Buku Metoda Metaheuristik

covr buku mtaheuristik

Buku yang diperlukan untuk memahami metoda metaheuristik. Mulai dari konsep dan implementasi menggunakan Matlab dan contoh kasus bisa ditemukan di buku ini. Ditulis dengan tujuan membantu pembaca memahami metaheuristik dan mampu mengimplementasikannya, buku ini sangat penting untuk dijadikan referensi baik oleh dosen, mahasiswa pasca sarjana atau mahasiswa S1. Untuk pembelian bisa kontak ke  WA 083857170651 shima1907@yahoo.com dengan harga Rp 85 ribu + ongkos kirim.

I  Pendahuluan.. 3

1.1 Heuristik dan Metaheuristik.. 3

1.2 Karakteristik Metaheuristik.. 7

2 Konsep Dasar Optimasi. 9

2.1 Masalah Optimasi 9

2.2 Local dan Global Optimum… 16

2.3 Contoh Masalah Optimasi 19

2.4 Membangkitkan Bilangan Random… 25

2.5 Konsep Jarak.. 26

2.6 Vektor. 28

2.7 Matriks. 29

2.8 Fungsi convex. 30

2.9 Set Convex. 31

2.10 Menangani Optimasi Dengan Pembatas. 32

2.10.1 Lagrange Multiplier. 32

2.10.2 Fungsi Pinalti 33

3 Pengantar Matlab.. 37

3.1 MATLAB.. 37

3.2 Memulai Matlab.. 38

3.3 Bekerja dengan Matriks. 43

3.4 Membangkitkan Bilangan Random… 50

3.5 Mengurutkan Data. 51

3.6 Memuat Data ke dalam Workspace. 53

3.7 Pemrograman dalam Matlab.. 56

3.7.1 Program Dengan Script Biasa. 57

3.7.2 Penggunaan Function.. 59

3.8 Pemakaian Loop dalam Matlab.. 61

3.8.1 For Loop.. 61

3.8.2 While Loop.. 62

3.9 Membuat Grafik.. 63

3.10 Perintah Yang Tidak Dieksekusi 64

3.11 Memanggil fungsi dari fungsi lain.. 65

3.12 Latihan.. 72

4 Optimasi Klasik.. 75

4.1 Pendahuluan.. 75

4.2 Algoritma Direct Search.. 76

4.2.1 Algoritma Hooke Jevees. 77

4.2.2 Algoritma Nelder Mead.. 79

4.3 Gradient-based Search.. 84

4.3.1 Steepest Descent 84

4.3.2 Metoda Newton.. 86

4.4 Lampiran.. 90

5 Metaheuristik Sederhana.. 101

5.1 Hill Climbing. 101

5.2 Greedy Algorithm… 106

5.3 Tabu Search.. 109

6 Genetic Algorithm… 119

6.1 Pendahuluan.. 119

6.2 Kromosom… 120

6.3 Fitness. 120

6.4 Elitisme. 121

6.5 Seleksi dengan Roda Lotere. 122

6.6 Crossover atau Kawin silang. 123

6.7 Mutasi 124

6.8 Algoritma GA.. 125

6.9 Implementasi GA dengan Biner. 127

6.10 Implementasi menggunakan nilai kontinyus. 133

6.11 GA untuk TSP.. 138

6.12 Kode Matlab untuk GA Kontinyus. 142

6.13 Kode Matlab untuk GA Biner. 145

6.14 Kode Matlab untuk TSP dengan GA.. 149

6.15 Kode Matlab GA Modifikasi untuk TSP.. 153

7 Ant Colony Optimization.. 159

7.1 Pendahuluan.. 159

7.2 Konsep ACO… 160

7.3 Perilaku Semut 162

7.4 Penambahan dan Penguapan Pheromone. 163

7.5 ACO untuk Traveling Salesman Problem… 164

7.6 Lampiran.. 175

8 ParticleSwarmOptimization.. 179

8.1 Pendahuluan.. 179

8.2 Particle swarm optimization.. 181

8.3 Implementasi PSO… 187

8.4 Modifikasi PSO… 192

8.5 PSO untuk TSP.. 195

8.6 Lampiran.. 200

9 Simulated Annealing.. 208

9.1 Pendahuluan.. 208

9.2 Algoritma Simulated Annealing. 210

9.3 Simulated Annealing untuk TSP.. 217

9.4 Lampiran.. 220

10 Cross Entropy.. 226

10.1 Pendahuluan.. 226

10.2 Monte Carlo. 226

10.3 CE untuk Optimasi 231

10.4 Optimasi Kombinatorial dengan CE.. 234

10.5 CE untuk optimasi dengan pembatas. 248

11 Aplikasi Cross Entropy.. 250

11.1 Pendahuluan.. 250

11.2 CE Untuk Menyelesaikan TSP.. 250

11.3 Vehicle Routing Problem… 260

11.4 Single Machine with Total Weighted Tardiness. 263

11.5 Single Machine with Common Due Date. 269

11.6 Latihan.. 270

11.7 Lampiran.. 272

12 Differential Evolution.. 282

12.1 Pendahuluan.. 282

12.2 Ide Dasar DE.. 284

12.3 Inisialisasi 285

12.4 Mutasi 287

12.5 Crossover. 288

12.6 Seleksi 289

12.7 Contoh Implementasi DE.. 291

12.8 Lampiran.. 294

13 Harmony Search.. 297

13.1 Pendahuluan.. 297

13.2 Konsep Harmony Search.. 301

13.3 Implementasi Harmony Search.. 307

13.4 Lampiran.. 313

14 Algoritma Hybrid.. 317

14.1 Opposition Based-Learning. 317

14.2 Opposition-Based Learning dan GA.. 318

14.3 CODEQ… 322

14.3.1 Differential Evolution.. 323

14.3.2 Opposition-based learning. 323

14.3.3 Chaotic search.. 324

14.3.4 Quantum mechanics. 325

14.3.5 CODEQ.. 326

15 Simple Iterative Mutation Untuk Penjadwalan.. 334

15.1 Pengantar. 334

15.2 Definisi Permasalahan SMTWTP.. 336

15.3 Algoritma yang Diusulkan.. 337

15.3.1 Pengkodean sampel 338

15.3.2 Pembangkitan sampel awal 339

15.3.3 Mutasi 339

15.3.4 Pemilihan sampel elite. 341

15.4 Pengujian Algoritma. 341

15.5 Hasil dan Analisis. 343

15.6 Daftar Pustaka. 347

16  Cross Entropy untuk Location-Routing Problem     350

16.1 Pendahuluan.. 350

16.2 Model Matematis. 352

16.3 Algoritma yang diusulkan.. 355

16.4 Uji Validasi Algoritma. 358

16.5  Analisis Hasil Validasi 369

16.6 Eksperimen dan Analisis. 370

16.7 Hasil Pengujian Set Data Prins et al. 374

16.8 Analisis. 376

16.9 Daftar Pustaka. 383

17 Particle Swarm Optimization untuk Vehicle Routing.. 386

17.1 Pendahuluan.. 386

17.2 Permasalahan Vehicle Routing. 387

17.3 Representasi Masalah VRP dalam PSO… 390

17.4 Eksperimen.. 399

17.6 Daftar Pustaka. 404

Daftar Pustaka.. 407

Indeks. 411

 

 

 

 

 

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google+ photo

You are commenting using your Google+ account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s