| Abstrak |
INVENSI INI BERUPA ALGORITMA OPTIMASI METAHEURISTIK BARU DI BIDANG KECERDASAN KOLEKTIF (SWARM INTELLIGENCE), YANG BERPERAN PENTING DALAM ILMU KOMPUTER, REKAYASA, TEKNIK, INDUSTRI, DAN MANUFAKTUR, UNTUK MENYELESAIKAN BERBAGAI MASALAH OPTIMASI. EVOLUTIONARY RAO ALGORITHM (ERA) DALAM INVENSI INI DIBANGUN UNTUK MENINGKATKAN KINERJA RAO ALGORITHM YANG ASLI DENGAN MENERAPKAN DUA SKEMA BARU. PERTAMA, POPULASI P INDIVIDU DIBAGI KE DALAM DUA SUBPOPULASI: BERKUALITAS TINGGI (HIGH-QUALITY HQ) DAN BERKUALITAS RENDAH (LOW-QUALITY LQ) DENGAN PORSI YANG ADAPTIF MENGIKUTI FITNESS TERBAIK SELAMA PROSES EVOLUSI. KEDUA, DUA OPERATOR EVOLUSI: CROSSOVER DAN MUTASI DITERAPKAN DENGAN NILAI-NILAI PROBABILITAS YANG JUGA ADAPTIF MENGIKUTI FITNESS TERBAIK SELAMA PROSES EVOLUSI. EVALUASI DILAKUKAN TERHADAP 38 FUNGSI ACUAN (BENCHMARK), YAITU: 23 FUNGSI ACUAN KLASIK, 10 FUNGSI CEC-C06 2019, DAN 5 PERMASALAHAN DUNIA NYATA YANG BERUPA GLOBAL TRAJECTORY OPTIMIZATION PROBLEMS (GTOP) YANG DISEDIAKAN OLEH EUROPEAN SPACE AGENCY. HASIL EKSPERIMEN MENUNJUKKAN BAHWA ERA LEBIH UNGGUL DIBANDING EMPAT ALGORITMA METAHEURISTIK LAINNYA: RAO-1, RAO-2, RAO-3, DAN FA-CL. SELAIN ITU, ERA. INVESTIGASI LEBIH DETAIL MENUNJUKKAN BAHWA SKEMA PENGATURAN PARAMETER SECARA ADAPTIF MEMBUAT ERA MAMPU MELAKUKAN KESEIMBANGAN STRATEGI PENCARIAN EKSPLORASI DAN EKPLOITASI PADA SAAT PENCARIAN SOLUSI OPTIMUM. |
