Perpustakaan Digital ITB

Pada saat ini optimasi merupakan permasalahan yang hampir ditemukan disemua bidang penelitian. Permasalahan tersebut tidak hanya dalam bentuk fungsi dengan satu atau banyak peubah tetapi juga dalam bentuk unimodal dan multimodal. Sebagian besar algoritma baik yang berbasis Gradient maupun metaheuristik termasuk Flower pollination algorithm (FPA) umumnya dikonstruksi untuk menyelesaikan permasalahan optimasi global, sehingga tidak bekerja dengan baik ketika diterapkan pada permasalahan multimodal yang memiliki sejumlah optimum baik lokal dan global minimum dan maksimum atau kombinasi keduanya. Tujuan dari penelitian ini adalah untuk melokalisir semua solusi optimum pada permasalahan multimodal dalam sekali running. Pada tesis ini telah dimodifikasi dua metode yaitu FPA dengan metode Niching dan FPA dengan metode Clustering. Kedua metode tersebut divalidasi menggunakan benchmark fungsi multimodal yang dikompetisikan pada sesi CEC 2013. Hasil perbandingan antara kedua metode tersebut menunjukan bahwa FPA dengan metode Niching hanya menawarkan efisiensi tapi tidak dapat menemukan semua solusi pada fungsi benchmark dan jumlah solusi optimum yang diperoleh akan selalu berubah disetiap kali running, sedangkan FPA dengan metode Clustering dapat melokalisir semua solusi optimum baik lokal dan global optimum pada fungsi benchmark multimodal dengan jumlah solusi optimum yang tidak berbeda disetiap kali running.