Optimasi Algoritma Firefly Pada Penentuan Kandidat Solusi Awal

Authors

  • Yisti Vita Via Universitas Pembangunan Nasional Veteran Jawa Timur
  • Rahel Widya Arianti Universitas Pembangunan Nasional Veteran Jawa Timur

DOI:

https://doi.org/10.33005/santika.v1i0.65

Keywords:

Optimasi, Algoritma Firefly, Produksi, Metaheuristik, Nature Inspired Algorithm (NIA)

Abstract

Algoritma Firefly telah banyak diterapkan di berbagai bidang kehidupan dan keilmuan. Algoritma ini diusulkan sebagai algoritma optimasi yang meniru perilaku kunang-kunang yang berkedip dan memancarkan cahaya. Algoritma Firefly telah mampu memberikan solusi untuk berbagai macam masalah optimasi non-linier yang kompleks. Pada penelitian ini dilakukan optimasi pada penentuan kandidat solusi awal yang akan diatur jarak nilai acaknya. Jarak nilai acak ditentukan dengan mempertimbangkan nilai-nilai pada fungsi obyektif dan batasan. Hasil pengujian secara keseluruhan mampu memberikan solusi jumlah produk yang optimal yang bisa diproduksi dengan tidak melebihi batas jumlah bahan baku yang tersedia. Dan dari hasil perhitungan dan perbandingan keuntungan dengan penelitian sebelumnya diperoleh kenaikan sebesar 0,24%. Hal ini berarti dapat simpulkan bahwa pemberian jarak nilai acak pada tahap kandidasi awal solusi sangat berpengaruh terhadap hasil akhir solusi jumlah produk yang optimal berdasarkan keuntungan industri.

References

[1] N.C. Long, P. Meesad, H. Unger, "A highly accurate firefly based algorithm for heart disease prediction," Expert Syst. Appl. 42 8221–8231, 2015.
[2] G. Avendaño Franco, A.H. Romero, "Firefly algorithm for structural search," J. Chem. Theory Comput. 12 3416–3428, 2016.
[3] R. Shukla, D. Singh, "Selection of parameters for advanced machining processes using firefly algorithm," Eng. Sci. Technol. Int. J. 20 212–221, 2017.
[4] A.K. Sadhu, A. Konar, T. Bhattacharjee, S. Das, "Synergism of firefly algorithm and Q-learning for robot arm path planning," Swarm Evol. Comput. 43 50–68, 2018.
[5] C.A. Leke, T. Marwala, Missing data estimation using firefly algorithm, in: Deep Learn. Missing Data Eng. Syst, Springer International Publishing, Cham, pp. 73–89, 2019.
[6] X.-S. Yang, "Firefly algorithms for multimodal optimization," in: Stoch. Algorithms Found. Appl, Springer, Berlin, Heidelberg, pp. 169–178, 2009.
[7] M. Singh, R.N. Patel, D.D. Neema, "Robust tuning of excitation controller for stability enhancement using multi-objective metaheuristic firefly algorithm," Swarm Evol. Comput. 44 136–147, 2019.

Downloads

Published

2020-11-01

How to Cite

Via, Y. V., & Arianti, R. W. (2020). Optimasi Algoritma Firefly Pada Penentuan Kandidat Solusi Awal. Prosiding Seminar Nasional Informatika Bela Negara, 1, 205–208. https://doi.org/10.33005/santika.v1i0.65

Issue

Section

Articles

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.

Similar Articles

<< < 1 2 3 4 5 > >> 

You may also start an advanced similarity search for this article.