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