a. Menggunakan particle best dan global best yang ada, perbaharui kecepatan setiap partikel. Dari kecepatan yang diperoleh, perbaharui posisi partikel
dengan menjumlahkan kecepatan baru dan posisi sebelumnya menggunakan persamaan 2.19 dan 2.20.
�
�
� =
�
� − +
�
�
� ��
−
�
+ �
��
−
�
............ 2.19 dan
�
�
� =
�
� − + �
�
� .......................................................... 2.20
dengan keterangan : � = indeks partikel
� = iterasi
= inertia
�
= kecepatan partikel ke-i
�
= posisi partikel ke-i
��
= posisi terbaik dari smua partikel gbest
��
= posisi terbaik dari partikel ke-i pbest
,
= learning rate �
,
= bilangan acak [0,1] b. Evaluasi fitness dari setiap partikel.
c. Bandingkan dan perbaharui particle best dan global best tiap-tiap partikel berdasarkan fungsi fitness.
d. Cek stopping criteria. Jika terpenuhi, berhenti. Jika tidak maka kembali ke a.
2.6.2 Metode Simulated Annealing SA
Simulated annealing SA adalah salah satu algoritma untuk optimasi yang bersifat generic. Berbasis probabilitas dan mekanika statistik, algoritma ini dapat
digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu
permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah –masalah
optimasi kombinatorial, dimana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan tersebut.
Publikasi pendekatan ini pertama kali dilakukan oleh S. Krikpatrick, C. D Gelatt dan M. P. Vecchi, diaplikasikan pada desain optimal hardware computer, dan juga pada
salah satu masalah klasik ilmu komputer yaitu Travelling Salesman Problem Kirkpatrick, 1983.
Simulated annealing adalah salah satu teknik yang dikenal dalam bidang metalurgi, digunakan dalam mempelajari proses pembentukan kristal dalam suatu
materi. Agar dapat terbentuk suatu susunan kristal yang sempurna, diperlukan persamaan sampai suatu tingkat tertentu, kemudian dilanjutkan dengan pendinginan
yang perlahan-lahan dan terkendali dari materi tersebut. Pemanasan materi di awal proses annealing, memberikan kesempatan pada atom
–atom dalam materi itu untuk bergerak secara bebas, mengingat tingkat energi dalam kondisi panas ini cukup tinggi.
Proses pendiginan yang perlahan –lahan memungkinkan atom–atom yang tadinya
bergerak bebas itu, pada akhirnya menemukan tempat yang optimum, dimana energi internal yang dibutuhkan atom itu untuk mempertahankan posisinya adalah minimum.
Simulated annealing berjalan berdasarkan analogi dengan proses annealing tersebut. Simulated annealing memanfaatkan analogi antara pendinginan dan pembekuan metal
menjadi sebuah struktur crystal dan energy yang minimal proses penguatan dan proses pencarian untuk tujuan minimal Dhany Indrawan, 2008.
Berikut adalah algoritma metode simulated annealing : a. Evaluasi keadaan awal. Jika tujuan telah terpenuhi maka pencarian solusi selesai.
Jika tidak lanjutkan dengan keadaan awal sebagai keadaan sekarang. b. Inisialisasi best_so_far untuk keadaan sekarang.
c. Inisialisasi suhu T sesuai dengan annealing schedule. d. Kerjakan hingga solusi ditemukan atau sudah tidak ada operator baru lagi akan
diaplikasikan ke kondisi sekarang.
1. Gunakan operator yang belum pernah digunakan untuk menghasilkan keadaan baru.
2. Evaluasi kondisi baru dengan menghitug : ∆ = nilai sekarang – nilai keadaan baru .................................. 2.22
- Jika kondisi baru merupakan tujuan yang dicari maka pencarian solusi selesai.
- Jika bukan tujuan, namun nilainya lebih baik dari sekarang, maka jadikan keadaan tersebut sebagai keadaan sekarang.
- Jika nilai kondisi baru tidak lebih baik dari sekarang, maka tetapkan kondisi baru sebagai keadaan sekarang dengan probabilitas :
�′ = �
−∆� ��
........................................................................... 2.23 dengan keterangan :
∆ = perubahan suhu
kT = temperatur saat ini
dalam kondisi ini generate random number dengan range [0,1]. Jika random number lebih kecil dari
�′ maka solusi diterima. Jika random number lebih besar dari
�′ maka solusi tidak di terima. 3. Perbaiki T sesuai dengan annealing schedule.
e.
best_so_far adalah solusi yang dicari.
2.6.3 Metode Genetic Algorithm
