Algoritma FPAO (Flower Pollination Algorithm Optimization) 49

49 pemikiran di “Algoritma FPAO (Flower Pollination Algorithm Optimization)”

• 

  Balas ↓

  Laila 19 Mei 2017 pada 9:35 pm

  1. iterasi itu untuk apa ya? agar dpt hasil paling optimum?
  2. jadi pencarian titik yg di dapat, adalah titik yg berada pada area merah?
  3. jika FPA digunakan untuk implementasi lokasi BTS, yg berperan sebagai radius antar titik, fungsi yg mana ya?
  mohon penjelasannya ^^ terima kasih

  • 

    Balas ↓

    pip Penulis 20 Mei 2017 pada 9:19 am

    1. Iterasi adalah jumlah perulangan, jadi sebanyak berapa kali proses perhitungan dijalankan untuk mendapatkan hasil optimal dari suatu kasus
    2. Lebih tepatnya adalah tujuan proses perhitungan optimasi adalah untuk mencapai area merah pada grafik
    3. Dengan informasi anda yang masih terlalu minimal, saya masih belum dapat memahami maksud dari pertanyaan anda. Biasanya apabila anda menggunakan jurnal teori sebagai acuan, maka dalam jurnal tersebut sudah dijelaskan bagaimanakah cara perhitungan fungsi yang dibutuhkan dalam proses optimasi tersebut. Selanjutnya adalah tinggal mengganti fungsi
    function z=HitungNilaiFungsi(u)
z=(u(1)^2 + u(2) - 11) ^ 2 + (u(1) + u(2)^2 - 7) ^ 2;
    sesuai dengan fungsi yang dijelaskan pada jurnal tersebut

    • 

      Balas ↓

      Laila 22 Mei 2017 pada 1:43 am

      terima kasih atas tanggapannyaa ^^ berikut akan saya berikan informasi lebih lanjut mengenai pertnyaan no.3
      .
      saya ingin menggunakan FPA sbg metode pada studi kasus optimasi lokasi BTS / yg biasa dikenal di masyarakat adalah tower pemancar sinyal, nah otomatis sy membutuhkan lokasi bbrp titik yg optimal pada suatu area tertentu, atau mksd piptools adalah fungsi diasumsikan sbg luas area?

      terimakasih

      • 

        pip Penulis 22 Mei 2017 pada 10:55 am

        Jika melihat kasus tersebut, berarti saya dapat asumsikan bahwa luas daerah / sebaran titik yang digunakan adalah berupa lokasi / koordinat dari masing-masing BTS, dan luas area / radius BTS digunakan sebagai salah satu batasan dalam proses optimasi. Fungsi bisa dihitung dari luas daerah dikurangi dengan banyak luas area yang tercover oleh BTS dan dioptimasi untuk dicari lokasi BTS mana saja yang paling banyak mencover sinyal dalam luas daerah tersebut.

      • 

        Laila 22 Mei 2017 pada 12:56 pm

        “radius BTS digunakan sebagai salah satu batasan dalam proses optimasi” apakah yg dimaksud adalah nilai Ub dan Lb? atau menggunakan radius yg sama antar BTS?
        mohon dijelaskan lebih detil mengenai kalimat terakhir karena yg sy tangkap adalah menentukan lokasi BTS utk area yg tdk trcover oleh BTS lain

      • 

        pip Penulis 23 Mei 2017 pada 12:52 am

        Ub dan Lb merupakan batasan dari sebaran titik, yang menurut asumsi saya berarti adalah luas daerah.

        Dan benar, memang maksud saya adalah menentukan lokasi BTS untuk area yang tidak tercover oleh BTS lain. Hal ini saya sebut sebagai batasan karena masing-masing kasus memiliki cara implementasi sendiri-sendiri, dan belum tentu batasan pada kasus anda adalah menggunakan batasan ini.

      • 

        Laila 23 Mei 2017 pada 2:49 am

        jika studi kasus sy adalah menentukan lokasi optimum BTS, apakah bisa jika mmg output hanya satu titik optimum lantas titik2 lain (lokasi BTS lain) menyesuaikan titik optimum tsb menggunakan radius antar titik? atau mungkin piptools punya pandangan lain?

      • 

        pip Penulis 23 Mei 2017 pada 9:54 am

        Kalau sepemahaman saya, optimasi titiknya tidak dilihat dari 1 BTS kemudian disusun satu per satu untuk BTS lain, tetapi langsung semua BTS diletakkan pada suatu area dan radiusnya dihitung yang manakah yang mengcover paling banyak.

