Top PDF Sistem penjadwalan mata pelajaran sekolah menggunakan metode Hybrid Artificial Bee Colony (HABC)

Sistem penjadwalan mata pelajaran sekolah menggunakan metode Hybrid Artificial Bee Colony (HABC)

Sistem penjadwalan mata pelajaran sekolah menggunakan metode Hybrid Artificial Bee Colony (HABC)

akan diolah yaitu data hari, data guru, data mata pelajaran, data jam/s lot, data kelas dan data parameter algoritma HABC. Setelah menginputkan data-data tersebut proses dimulai dengan inisialisasi populasi, yaitu membentuk food source atau populasi secara random. Tahap selanjutnya yaitu evaluasi fitness dari populasi awal. Masuk ke dalam tahap employee bee, pada tahap ini dilakukan modifikasi untuk menghasilkan solusi baru dan dilakukan evaluasi fitness kembali. Proses selanjutnya dilakukan pemilihan solusi dari employee bee. Dilakukan perhitungan probabilitas dalam pemilihan solusi yang akan di proses oleh onlooker. Pemilihan solusi dari employee bee oleh onlooker didistribusikan. Jika solusi onlooker tidak terdistribusi maka dilakukan pemilihan solusi ulang oleh onlooker. Jika solusi onlooker telah terdistribusi maka dilanjutkan ke proses selanjutnya yaitu pencarian variasi solusi dengan proses crossover. Setelah melalui proses crossover kemudian dilakukan evaluasi solusi terbaik. Solusi terbaik adalah solusi yang memiliki nilai fitness terkecil dari iterasi. Nilai fitnes sama dengan bentrok jadwal. Jadi, jika nilai fitness kecil maka bentrok yang dihasilkan juga kecil.
Baca lebih lanjut

72 Baca lebih lajut

Aplikasi Penjadwalan Pelajaran untuk Sekolah Menengah Pertama dengan Menggunakan Algoritma Artificial Bee Colony.

Aplikasi Penjadwalan Pelajaran untuk Sekolah Menengah Pertama dengan Menggunakan Algoritma Artificial Bee Colony.

Penjadwalan sendiri merupakan salah satu dari beberapa bagian penting yang tidak dapat dipisahkan dalam sebuah sekolah. Pembuatan sebuah jadwal yang efisien membutuhkan waktu yang lama dan keakuratan karena preferensi, jadwal kegiatan guru, dan periode waktu dalam mengajar sebuah mata pelajaran yang berbeda-beda. Oleh karena itu, sistem penjadwalan yang otomatis dan terkomputerisasi dibutuhkan guna meningkatkan efisiensi kerja dari sekolah yang bersangkutan. Perancangan penjadwalannya membutuhkan sebuah algoritma optimasi untuk dijadikan basis, salah satu diantaranya adalah algoritma Artificial Bee Colony (ABC).
Baca lebih lanjut

19 Baca lebih lajut

Permodelan Pengolahan Sistem Informasi Penjadwalan Pada Program Studi Magister Teknik Informatika Menggunakan Metode ABC (Artificial Bee Colony) dan Harmony Search Pada Fakultas Ilmu Komputer Universitas Sriwijaya

Permodelan Pengolahan Sistem Informasi Penjadwalan Pada Program Studi Magister Teknik Informatika Menggunakan Metode ABC (Artificial Bee Colony) dan Harmony Search Pada Fakultas Ilmu Komputer Universitas Sriwijaya

Penjadwalan adalah suatu bagian dari beberapa bagian penting yang tidakdapat dipisahkan dalam Perkuliahan. Pembuatan sebuah jadwal yang efisien membutuhkan waktu yang lama dan keakuratan karena preferensi, jadwal kegiatan mengajar, dan periode waktu dalam mengajar sebuah mata kuliah yang berbeda-beda. Oleh karena itu, sistem informasi penjadwalan yang otomatis dan terkomputerisasi dibutuhkan guna meningkatkan efisiensi kerja di MTI. Perancangan sistem infoprmasi penjadwalannya membutuhkan sebuah algoritma optimasi untuk dijadikan basis, salah satu diantaranya adalah algoritma Artificial Bee Colony (ABC) dan Harmony Seacrh.
Baca lebih lanjut

