• Tidak ada hasil yang ditemukan

Optimasi Multi-objective Menggunakan NSGA-II Dalam Penjadwalan Mesin Produksi Flow Shop

N/A
N/A
Protected

Academic year: 2017

Membagikan "Optimasi Multi-objective Menggunakan NSGA-II Dalam Penjadwalan Mesin Produksi Flow Shop"

Copied!
11
0
0

Teks penuh

Loading

Gambar

Gambar 2.1 Populasi yang dihasilkan pada setiap Generasi EO (Deb, 2011)
Gambar 2.2 Skema prosedur Multi-objective Optimization (Deb, 2011)
Gambar 2.3 Perhitungan Crowding-Distance (Deb,2011)
Gambar 2.4 Prosedur NSGA-II (Deb,2011)

Referensi

Dokumen terkait

Sedangkan solusi optimal untuk masalah minimisasi adalah suatu titik pada daerah fisibel dengan nilai fungsi objektif paling kecil.. (Roos

optimal pada optimasi linear adalah suatu titik pada daerah fisibel dengan nilai fungsi objektif paling besar sedangkan untuk masalah minimisasi, solusi optimal pada

Dalam proses pengecatan mobil dengan variasi bentuk mobil yang berbeda di mesin pengecatan yang sama, masih ditemukan waktu menunggu. Maka dibutuhkan solusi optimal untuk

Metode optimasi yang digunakan untuk mencari interval perawatan optimal yang sesuai dengan minimasi fungsi objektif tersebut adalah multiple swarms-modified discrete

Performa dari Hybrid DE untuk menyelesaikan permasalahan penjadwalan flow shop dengan fungsi obyektif total flow time dievaluasi dengan melakukan simulasi

Gabungan populasi induk dengan hasil crossover dan mutasi kemudian dipilih dengan Non-Dominated Sort dan Crowding Distance untuk mendapatkan populasi generasi berikutnya..

dengan menambah variable factor dan fungsi hasil yang lebih dari satu fungsi Dari penelitian ini MOGA NSGA II dapat digunakan untuk dikembangkan jumlah fungsi yang akan dicari

Untuk masalah maksimisasi, solusi optimal pada optimasi linear adalah suatu titik pada daerah fisibel dengan nilai fungsi objektif paling besar sedangkan untuk masalah