      • 

        Laila 23 Mei 2017 pada 12:47 pm

        berarti maksudnya adalah input BTS disini sbg input jumlah serangga kemudian outputnya adalah posisi terbaik dari setiap titik? jadi kita baru tau ukuran radius ketika sudah dapat titik ya?

      • 

        pip Penulis 23 Mei 2017 pada 11:47 pm

        Ya betul. Kira-kira prosesnya seperti itu.

      • 

        Laila 24 Mei 2017 pada 6:11 am

        okeee, kalau begitu ukuran radius pada FPA ini bisa dihitung melalui apa ya? karena kan ukuran radius setiap titik berbeda

      • 

        Laila 24 Mei 2017 pada 6:46 am

        kemudian untuk bentuk fungsi apakah bisa menggunakan fungsi optimasi apapun? yang tidak bergantung pada studi kasus

      • 

        pip Penulis 24 Mei 2017 pada 9:35 am

        Radius dari masing-masing BTS ditentukan sendiri tergantung dari cara kerja sistem tersebut. Biasanya sudah dijelaskan dalam jurnal apabila radius antar BTS ukurannya tidak sama.

        Fungsi optimasi bisa menggunakan rumus apapun tetapi biasanya menyesuaikan kasus yang anda miliki, sehingga tidak bisa rumus dipilih secara acak dan dimasukkan dalam sistem. Sekali lagi biasanya rumus-rumus yang digunakan sudah tertulis pada jurnal sehingga selanjutnya adalah tinggal melakukan implementasi saja.

• 

  Balas ↓

  Laila 10 Juli 2017 pada 7:19 pm

  maaf tanya lagi ? apakah inisialisasi populasi di awal itu selalu range [0,1] atau boleh dimodif? begitu pula untuk nilai switch probability apakah harus pada range nilai [0,1]? hal ini terkait dgn implementasi pada studi kasus saya

  • 

    Balas ↓

    pip Penulis 10 Juli 2017 pada 10:11 pm

    Mengenai inisialisasi populasi dan nilai probabilitas tentu saja tergantung dari masing-masing kasus, sehingga rentang nilainya bisa berbeda tergantung kebutuhan. Jika anda sudah memiliki panduan tersendiri, maka silahkan menggunakan nilai-nilai pada jurnal tersebut sebagai acuan.

    • 

      Balas ↓

      Laila 14 Juli 2017 pada 2:33 am

      untuk implementasi pada optimasi BTS, mana ya yg merupakan interpretasi dari radius atau coverage area dari FPA?

      • 

        pip Penulis 14 Juli 2017 pada 8:53 am

        Dalam contoh skrip ini tidak ada konstrain seperti itu karena memang dalam contoh ini tidak diperlukan pengecekan radius atau semacamnya. Dalam kasus anda, pengecekan radius dapat dilakukan setelah menghitung Levy dan melakukan perpindahan posisi dari masing-masing serangga. Sehingga anda perlu membuat 1 fungsi baru untuk melakukan pengecekan apakah radius pada semua posisi serangga yang baru sudah tidak tumpang tindih atau setidaknya tumpang tindih dengan sangat minimal.

• 

  Balas ↓

  laila 14 Juli 2017 pada 9:52 pm

  selanjutnya untuk validasi dari algoritma ini, menggunakan apa ya?

  • 

    Balas ↓

    pip Penulis 14 Juli 2017 pada 11:13 pm

    Saya masih belum memahami validasi apakah yang anda maksud. Coba dijelaskan secara lebih detail bagian manakah yang anda maksud.

    • 

      Balas ↓

      laila 15 Juli 2017 pada 12:18 am

      maksud saya validasi apa yang digunakan untuk membuktikan bahwa posisi titik yang dihasilkan dengan metode FPA merupakan hasil yang optimal

      • 

        pip Penulis 15 Juli 2017 pada 8:20 am

        Hal ini merupakan teknik perhitungan yang sudah spesifik (bukan permasalahan secara umum), sehingga dalam referensi jurnal yang anda gunakan biasanya sudah dijelaskan mengenai cara validasi posisi tersebut. Selanjutnya anda hanya tinggal mengimplementasikan teknik validasi apakah yang sudah tertulis pada jurnal tersebut.

• 

  Balas ↓

  Neo 30 Oktober 2017 pada 7:59 pm

  gan, ada link jurnal yang bahas FPA ini.?

