendes, et. Al.
(2004)
Self-Organizing
Hierarchical PSO
with Time-Varying
Acceleration
Coefficients
A. Ratnaweera, et al.
(2004)
Hierarchical PSO
C.-C. Chen (2009)
Adaptive
Hierarchical PSO
S. Janson, et al.
(2005)
Estimation of
Ditribution PSO
M. Iqbal, et al
Tabel 1.
Beberapa algoritma PSO yang diteliti