Menemukan akar sistem persamaan nonlinear sangat penting untuk memahami solusi
sistem tersebut. Metode klasik biasanya hanya menemukan satu akar, sehingga tidak
efektif untuk sistem dengan banyak akar. Oleh karena itu, beberapa peneliti telah
menggabungkan teknik optimasi dan pencarian akar, seperti clustering dengan optimisasi
spiral, pencarian bertahap dalam partisi domain dengan algoritma genetika, serta
teknik tolakan dan adaptif menggunakan metode evolusi diferensial untuk menemukan
semua akar. Pada tugas akhir ini, penulis akan mengadaptasi ketiga teknik pencarian
lokasi akar di atas dan mengombinasikan masing-masing teknik dengan metode evolusi
diferensial (DE), kemudian membandingkan hasil dari ketiga metode tersebut. Perbandingan
dilakukan untuk menilai banyak akar yang diperoleh dan waktu operasi dalam
sekali jalan. Simulasi menunjukkan bahwa teknik teknik tolakan dan adaptif evolusi diferensial
(RADE) memiliki performa linear terhadap populasi dan iterasi, dengan waktu
komputasi cepat yang meningkat untuk populasi besar, serta menghasilkan distribusi
akar yang terkonsentrasi. Performa teknik partisi domain menjadi beberapa hiperkubus
dengan metode evolusi diferensial (HDE) sangat bergantung pada pembagian hiperkubus,
memungkinkan pencarian akar efektif pada iterasi rendah dan semua akar pada
iterasi tinggi, dengan waktu komputasi bervariasi tergantung jumlah hiperkubus. Metode
clustering dengan evolusi diferensial (CDE) menunjukkan performa linear terhadap
populasi dan iterasi, namun lebih sulit menemukan semua akar sekaligus dan membutuhkan
waktu komputasi lebih lama dibandingkan metode lain, meskipun efektif dalam
menemukan banyak akar dengan iterasi terbatas.