  • 

    Balas ↓

    pip Penulis 30 Oktober 2017 pada 10:22 pm

    Saya tidak memiliki referensi jurnal terhadap algoritma ini.

• 

  Balas ↓

  Dichyah 26 Oktober 2018 pada 12:00 am

  mau tanya,,
  untuk yg ini
  Jumlah Serangga = 10
  Probabilitas berpindah ke bunga lain = 0.8
  Jumlah maksimal iterasi = 500
  Jumlah dimensi = 2
  Batas minimal posisi bunga = -2
  Batas maksimal posisi bunga = 2
  apakah kita bebas menentukan atau ada aturannya?
  trs untuk mendapatkan posisi terbaik x,y itu bagaimana caranya?
  fungsinya diturunkan atau bagaimana?
  misalnya ini
  Iterasi: 1, Serangga: 1, Posisi terbaik: 1.2577 1.74,

  • 

    Balas ↓

    pip Penulis 26 Oktober 2018 pada 8:08 am

    Angka2 tersebut hanyalah angka yang saya dapatkan dari referensi skrip yang saya pelajari. Tentu saja jika anda memiliki referensi yang lebih baik dan referensi tersebut menggunakan nilai parameter yang berbeda maka sebaiknya mengikuti nilai2 pada jurnal tersebut.

    Untuk mendapatkan posisi terbaik, maka anda harus mengetahui tujuan yang ingin anda capai. Tujuan tersebut dihitung menggunakan fungsi obyektif, yang dalam kasus diatas dihitung dengan menggunakan fungsi HitungNilaiFungsi
    function z=HitungNilaiFungsi(u)
z=(u(1)^2 + u(2) - 11) ^ 2 + (u(1) + u(2)^2 - 7) ^ 2;

    • 

      Balas ↓

      Dichyah 26 Oktober 2018 pada 11:30 am

      untuk x itu parameter apa? y parameter apa?
      dan bisa minta tolong utk dijelaskan cara mendapatkan
      Posisi terbaik: x = 1.2577 ; y = 1.74
      utk iterasi 1 seangga 1.

      • 

        pip Penulis 26 Oktober 2018 pada 11:00 pm

        Dalam kasus yang saya bahas diatas, topik yang saya gunakan adalah mencari posisi dengan nilai fungsi terendah. Variabel x dan y adalah posisi yang menentukan apakah sebuah solusi berada pada nilai fungsi terendah atau tidak, dan fungsi yang saya gunakan adalah fungsi Himmelblau dimana hanya memerlukan 2 buah variabel saja. Tentu saja dalam dunia nyata, kasus yang tersedia tidak hanya menggunakan dua kriteria saja, tetapi dapat menggunakan 3, 4, atau lebih. Cara perhitungan nilai fungsi pun juga bergantung dari banyak kriteria yang dipakai (x, y, z, dan seterusnya).

        Cara untuk mendapatkan nilai solusi serangga sudah dijelaskan pada keseluruhan poin nomor 3. Proses tersebut akan diulang sebanyak jumlah iterasi dan solusi terbaik akan selalu disimpan setiap kali ditemukan dan ditampilkan pada layar. Hasil pencatatan dapat dilihat pada bagian “Hasil Akhir”

• 

  Balas ↓

  Ayu Fitriah 28 Oktober 2018 pada 9:05 pm

  Selamat malam min. Saya tugas akhirnya juga menggunakan algoritma ini. tapi masih agak bingung untuk menentukan populasi (x), distribusi Levy (L) dan g*. Penelitian saya ttg optimasi turbin angin dengan mppt menggunakan metode fpa. Jadi saya ingin mengetahui pengaruh perubahan kecepatan angin terhadap daya maksimum yang dapat dihasilkan. Matur Nuwun

  • 

    Balas ↓

    pip Penulis 29 Oktober 2018 pada 7:04 am

    Populasi sebenarnya dibentuk dari kumpulan solusi2 awal (x) yang didapatkan secara acak. Setelah mendapatkan nilai acak maka akan diolah dan dihitung nilai fungsinya untuk menentukan solusi manakah yang lebih baik daripada lainnya.
    Sedangkan Levy menurut pemahaman saya adalah sebuah fungsi untuk menghitung jarak terbang serangga sehingga hanya cukup mengikuti rumus yang digunakan saja.
    Dalam skrip ini saya tidak menemukan sesuatu yang mirip atau mendekati g*. Mungkin ini adalah parameter khusus yang anda gunakan dalam sistem turbin angin tersebut. Jika ini adalah sebuah input maka sama seperti x, nilai awalnya dapat ditentukan secara acak, tetapi selanjutnya dihitung dengan menggunakan rumus tertentu yang telah tersedia.

