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.