5 Baca lebih lajut

Image Denoising Based on Artificial Bee Colony and BP Neural Network

Image Denoising Based on Artificial Bee Colony and BP Neural Network

Image is often subject to noise pollution during the process of collection, acquisition and transmission, noise is a major factor affecting the image quality, which has greatly impeded people from extracting information from the image. The purpose of image denoising is to restore the original image without noise from the noise image, and at the same time maintain the detailed information of the image as much as possible. This paper, by combining artificial bee colony algorithm and BP neural network, proposes the image denoising method based on artificial bee colony and BP neural network (ABC-BPNN), ABC-BPNN adopts the “double circulation” structure during the training process, after specifying the expected convergence speed and precision, it can adjust the rules according to the structure, automatically adjusts the number of neurons, while the weight of the neurons and relevant parameters are determined through bee colony optimization. The simulation result shows that the algorithm proposed in this paper can maintain the image edges and other important features while removing noise, so as to obtain better denoising effect.
Baca lebih lanjut

10 Baca lebih lajut

Implementasi Artificial Bee Colony untuk Pemilihan Titik Pusat pada Algoritma K-means

Implementasi Artificial Bee Colony untuk Pemilihan Titik Pusat pada Algoritma K-means

Abstrak — Klastering merupakan metode yang digunakan untuk membagi data menjadi beberapa kelompok bagian. K-means (KM) merupakan algoritma yang sering digunakan dalam klastering, hanya saja hasil dari KM sering kali terjebak di lokal optima. Artificial Bee Colony (ABC) merupakan algoritma yang bekerja berdasarkan cara lebah mencari makan, ABC terkenal mampu lolos dari jebakan lokal optima dengan mengenali mana hasil yang terbaik dari serangkaian hasil optimal. Menggabungkan ABCKM dimulai dengan memilih sumber makanan awal secara acak dan menggunakan KM untuk menyelesaikan semua permasalahan klastering pada setiap langkah ABC berikutnya serta menyimpan sumber makanan terbaik disetiap iterasinya. Sumber-sumber terbaik tersebut akan dipilih sumber makanan terbaiknya berdasarkan probabilitas kecocokannya masing-masing. Hasil dari implementasi algoritma ABCKM ini adalah data yang telah dibagi berdasarkan sumber terbaik. Setelah di evaluasi menggunakan algoritma silhouette dapat dibuktikan bahwa rata-rata nilai koefisien pada 5 buah dataset adalah 0.65 yang berarti data telah di-klaster dengan baik.
Baca lebih lanjut

6 Baca lebih lajut

Dynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony - ITS Repository

Dynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony - ITS Repository

Dynamic Economic Dispatch (DED) is a solution to reduces electricity generation production cost and fuel cost efficiency by optimizing generating costs at generating units. Changes in load demand each time can result changes the cost of generation per time unit. The purpose of Dynamic Economic Dispatch (DED) is to get optimal power generation at the lowest possible cost while, at the same time, still serving the power requirement to consumers for 24 hours. Some of the characteristics and operating limits contained by Dynamic Economic Dispatch include transmission losses, ramp rate limits, dynamic load demands, Prohibited Operating Zones, and spinning reserves. In this final project shows the implementation of Improved Artificial Bee Colony (IABC) algorithm on Dynamic Economic Dispatch calculation. Some operating limits considered in this final project include Prohibited Operating Zones and ramp rate operation limits. Simulation test of Dynamic Economic Dispatch is done by using 6 unit generator systems and 15 unit generator systems. The results shows that the ramp rate and Prohibited Operating Zones influence generating costs result. In a 6-unit generator system by considering Prohibited Operating zones using the Improved Artificial Bee Colony (IABC) algorithm the total cost of generation is $ 313404/h or 1.002% cheaper than the Improved Bee Algorithm method.
Baca lebih lanjut

89 Baca lebih lajut

BAB 2 TINJAUAN PUSTAKA - Model Penjadwalan Guru Menggunakan Graph Coloring Dengan Algoritma Bee Colony

BAB 2 TINJAUAN PUSTAKA - Model Penjadwalan Guru Menggunakan Graph Coloring Dengan Algoritma Bee Colony

Bilangan Kromatik Graph G(χ(G)) adalah jumlah warna minimum yang da- pat digunakan untuk mewarnai simpul (verteks/ V ). Penyelesaian kasus penjad- walan pada hakikatnya adalah berupaya untuk mengalokasikan sejumlah aktivitas yang mengandung constraint atau batasan ke dalam timeslot (matriks ruang dan waktu). Jumlah timeslot yang tersedia juga memiliki batasan baik berupa jum- lah ruang, maupun waktu penggunaannya. Oleh karena itu, penjadwalan yang baik haruslah dapat menyesuaikan sejumlah keterbatasan resource atau sumber daya yang ada agar seluruh aktivitas dapat tetap terlaksana tanpa melanggar con- straintnya. Pewarnaan graph untuk mengakomodasi hal tersebut dilakukan dengan bilangan kromatik.
Baca lebih lanjut

