Perpustakaan Digital ITB

Pada tugas akhir ini, penulis membangun suatu metode optimisasi metaheuristik baru untuk penyelesaian masalah optimisasi dengan kemampuan untuk menemukan tidak hanya satu solusi, namun seluruh solusi yang mungkin dari suatu masalah optimisasi. Metode ini menggunakan dasar utama metode optimisasi Differential Evolution dibantu dengan suatu fungsi penalti untuk masalah berkendala dan Spiral Clustering untuk menemukan semua solusi optimum.Metode Differential Evolution bekerja dengan basis populasi dan merupakan salah satu metode pendekatan untuk penyelesaian masalah optimisasi. Solusi dicari dengan langkah-langkah iteratif yang menggerakan populasi menuju suatu nilai yang dianggap merupakan solusi optimum. Setiap tahap dalam iterasi Differential Evolution akan dijelaskan pada tugas akhir ini, begitu pula cara sebuah fungsi penalti seperti Parameter Free Penalty Function dapat membantu konvergensi populasi pada differential evolution bergerak menuju solusi yang feasible dan juga metode clustering dari spiral dynamics yang dapat membagi sebuah domain berdasarkan daerah-daerah yang diduga memiliki solusi optimum. Semua teori yang dibahas kemudian diimplementasikan pada inovasi pembentukan metode baru dengan nama metode PFP-SC-DE menggunakan bahasa python pada aplikasi pycharm. Setelah metode berhasil dibuat, metode PFP-SC-DE ini digunakan untuk menyelesaikan berbagai jenis masalah optimisasi, yaitu masalah optimisasi yang memaksimumkan, meminimumkan, berbentuk kontinu, diskrit, berkendala dan tak berkendala, lalu kemudian digunakan untuk mengoptimisasi portfolio dari 5 saham pilihan.