    • 

      Balas ↓

      Dichyah 31 Oktober 2018 pada 2:22 pm

      maaf tanya lagi,,

      function L=Levy(d)
      …
      u=randn(1,d)*sigma;
      v=randn(1,d);
      step=u./abs(v).^(1/beta);
      L=0.01*step;

      mohon penjelasan fungsi levy.
      u,v itu random apa?
      bedanya apa u dgn v, kok yg v tdk dikali sigma?

      • 

        pip Penulis 31 Oktober 2018 pada 10:32 pm

        u dan v adalah bilangan acak yang diambil menggunakan sistem distribusi normal

        Mengenai perbedaan antara u dan v, hal tersebut adalah bagian dari rumus yang sudah diriset oleh peneliti sehingga menghasilkan rumus seperti itu. Pertanyaan anda mirip seperti “mengapa 1 + 2 = 3? Mengapa angka 2 tidak dikalikan angka lain agar hasil perhitungan rumus tersebut adalah angka 3?”

      • 

        Dichyah 31 Oktober 2018 pada 11:34 pm

        Tanya lagi ya min..
        pada langkah 3a apa ada dasar pengambilan acak antara 0 sampai 1? knp ga antara -2 sampai 2?

      • 

        pip Penulis 1 November 2018 pada 6:51 am

        Pengambilan bilangan acak yang paling umum adalah diantara 0 sampai dengan 1, dan dalam kasus ini nilai acak tersebut digunakan untuk probabilitas. Berdasarkan pengetahuan umum maka umumnya probabilitas akan memiliki nilai terendah 0% dan tertinggi 100%. Jika pengacakan dilakukan dari -2 sampai dengan 2 itu artinya nilai probabilitas terendah dapat mencapai nilai minus -200% dan yang tertinggi adalah 200% dimana hal tersebut merupakan hal yang tidak lazim.

    • 

      Balas ↓

      Dicky Firmansyah 21 November 2018 pada 8:17 pm

      min,, apa itu fungsi levy? apa bisa diganti fungsi distribusi yg lain? klo bs mk apa syaratnya agar bisa menggantikn fungsi levy?

      • 

        pip Penulis 22 November 2018 pada 7:12 am

        Fungsi levy adalah fungsi yang digunakan untuk memindahkan pollen dari sebuah bunga menuju bunga lainnya. Menurut beberapa jurnal tertulis rumus ini adalah rumus yang dipakai untuk melakukan perhitungan tersebut, tetapi menurut saya pribadi sebenarnya bisa diubah dengan menggunakan rumus lainnya. Tidak ada syarat khusus dalam mengganti fungsi tersebut asalkan cara perhitungannya tertulis dengan baik pada jurnal.

• 

  Balas ↓

  Rizki kurniawan 6 November 2018 pada 12:06 pm

  Min mau tanya, setau saya pakek rumus levy flight ketika randp.apakah ada jurnal flower yang mengatakan bahwa levy flight berlaku ketika rand>p?

  • 

    Balas ↓

    pip Penulis 7 November 2018 pada 7:18 am

    Hal tersebut tentu saja dapat disesuaikan dengan jurnal yang anda gunakan. Algoritma ini sudah tersedia sejak beberapa tahun yang lalu dan tentu saja sudah banyak versi pengembangan untuk meningkatkan performa daripada versi orisinilnya. Saya tidak mengetahui versi apakah yang anda gunakan, tetapi terlepas dari itu implementasi algoritma dapat dilakukan secara fleksibel; jika tidak membutuhkan pengecekan rand>p maka bagian ini dapat dihapus sehingga semua serangga akan dihitung dengan menggunakan Levy (bagian else dan seterusnya dihapus)

    • 

      Balas ↓

      Dichyah 16 November 2018 pada 8:23 am

      maaf min, mau tanya lagi, itu yang populasi yg dimaksud fpa itu populasi bunganya atau populasi serangganya? kok klo di jurnal2 itu populasi n flower ya min?

