Dinamisasi Parameter pada Fuzzy Model Xu dalam Toolbox Algoritma Fuzzy Evolusi

SYAIFUL MUZID, Drs. Retantyo Wardoyo, M.Sc., Ph.D

2013 | Tesis | S2 Ilmu Komputer

Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid antara algoritma genetika dan logika fuzzy. Model Xu dan Vukovich adalah salah satu model FEA yang menggunakan logika fuzzy untuk menentukan probabilitas pindah silang dan probabilitas mutasi dengan masukan berupa ukuran populasi dan jumlah generasi. Konsep ini memiliki kelemahan yaitu apabila nilai masukan pada logika fuzzy seperti ukuran populasi bernilai statis maka nilai keluaran yang dihasilkan juga akan bernilai statis. Hal ini memungkinkan lambatnya waktu pencarian karena parameter yang digunakan dalam FEA bernilai tetap dan menghasilkan solusi yang kurang optimal. Penelitian ini dilakukan untuk memperbaiki kelemahan pada logika fuzzy model Xu dan Vukovich yaitu dengan mengembangkan konsep Population Resizing on Fitness Improvement Fuzzy Evolutionary Algorithm (PRoFIFEA) yang menggabungkan model Population Resizing on Fitness Improvement Genetic Algorithm (PRoFIGA) untuk penentuan ukuran populasi yang digunakan sebagai masukan pada logika fuzzy tersebut. Dalam penelitian ini juga dilakukan pengembangan toolbox dan fungsi PRoFIFEA. Pengujian konsep ini dilakukan pada kasus optimasi fungsi dan Travelling Salesman Problem (TSP). Sebagai perbandingan akan dilakukan pengujian pada kasus yang sama menggunakan konsep FEA standar model Xu dan Vukovich serta algoritma genetika. Berdasarkan hasil pengujian menunjukkan bahwa PRoFIFEA mampu menghasilkan solusi lebih optimal dibandingkan solusi yang dihasilkan oleh algoritma fuzzy evolusi model Xu dan Vukovich serta algoritma genetika. PRoFIFEA juga memiliki tingkat keberagaman individu dalam populasi yang lebih tinggi dibandingkan kedua algoritma lainnya. Dengan tingkat keberagaman individu yang lebih banyak diharapkan mampu mencegah terjebak dalam local optimum. Hal ini membuktikan bahwa konsep PRoFIFEA mampu meningkatkan performa dari proses running dan menghasilkan solusi lebih optimal.

Fuzzy Evolutionary Algorithm (FEA) is a hybrid model between genetic algorithms and fuzzy logic. Model Xu and Vukovich was one of the FEA model that uses fuzzy logic to determine the probability of crossover and mutation probability with the input of population size and number of generations. This concept has the weakness that if the value of the input fuzzy logic such as population size is static value then the value of the resulting output will also be a static value. This allows slow search times because the parameters used in the FEA is worth staying and the results in a less than optimal solution. This study was conducted to improve the weakness in the fuzzy logic model of Xu and Vukovich, is to develop the concept of the Population Resizing on Fitness Improvement Fuzzy Evolutionary Algorithm (PRoFIFEA) ) who collaborate on models Population Resizing on Fitness Improvement Genetic Algorithm (PRoFIGA) for the determination of the size of the population used as input in the fuzzy logic. In this research, the development is used at PRoFIFEA toolbox and function of PROFIFEA. For the testing is used the case of optimization function and Travelling Salesman Problem (TSP). For comparison will be tested in the same case using FEA models of Xu and Vukovich and using the genetic algorithm. Based on the test results show that PRoFIFEA is produce more optimal solutions than the solutions generated by the fuzzy evlutionary algorithm model of Xu and Vukovich and genetic algorithms. PRoFIFEA also has a diversity of individuals in a population level that is higher than the other two algorithms. With levels greater diversity of individuals expected to prevent trapped in local optimum. This proves that the concept PRoFIFEA able to improve the performance of running processes and produce more optimal solutions.

Kata Kunci : -