Perpustakaan Digital ITB

Sebuah metode optimisasi yang diinspirasi dari Artificial Neural Network (ANN) yang selanjutnya disebut sebagai Neural Network Algorithm (NNA) dimanfaatkan untuk menyelesaikan masalah optimisasi. Selain untuk masalah optimisasi, NNA juga dapat dimodifikasi untuk mencari akar-akar dari sistem persamaan nonlinear walaupun hanya mampu mendapatkan satu akar tiap kali mengeksekusi program Untuk memperoleh semua kemungkinan akar dari suatu sistem persamaan nonlinear dalam satu kali eksekusi NNA, pada tesis ini dikembangkan penggabungan antara NNA dengan teknik klasterisasi (pengelompokan). Dengan menggabungkan keduanya, semua akar-akar dari suatu sistem persamaan nonlinear dapat diperoleh hanya dengan sekali eksekusi program. Selanjutnya, NNA dengan klasterisasi ini juga digunakan untuk memetakan titik-titik ekstrim dari suatu fungsi multimodal dengan hanya mengeksekusi program satu kali. Berdasarkan hasil penelitian pada fungsi-fungsi pembanding yang diuji, NNA dengan klasterisasi yang dikembangkan pada tesis ini berhasil memperoleh semua hasil yang diinginkan seperti pencarian titik optimal global, pencarian akar-akar sistem persamaan nonlinear, serta pencarian titik-titik ekstrim fungsi multimodal.