15 Baca lebih lajut

Penjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut

Penjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut

Pengaturan penjadwalan mata kuliah memiliki tantangan tersendiri dikarenakan banyaknya pertimbangan-pertimbangan yang harus diperhatikan. Pertimbangan tersebut diantaranya adalah jumlah mahasiswa, jumlah ruangan, jumlah dosen yang tidak sebanding dengan jumlah mata kuliah, serta waktu perkuliahan yang telah ditentukan. Dalam penelitian kali ini, penjadwalan mata kuliah di Universitas Telkom Bandung diimplementasikan menggunakan metode hibridisasi antara algoritma genetika adaptif dengan algoritma koloni semut. Algoritma koloni semut dipadukan kedalam algoritma genetika yang sudah dibangun terlebih dahulu untuk menentukan nilai probabilitas crossover dan nilai probabilitas mutasi yang dimana dua prosedur tersebut merupakan bagian dari algoritma genetika. Berdasarkan pengujian algoritma hibridisasi yang telah dilakukan, diperoleh nilai solusi tercapai sebesar 88.24%, dimana solusi tercapai menunjukan jumlah penjadwalan yang tidak mengalami bentrok. Dengan hasil pengujian tersebut, menunjukkan bahwa dengan metode hibridisasi algoritma genetika adaptif dengan algoritma koloni semut dapat meminimalkan bentrokan yang terjadi pada penjadwalan.
Baca lebih lanjut

10 Baca lebih lajut

Implementasi Artificial Bee Colony Untuk Pemilihan Titik Pusat Pada Algoritma KMeans

Implementasi Artificial Bee Colony Untuk Pemilihan Titik Pusat Pada Algoritma KMeans

Bab ini akan menjelaskan beberapa hal dasar yang meliputi: latar belakang, tujuan, manfaat permasalahan, batasan permasalahan, metodologi serta sistematika penulisan Tugas Akhir. Latar belakang berisi mengenai hal-hal yang melatarbelakangi pemilihan judul Tugas Akhir. Rumusan masalah memuat hal-hal yang harus diselesaikan. Batasan masalah berisi batasan-batasan yang melingkupi pembuatan Tugas Akhir ini. Tujuan berisi tujuan dari pembuatan Tugas Akhir ini. Metodologi membahas mengenai metode pengerjaan Tugas Akhir. Sistematika penulisan membahas sistematika penulisan buku Tugas Akhir sebagai laporan dari pengerjaan Tugas Akhir. Penjelasan tentang hal-hal tersebut diharapkan dapat memberikan gambaran umum mengenai permasalahan sehingga penyelesaian masalah dapat dipahami dengan baik.
Baca lebih lanjut

99 Baca lebih lajut

Optimasi rute kendaraan dengan kapasitas mengunakan modifikasi algoritma artificial bee colony

Optimasi rute kendaraan dengan kapasitas mengunakan modifikasi algoritma artificial bee colony

Pengembangan algoritma ABC terjadi pada neighbourhood operator yaitu formula untuk mencari sumber makanan baru disekitar sumber makanan lama. Pada algoritma ABC asli yang diperkenalakan oleh Dervis Karaboga neighbourhood operator yang digunakan akan menghasilkan nilai riil sebagai hasil pencarian, hal inilah yang membuat peneliti melakukan pengembangan algoritma ABC agar mampu menyelesaikan permasalahan CVRP. Neighbourood operator akan ditukar dengan metode neighbourhood operator lain agar dapat menghasilkan nilai diskrit sebagai hasil pencarian. Hal ini dilakukan karena pada permasalahan CVRP nilai yang digunakan haruslah diskrit yang mana berkaitan dengan indeks dari suatu matrik. Solusi pada permasalahan CVRP akan berbentuk beberapa matrik yang terisi dari sekumpulan pelanggan menggambarkan rute yang dikunjungi kendaraan.
Baca lebih lanjut

59 Baca lebih lajut

BAB II - Penentuan Slack Bus pada Jaringan Tenaga Listrik Sumbagut 150 KV Menggunakan Metode Artificial Bee Colony

BAB II - Penentuan Slack Bus pada Jaringan Tenaga Listrik Sumbagut 150 KV Menggunakan Metode Artificial Bee Colony

Sistem transmisi adalah sistem yang menghubungkan antara sistem pembangkitan dengan sistem distribusi untuk menyalurkan tenaga listrik yang dihasilkan pembangkit ke sistem distribusi. Dalam penyalurannya tegangan yang dibangkitkan oleh pembangkit harus dinaikkan dengan trafo step up. Hal ini dilakukan untuk mengurangi rugi-rugi selama penyaluran tenaga listrik. Kemudian diujung saluran transmisi diturunkan dengan menggunakan trafo step down sehingga tegangannya dapat digunakan oleh pelanggan.

