Bagi kalangan orang tertentu yang menjadikan optimasi sebagai sebuah ‘tool’ untuk menyelesaikan permasalahan ,mungkin ini bisa menjadi ‘angin segar’ buat mereka, ya.. berdasarkan dari berbagai referensi yang saya baca (terpaksa karena tuntutan TA) pada tahun 1995, Russel Eberhart dan James kennedy mempresentasikan metode optimasi temuannya karena terinspirasi oleh tingkah laku dari sekelompok burung atau ikan (bird or fish flocking) yang kemudian dikenal dengan nama Partice Swarm Optimization (PSO)

PSO ini merupakan metode optimasi stokastik berdasarkan pada konsep populasi (sekumpulan burung,ikan,lebah, dll) yang bisa digunaan untuk menyelesaikan permasalahan non linier dan memiliki berbagai keunggulan yaitu lebih cepatnya mencapai konvergensi bila dibandingkan dengan metode heuristik yang lain.PSO diinisialisasi dengan sebuah populasi dari solusi-solusi acak dan mencari solusi yang paling optimal dengan membaharui anggota populasi (namanya aja population base concept , he3x…)

Analoginya seperti ini :

•Dimisalkan terdapat sekelompok burung yang secara acak sedang mencari makanan  dalam suatu daerah tertentu
•Hanya ada satu potong makanan di daerah yang dicari.
•Tidak ada satu ekor burungpun yang tahu dimana makanan tersebut berada ,tetapi burung-burung tersebut tahu seberapa jauh makanan itu melalui masing-masing iterasinya.
•Lalu strategi apa yang terbaik ???

Jalan yang paling efektif adalah dengan mengikuti burung yang posisinya paling dekat dengan makanan.

yup, itulah jalan algoritma dari Particle Swarm optimization ini ,bisa dibayangkan kan  klo sebenernya, didalam dunia ini masih banyak misteri alam yang Tuhan berikan kepada hamba-hambanya dan harus kita gali lebih dalam …dalam…dan dalam lagi agar kita bersyukur kepada-Nya

ilustrasi fish flocking

 Setiap solusi acak pada permasalahan populasi ini disebut sebagai ‘particle’ dimana :

Setiap particle tersebut bergerak dalam suatu ruang masalah.

Satu particle memiliki nilai terbaiknya yang telah dicapai yang disebut dengan pbest (position best)

Nilai terbaik yang dicapai dalam populasi disebut sebagai gbest (global best) 

Particle memiliki velocity yang akan mengubah arah dari particle pada setiap iterasinya

Algoritma PSO yang mendasar memiliki persamaan velocity :

   vi( t+1 ) = vi( t ) + C1i * R1i * ( pi-xi( t ) ) + R2i * C2i * ( G-xi( t ) )

dan posisi:

           xi( t+1 ) = xi( t ) + vi( t+1 )

 

 

dimana :

 i = index particle

 t = iterasi

 v = velocity dari particle ke-i

 x = posisi dari particle ke-i

 p = posisi terbaik dari partikel ke-i (pbest)

 G = posisi terbaik dari swarm (gbest, terbaik dari semua particle)

 C1,2 = Learning rates

 R1,2 = bilangan acak dengan interval [0,1]

 

 

Semoga bermanfaat

I’ll see you soon………………