ANALISIS TINGKAT OPTIMASI ALGORITMA GENETIKA DALAM HUKUM KETETAPAN HARDY-WEINBERG PADA BIN PACKING PROBLEM

Terry Noviar Panggabean

Abstract


Abstrak—Karna representasi abstrak dari beberapa sistem pengambilan keputusan yang nyata dalam kehidupan sehari hari membuat masalah optimasi kombinatorial umumnya sangat sulit untuk dipecahkan. Bin packing problem ialah solusi terbaik dalam mengatasi masalah optimasi kombinatorial, yang digunakan untuk mencari sebuah objek secara optimal dari sekelompok himpunan objek yang berhingga. Serangkaian pendekatan hybrid telah dikembangkan dalam hal ini untuk memecahkan masalah Bin Packing. Metaheuristik adalah salah satu pendekatan tingkat tinggi dalam memandu dalam memodifikasi beberapa metode heuristik lainnya untuk mencari tingkat optimasi yang lebih baik. Genetic Algorithm atau Algoritma Genetika juga merupakan metode metaheuristik yang digunakan untuk menyelesaikan berbagai masalah dalam hal peningkatan optimasi. Dalam algoritma genetika terdapat bermacam-macam varian. Dalam penelitian dipaparkan mengenai taksonomi dari algoritma genetika parallel (Parallel Genetic Algorithm) yang memiliki kemampuan yang lebih baik dari algoritma genetika konvensional dalam hal kinerja dan skalabilitasnya. Tetapi algoritma genetika paralel ini hanya cocok untuk permasalahan jaringan komputer heterogen dan sistem terdistribusi. Berdasarkan penelitian yang sudah pernah dilakukan sebelumnya dan dari uraian diatas maka penulis tertarik untuk melakukan penelitian bagaimana menerapkan hukum ketetapan Hardy-Weinberg dari bidang biologi kedalam algoritma genetika melakukan analisis tingkat optimasi terhadap Bin Packing Problem..

 

Keywords— Genetic Algortihm, Hardy-Weinberg, Bin Packing Problem.

Full Text:

PDF

References


[1] Burke E. K., Hyde M. R. & Kendall G. Providing a Memory Mechanism to Enhance the Evolutionary Design of Heuristics. Proceedings of the IEEE World Congress on Computational Intelligence. Barcelona, Spain. pp 3883-3890. 2010.

Daniel, K., Hirshleifer, D., Subrahmanyam, A., A theory of overconfidence, self-attribution, andsecurity market under- and over-reactions. Journal of Finance 53, in press.Davis, L. 1991. Handbook of Genetic Algorithms. New York: Van Nostrand Reinhold. 1998.

Hopper, Eva., Two-dimensional Packing utilising Evolutionary Algorithms and other Meta-Heuristic Methods. Thesis. University Of Wales, 1-73., 2000.

Martello, S., & Toth, P. Knapsack Problem : Algorithms and Computer Implementations. John Wiley & Sons Ltd, Chapter 8, 221-245. 1990.

Negnevitsky, M., Artificial Intelligence : A Guide to Intelligent Systems, Second Edition. Addison-Wesley: Harlow. 2005.

Perdana, A. Analisis Performansi Pada Penerapan Hukum Ketetapan Hard-Weinberg Dalam Algoritma Genetika, Thesis. Magister Teknik Informatika Fasilkom-TI USU, 5-28. 2015.

Sivanandam, S. N., & Deepa, S. N. Introduction to Genetic Algorithms. Springer: Berlin. 2008.

Vogel, F., & Motulsky, A. G. Human Genetics : Problems and Approaches. Springer: Berlin. 1997.




DOI: https://doi.org/10.24114/cess.v1i2.4062

Article Metrics

Abstract view : 1835 times
PDF - 2684 times

Refbacks

  • There are currently no refbacks.




CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License