Teknik Optimasi
DESKRIPSI MATA KULIAH
Menganalisis, merancang dan mengimplementasikan optimasi metaheuristik untuk menghasilkan solusi optimum terhadap permasalahan di bidang Informatika khususnya software engineering atau permasalahan umum di masyarakat/industri.
PRASYARAT KOMPETENSI
Algoritme Greedy, Permutasi, Kombinasi, Permutasi, Lingkaran, Pencarian Heuristik (Simple & Steepest ascent Hill Climbing)
REFERENSI
Utama
[1] Talbi E-G. Metaheuristics: From Design to Implementation. Canada: Wiley Publishing; 2009
Tambahan
[2] Suyanto. Algoritma Optimasi: Deterministik atau Probabilistik. II. Bandung: Graha Ilmu; 2014
[3] Suyanto. Evolutionary Computation: Komputasi Berbasis “Evolusi” dan “Genetika.” Bandung: Informatika; 2008.
DISCLAIMER
- Materi yang disediakan di laman ini tidak dimaksudkan sebagai pengganti kuliah tatap muka
- Materi yang disediakan di laman ini sebagai portal utama mahasiswa untuk belajar mandiri tentang Teknik Optimasi yang diwajibkan dalam sistem SKS.
- 1 SKS bermakna 50 menit tatap muka, 50 menit kerja terstruktur (tugas, pekerjaan rumah, dan sejenisnya), dan 50 menit kerja mandiri
- Dilarang keras menggunakan artikel dalam situs ini untuk keperluan komersial tanpa izin resmi dari penulis
- Tulis kredit atau sitasi jika Anda menggunakan artikel dari situs ini sesuai kaidah kepenulisan yang berlaku
- Seluruh bahan kuliah yang disediakan pada laman ini digunakan untuk keperluan belajar dan mengajar di lingkungan Informatika UAD
- Materi dan bahan kuliah dikelompokkan ke dalam tiga bagian yaitu Materi Inti, Materi Suplemen, Arsip Tugas, dan Arsip Ujian
TOPIK KULIAH
Minggu ke-1
Pendahuluan
– Konsep dasar optimasi
– Optimasi deterministik vs probabilistik
– Persamaan linear dua variabel
– Optimasi heuristik vs metaheuristik
– Soal latihan
Minggu ke-2
Optimasi Metaheuristik
– Enkoding sebagai representasi solusi ([1] 34-37, [3] 48-53)
– Fungsi objektif
– Soal latihan
Minggu ke-3
Metaheuristik Solusi Tunggal
– Konsep dasar metaheuristik solusi tunggal
– Neighborhood ([1] 88-94)
– Optimum lokal
– Solusi awal (acak dan greedy)
– Soal latihan
Minggu ke-4 dan 5
S-Metaheuristik Umum
– Konsep dasar pencarian lokal (local search)
– Seleksi neighbor
– Menghindari optimum lokal
– Algoritme Simple hill climbing dan Steepest ascent hill climbing
– Soal latihan
Minggu ke-6 & 7
Simulated Annealing
– Konsep dasar Simulated Annealing (SA)
– Menghindari optimum lokal dengan move acceptance
– Cooling schedule
Minggu ke-8
Ujian Tengah Semester [Arsip Soal]
Minggu ke-9
Metaheuristik Berbasis Populasi
Minggu ke-10
Algoritme Evolusioner
Minggu ke-11 & 12
Algoritme Genetika/Evolution Strategies, dsb
Minggu ke-13
Swarm Intelligence
Minggu ke-14 & 15
Particle Swarm Optimization/Ant Colony Optimization, dsb
Analisis Performa Metaheuristik
Evaluasi performa metaheuristik
[1] hlm. 57-67
Minggu ke-16
Ujian Akhir Semester [Arsip Soal]
MATERI SUPLEMEN
- Introduction to Metaheuristics [Video 1 1, Video 2]
- Local search applied to the Travelling Salesman Problem
- Stochastic Hill Climbing in Python from Scratch (machinelearningmastery.com)
- Simulated Annealing untuk continuous problem [Video, Web]
- Simulated Annealing untuk masalah kombinatorial (TSP)
- Tabu Search
- Ant Colony Optimization untuk masalah kombinatorik (TSP) [Video, Video 2, Video 3]
- Particle Swarm Optimization [Video 1, Video 2, Video 3]
PAPER UTAMA TENTANG OPTIMASI METAHEURISTIK
- Harman M, Jones BF. Search-based software engineering. Inf Softw Technol [Internet]. 2001 Dec;43(14):833–9.