23
dimodifikasi dengan crossover atau mutation untuk membentuk populasi baru.
Populasi baru ini yang nantinya akan dipakai pada iterasi berikutnya.
10. Ant Colony System
Algoritma Ant Colony Optimization (ACO)
merupakan
teknik probabilistik
untuk
menjawab
masalah
komputasi
yang
bisa
dikurangi
dengan
menemukan
jalur yang baik dengan graf. Algoritma ini diinspirasikan
oleh kelakukan
semut
dalam mencari jalur dari koloni
mereka ke tempat
makanan.
Dalam dunia
nyata,
semut mencari jalan secara acak, menemukan makanan, dan kembali ke sarang
sambil
meninggalkan
jejak
pheromone.
Jika
semut
lain
menemukan
jalur
tersebut,
maka
mereka
tidak
akan
berjalan
secara
acak
lagi
tetapi
mulai
mengikuti
jejak pheromone
yang
ditinggalkan,
kembali
sambil
meninggalkan
jejak pheromone
yang
kemudian
menguatkan
jejak
tersebut.
Jejak
pheromone
tersebut akan memudar seiring berjalannya waktu maka untuk jalur-jalur yang
panjang, jejak tersebut akan mulai memudar sedangkan untuk jalur-jalur
yang
pendek, jejak
tersebut akan mempunyai ketebalan pheromone
yang tinggi dan
membuat
jalur
tersebut
yang
akan
dipilih dan jalur yang panjang akan
ditinggalkan.
2.4
Particle Swarm Optimization
2.4.1
Standard Particle Swarm Optimization
Particle
Swarm Optimization (PSO)
merupakan
teknik komputasi heuristik
berbasis
populasi
paralel
yang
diajukan
oleh Kennedy dan Eberhart (Kennedy dan
Eberhart
1995), yang dimotivasi
dari perilaku organisme seperti kumpulan ikan atau
burung. Misalkan ada sejumlah burung
yang sedang
mencari
makanan di sebuah daerah
 |