25 Baca lebih lajut

TUGAS AKHIR - Penentuan Slack Bus pada Jaringan Tenaga Listrik Sumbagut 150 KV Menggunakan Metode Artificial Bee Colony

TUGAS AKHIR - Penentuan Slack Bus pada Jaringan Tenaga Listrik Sumbagut 150 KV Menggunakan Metode Artificial Bee Colony

Slack bus berfungsi untuk menyuplai kekurangan daya aktif P dan daya reaktif Q pada sistem dan juga sebagai bus yang memikul rugi-rugi daya yang terjadi pada sistem. Pemilihan slack bus juga akan mempengaruhi aliran daya pada jaringan, rugi-rugi pada jaringan dan tegangan di setiap bus, dengan demikian perlu dilakukan analisis penentuan slack bus dalam sebuah sistem. Penentuan slack bus diharapkan akan mengurangi rugi-rugi daya pada jaringan dan menghasilkan tegangan di setiap bus yang sesuai dengan standard SPLN (- 10% sampai dengan +5% dari tegangan nominal). Tugas akhir ini mensimulasikan penentuan slack bus jaringan tenaga listrik SUMBAGUT 150 kV dengan menggunakan metode Artificial Bee Colony. Hasil yang diperoleh bahwa slack bus yang dipilih yaitu bus 10 (Gardu Belawan) dengan total rugi-rugi jaringan 63,019 MW dan 218,793 MVAR, dan semua tegangan di setiap bus berada di dalam standard tegangan yang telah ditetapkan.
Baca lebih lanjut

11 Baca lebih lajut

Economic and Emission Dispatch pada Sistem Transmisi Jawa Bali 500KV Berdasarkan Ruptil 2015-2024 Menggunakan Modified Artificial Bee Colony Algorithm

Economic and Emission Dispatch pada Sistem Transmisi Jawa Bali 500KV Berdasarkan Ruptil 2015-2024 Menggunakan Modified Artificial Bee Colony Algorithm

Thermal unit fuel cost is a representation from generator load function itself. The increasing of load in thermal units will stimulate the increasing of fuel needed and fuel cost. Furthermore, electrical load is the representation from generation cost function, then the solution is needed to operate each thermal unit optimally by pressing the fuel cost as minimum as possible but still obey the operational constraint. Moreover, each operating thermal unit produces emission like nitrogen oxides (NOx). Therefore, the emission produces must be decreased. Both Problem above generally named as Combined Economic and Emission Dispatch. This project apply 500 kV Jawa Bali transmission study case. In this research, Modified Artificial Bee Colony Algorithm is applied for solving economic and emission dispatch problem. Simulation will be applied by using weighting factor. When W1=1 and W2=0, total fuel cost reaches the cheapest prize while the emission produced is high. When W1=0.5 and W2=0.5, both fuel cost and emission are considered as 50:50. When W1=0 and W2=1, fuel cost reaches the highest prize while the emission produced is low.
Baca lebih lanjut

81 Baca lebih lajut

Penentuan Letak Dan Kapasitas Optimal Bank Kapasitor Pada Jaring Transmisi 150 KV Sumatera Utara Menggunakan Artificial Bee Colony Algorithm

Penentuan Letak Dan Kapasitas Optimal Bank Kapasitor Pada Jaring Transmisi 150 KV Sumatera Utara Menggunakan Artificial Bee Colony Algorithm

Listrik merupakan suatu kebutuhan mutlak yang harus dipenuhi untuk menjamin keberlangsungan hidup masyarakat masa kini. Kebutuhan ini terus meningkat seiring dengan pertumbuhan beban yang semakin bertambah dari tahun ke tahun. Pertumbuhan beban yang diikuti dengan peningkatan permintaan suplai daya reaktif akibat beban bersifat induktif meningkat menyebabkan perencanaan dan operasi dari sistem interkoneksi menjadi lebih kompleks sehingga kualitas sistem menjadi kurang dapat diandalkan. Aliran daya reaktif dapat menyebabkan drop tegangan dan kerugian daya dalam sistem transmisi. Untuk itu dilakukan penentuan letak dan kapasitas kapasitor shunt untuk mengurangi kerugian daya dengan menggunakan Newton-Raphson dan metode optimisasi
Baca lebih lanjut

103 Baca lebih lajut

Penentuan Letak dan Kapasitas Optimal Bank Kapasitor pada Jaring Transmisi 150 kV Sumatera Utara Menggunakan Artificial Bee Colony Algorithm

