Presented by :
Frisal Argha Kusumah
Nurandito Vidyawan
Latar Belakang
Seiring berkembangnya pemikiran, banyak sekali
ditemukan sejumlah algoritma dalam AI
(Artifical Intelligence) yang mendapat
inspirasi
dari alam. Salah satu diantaranya adalah :
Algoritma semut
Menggunakan GRAF
Optimisasi
Latar Belakang
Optimisasi ialah suatu proses untuk
mencapai hasil yang ideal atau optimal
(nilai efektif yang dapat dicapai).
Nilai optimal adalah nilai yang
didapat dengan melalui suatu proses dan
dianggap menjadi suatu solusi jawaban yang
paling baik dari semua solusi yang ada.
Tu ju a n
Algoritma semut m e ru p a ka n te kn ik p ro b a b ilistik
untuk menyelesaikan masalah komputasi dengan
menemukan jalur terbaik (solusi terbaik -nilai
optimal) melalui grafik .
Kasus Seputar
Optimasi
1. Menentukan lintasan terpendek [Traveling
Salesman Problem (TSP)]
SARANG
Cara kerja semut mencari
jalur optimal
SARANG
Feromon adalah zat
kimia yang berasal dari
kelenjar endokrin dan
digunakan oleh makhluk
hidup untuk mengenali FEROMON
sesama jenis, individu
lain, kelompok, dan untuk
membantu proses
reproduksi.
JEJAK FEROMON
JEJAK FEROMON
Cara kerja semut mencari
jalur optimal
SARANG
Graf Hamilton
Untuk mencari
jumlah sirkuit
Hamilton di dalam graf
lengkap
dengan n simpul adalah:
(n - 1)!/2.
Analisis Algoritma
Semut untuk Mencari
Nilai Optimal
Menggunakan Graf
?
S
T
A
R
T
Analisis Algoritma
Semut….
T ahapan - tahapan
algoritma…
1. Setiap semut (ant) memulai turnya melalui
sebuah kota yang dipilih secara acak. Secara
berulang kali, satu-persatu kota yang ada
dikunjungi oleh ants dengan tujuan untuk
menghasilkan tur yang lengkap (yaitu mengunjungi
masing-masing kota sekali saja).
T ahapan - tahapan
algoritma…
2. Pemilihan kota-kota yang akan dilalui ant
didasarkan pada suatu fungsi probabilitas, dinamai
aturan transisi status (state transition rule),
dengan mempertimbangkan visibility (invers dari
jarak) kota tersebut dan jumlah pheromone yang
terdapat pada ruas yang menghubungkan kota tersebut.
Tahapan-tahapan algoritma…
3. Ants lebih suka untuk bergerak menuju ke kota-
kota yang dihubungkan dengan ruas yang pendek
dan atau memiliki tingkat pheromone yang tinggi
[Dorigo dan
Gambardella, 1997].
T ahapan - tahapan
algoritma…
4. Setiap kota yang disinggahi oleh ant akan
disimpan dalam ingatannya yang disebut dengan
tabu list. Dengan mengeksplorasi memori yang
dimiliki oleh setiap semut maka setiap semut
dapat membangun solusi yang mungkin.
T ahapan - tahapan
algoritma…
5. Setelah semua ants menyelesaikan tur mereka dan
tabu list mereka menjadi penuh, sebuah aturan
pembaruan pheromone global (global pheromone
updating rule) dilaksanakan pada setiap semut.