Algoritma Genetika di Matlab 2008 lebih baik dari Matlab 2013

Setelah pada tulisan yang lalu saya membuktikan Neural Network di Matlab 2007 lebih baik dari Matlab 2008 (https://rahmadya.com/2013/06/27/matlab-2007-lebih-baik-dari-pada-matlab-2008/), kini terjadi lagi di Matlab 2008 dengan Matlab 2013, dimana untuk algoritma genetika, hasil matlab versi lama lebih baik dari matlab versi baru. Saya masih bingung apa penyebabnya.

Kejadiannya waktu itu rekan saya mengajak diskusi tentang optimasi kontroller orde satu dan orde dua dengan menggunakan algoritma genetika. Fungsi tujuan sudah dibuat, dengan variabel yang dibentuk adalah variabel laplace s, yang merupakan hal baru selama saya menggunakan algoritma genetika. Biasanya saya menggunakan variabel biasa, seperti waktu, jarak, dan sejenisnya. Untuk contoh lain penerapan GA bisa dilihat kasus pada GIS seperti tulisan saya sebelumnya (https://rahmadya.com/2013/11/12/algoritma-genetik-dengan-toolbox-matlab/).

Saya coba menggunakan matlab versi 2013 dengan toolbox algoritma genetikanya. Dengan memasukkan fungsi tujuan, konstrain, serta variabel lainnya seperti maksimum generation = 100, stall generation = 100, mutation function = gaussian, initial population range = [0;100], cross over function, intermediate dengan ratio = 0.8, serta mencentang output berupa best fitness dan best individual.

Setelah memasukan nama fitness function, jumlah variabel, bound (batas atas dan batas bawah) saya mulai menjalankan dengan menekan tombol “start”. Diperoleh hasil fitness terbaik sebesar 1.942 dengan x1 = 109.6 dan x2 = 3.92, seperti tampak pada gambar di bawah ini.

Dari hasil riset terdahulu yang kami baca ternyata hasil terbaiknya 1.838, mengapa bisa memperoleh nilai lebih buruk? Padahal dugaan saya, riset dilakukan pada tahun 2008, kemungkinan besar dia menggunakan matlab 2008 juga. Akhirnya karena penasaran, kami menggunakan matlab 2008b sesuai dengan perkiraan saya bahwa dia menggunakan matlab 2008 saat melakukan benchmarking.

Dengan memasukan variabel, fungsi tujuan, konstrain, dan parameter-parameter lain yang sama dengan matlab versi 2013 dan merujuk penelitian tahun 2008 tersebut, secara mengejutkan diperoleh hasil yang lebih baik seperti tampak pada gambar di bawah ini.

Tampak diperoleh hasil fitness value yang lebih baik (lebih kecil/minimum) sebesar 1.837 dengan x1 = 135.07 dan x2 = 4.65 yang sedikit lebih baik dari hasil penelitian sebelumnya. Akhirnya kejadian seperti kasus neural network sebelumnya terulang kembali. Sebagai tambahan, toolbox GA bisa digenerate menjadi script dengan menekan menu FileGenerate M-File – dilanjutkan dengan memberi nama. Maka akan dihasilkan script sebagai berikut.

 

Iklan

8 thoughts on “Algoritma Genetika di Matlab 2008 lebih baik dari Matlab 2013

  1. assalamualaikum…
    pak saya ada tugas gui matlab. dan saya buat program peminjaman buku. yg saya tanyakan fungsi apa yang harus saya pakai kalau input yg saya taruh tanggal peminjaman, terus kalau menggunakan logika if bgmn? kalau batas peminjaman 3 hari dan denda 500 rupiah. tolong solusinya dong pak. terimakasih sebelumya

  2. pak,,, sya mau txk ne,,, apabila saya mau optimalkan kuat sinyal wifi dengan algoritma genetika dengan gui,,, nilai fitnesx adalah kuat sinyal wifi di dapat dari antena pada setiap sudutx,, pa kah bsa pak?? makasih sebelumx

  3. assalamualaikum…
    pak sya mau txk,, apabila sya mau mencari untk mengoptimalkan kuat sinyal wifi denga algoritma genetika dengan gui,, Nilai fitness adalah kuatsinyal yang didapat antena pada setiap sudut,, pakah bsa pak??

      • Pa kta fitnes awalx kuat sinyal atu sudutx kta pakai pak??

        Pada tanggal 31/03/15, Rahmadya Trias Handayanto

  4. assalamualaikum,, mau nanya,, bagaimana penggunaan algoritma genetika (constraint) toolbox semisal ada fungsi y = 2*x(1)+3*x(2)+4*(x3)+4*(x4), dengan batasan 10<x(1)<20, 30<x(2)<40, 50<x(3)<60, 70<x(4)<80;
    trimakasih.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s