      • 

        pip Penulis 16 November 2018 pada 2:27 pm

        Menurut pemahaman saya (bukan berdasarkan jurnal tertentu), bunga adalah obyek pada sistem ini, sedangkan serangga adalah subyeknya. Perpindahan serbuk sari tidak dapat dilakukan tanpa bantuan serangga, sehingga saya mempercayai bahwa populasi yang sebenarnya adalah populasi serangga dalam menemukan bunga terbaik.

        Tetapi jika bunga dianggap sebagai populasi maka masih masuk akal. Dengan kata lain perpindahan serbuk sari dilakukan oleh variabel yang tidak diperhitungkan keterlibatannya, misalnya seperti angin.

• 

  Balas ↓

  Erwan 2 Februari 2019 pada 8:09 am

  Mau menanyakan min, apakah bisa algoritma FPA ini untuk optimasi membership function fuzzy logic control? Mohon pencerahannya..

  • 

    Balas ↓

    pip Penulis 2 Februari 2019 pada 12:13 pm

    Karena algoritma ini adalah salah satu algoritma optimasi maka secara teori dapat digunakan untuk mengatasi permasalahan optimasi apapun, termasuk optimasi membership function dalam fuzzy logic.

    • 

      Balas ↓

      Anugrah F 10 Juli 2019 pada 1:30 pm

      Maaf min, mau bertanya. Saya telah menggunakan FPA dalam penelitian saya terkait pencarian nilai kapasitas optimal dan lokasi optimal untu pembangkit listrik. Disini saya melakukan simulasi berulang kali agar dapat memvalidasi tingkat konsistensi hasil dari solusi yang ditemukan. Pada kasus ini untuk kapasitas nya sudah ditemukan nilai yang hampir sama untuk setiap simulasi yang dilakukan, namun untuk lokasi penempatan nya masih sangat signifikan variasi solusi yang dihasilkan. Kira kira apa yang harus saya lakukan ? atau memang seperti itu karakteristik FPA ? mohon pencerahannya.

      • 

        pip Penulis 11 Juli 2019 pada 7:59 am

        Menurut pemahaman saya (bukan berdasarkan jurnal tertentu), sebenarnya untuk permasalahan optimasi secara umum, solusi yang memiliki variansi signifikan bukanlah sesuatu yang perlu dikhawatirkan selama solusi tersebut masih valid dalam memenuhi batasan-batasan yang tersedia. Adalah sangat mungkin apabila beberapa solusi terbaik ditemukan dalam masing-masing studi kasus.

    • 

      Balas ↓

      Anugrah F 11 Juli 2019 pada 11:40 am

      Lalu bagaimana saya bisa menyimpulkan manakah yang menjadi solusi terbaik dari variasi penempatan yang signifikan tadi min ?

      • 

        pip Penulis 12 Juli 2019 pada 8:27 am

        Jika semua solusi tersebut menghasilkan nilai fungsi yang sama baiknya, maka solusi manapun yang diambil adalah solusi terbaik. Anda dapat menarik kesimpulan bahwa dalam studi kasus tersebut ditemukan beberapa solusi yang sama baiknya.

• 

  Balas ↓

  fakhrul 28 September 2019 pada 11:00 pm

  Halo mau tanya, kebetulan skripsi saya pake FPA.
  untuk formula ini
  x_i ^ {t+1} = x_i ^ t + L(x_i ^ t-gbest)

  bentuk coding nya gimana ya? makasih..

  • 

    Balas ↓

    pip Penulis 29 September 2019 pada 9:07 am

    Bagian yang anda sampaikan adalah bagian perpindahan posisi setelah mengetahui nilai Levy. Hasil implementasi dapat ada lihat pada poin 3a2 pada penjabaran diatas.

    • 

      Balas ↓

      fakhrul 29 September 2019 pada 12:37 pm

      terimaksih, maaf mau tanya lagi.

      u=randn(1,d)*sigma;
      v=randn(1,d);
      step=u./abs(v).^(1/beta);
      L=0.01*step;

      untuk randn(1,d) itu artinya apa ya?
      dan abs disitu maksudnya apa?

      terimakasih

      • 

        pip Penulis 1 Oktober 2019 pada 9:42 am

        randn dan abs adalah fungsi yang disediakan oleh matlab sehingga penjelasan fungsinya dapat anda lihat secara detail pada halaman bantuan pada situs matlab. randn adalah fungsi untuk membangkitkan bilangan acak dalam sebaran distribusi normal sedangkan abs adalah fungsi untuk mendapatkan bilangan positif dari sebuah nilai.