Optimalisasi Solusi Terbaik dengan Penerapan Non-Dominated Sorting II Algorithm

Poetri Lestari Lokapitasari Belluano

Abstract


Non Dominated Sorting In Genetic Algorithm merupakan kelas khusus dari algoritma evolusioner dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (crossover).  Tahap-tahap teknik pencarian untuk menemukan penyelesaian perkiraan pada optimisasi dan masalah pencarian, sebagai solusi hasil akhir. Seleksi non-Dominasi algoritma genetik adalah sebuah algoritma optimasi multi objek/tujuan algoritma dan merupakan contoh dari Algoritma Evolusioner dari bidang Komputasi Evolusioner. NSGA merupakan perpanjangan dari Algoritma Genetika untuk optimasi fungsi tujuan ganda. Hal ini berhubungan dengan evolusioner algoritma Optimasi multi objek lainnya (EMOO) atau Beberapa Algoritma Evolusioner objektif MOEA) seperti Algoritma Vektor-Dievaluasi genetik (VEGA), Algoritma Evolusioner penguatan Pareto (SPEA), dan Strategi Evolusi Pareto Arsip (Paes). Ada dua versi algoritma, yaitu NSGA klasik dan bentuk yang terbaru saat ini kanonik NSGA-II.


Keywords


non-dominated sorting, genetic algorithm, optimasi multi objek

References


2011. Algoritma Genetika. Tersdia online: lecturer.eepis-its.edu, diakses: Desember 2011, pukul 17.11

K.Deb and R.B. Argawal. 1995. Simulated Binary crossover for countinuous search space. Complex systems, 9:115-148.

K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan. 2002. A fast and elitist multiobjective genetic algorithm: NSGA–II. IEEE Transactions on Evolutionary Computation, 6(2):182–197.

2012. Strategi Algoritmik, Laboratorium Ilmu dan Rekayasa Komputasi, Departemen Teknik Informatika, Institut Teknologi Bandung. www.informatika.org, diakses: januari 2012, pukul 10.40.




DOI: https://doi.org/10.33096/ilkom.v8i1.7.29-36

Refbacks

  • There are currently no refbacks.


Creative Commons License
ILKOM Jurnal Ilmiah work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.