Penentuan Letak dan Kapasitas Optimal Bank Kapasitor pada Jaring Transmisi 150 kV Sumatera Utara Menggunakan Artificial Bee Colony Algorithm

Pada Tugas Akhir ini, metode yang diusulkan adalah Artificial Bee Colony (ABC) Algorithm. Artificial Bee Colony (ABC) Algorithm merupakan suatu algoritma yang dikenalkan oleh Karaboga pada tahun 2005 sebagai suatu teknik masalah optimasi numerik [5]. Algoritma ini dibuat berdasarkan teknik metaheuristic untuk mendapatkan hasil optimal dari suatu permasalahan yang telah diterapkan pada algoritma pendahulunya, seperti Ant Colony Algorithm, Particle Swarm Optimization, Harmony Search, dan lain sebagainya. Metode ini dikembangkan berdasarkan perilaku kecerdasan lebah madu dalam suatu koloninya dan performasinya dan dijadikan tolak ukur untuk menghitung nilai suatu fungsi optimisasi.
Baca lebih lanjut

8 Baca lebih lajut

Penentuan Letak dan Kapasitas Optimal Bank Kapasitor pada Jaring Transmisi 150 KV Sumatera Utara Menggunakan Artificial Bee Colony Algorithm

Penentuan Letak dan Kapasitas Optimal Bank Kapasitor pada Jaring Transmisi 150 KV Sumatera Utara Menggunakan Artificial Bee Colony Algorithm

Abstrak²Listrik merupakan suatu kebutuhan mutlak yang harus dipenuhi untuk menjamin keberlangsungan hidup masyarakat masa kini. Kebutuhan ini terus meningkat seiring dengan pertumbuhan beban yang semakin bertambah dari tahun ke tahun. Pertumbuhan beban yang diikuti dengan peningkatan permintaan suplai daya reaktif akibat beban bersifat induktif meningkat menyebabkan perencanaan dan operasi dari sistem interkoneksi menjadi lebih kompleks sehingga kualitas sistem menjadi kurang dapat diandalkan. Aliran daya reaktif dapat menyebabkan drop tegangan dan kerugian daya dalam sistem transmisi. Untuk itu dilakukan penentuan letak dan kapasitas kapasitor shunt untuk mengurangi kerugian daya dengan menggunakan Newton-Raphson dan metode optimisasi Artificial Bee Colony Algorithm. Pada percobaan ini dilakukan pemasangan lima kapasitor dengan jumlah koloni sebesar 50 dan Max Cycle Number sebesar 150. Hasil simulasi menggunakan metode Artificial Bee Colony Algorithm menunjukkan bahwa pemasangan kapasitor pada Jaring Transmisi 150 kV Sumatera Utara dapat menurunkan kerugian daya aktif sebesar 8,37%.
Baca lebih lanjut

8 Baca lebih lajut

OPTIMASI K-MEANS DENGAN ARTIFICIAL BEE COLONY UNTUK PENGELOMPOKAN RESOLUSI TAHUN BARU DARI DATA TWITTER

OPTIMASI K-MEANS DENGAN ARTIFICIAL BEE COLONY UNTUK PENGELOMPOKAN RESOLUSI TAHUN BARU DARI DATA TWITTER

Reduksi dimensi kemudian dilakukan untuk mencegah terjadinya Curse of Dimensionality, yaitu permasalahan yang muncul pada metode pengelompokan akibat terlalu banyak fitur yang diproses. Untuk menghindari permasalahan tersebut, pada tugas akhir ini akan digunakan metode reduksi dimensi Latent Semantic Analysis (LSA). Untuk memperkirakan efisiensi reduksi dimensi dilakukan uji coba dengan membentuk kelompok K- means, kemudian dihitung nilai silhouette untuk sejumlah besaran dimensi yang diuji. Besaran dimensi yang memiliki nilai silhouette yang melebihi 0.5 dianggap cukup baik untuk menjadi pilihan dalam pemrosesan menggunakan metode ABCKM.
Baca lebih lanjut

101 Baca lebih lajut

Peramalan Curah Hujan Menggunakan Metode Jaringan Saraf Tiruan Dengan Optimasi Algoritma Bee Colony

Peramalan Curah Hujan Menggunakan Metode Jaringan Saraf Tiruan Dengan Optimasi Algoritma Bee Colony

Algoritma Artificial Bee Colony (ABC) (Karboga, 2008) merupakan salah satu pendekatan yang telah digunakan untuk menemukan solusi optimal dalam numerik masalah optimasi (Patel, 2016). Menurut analisis contoh pada jurnal, dan perbandingan antara dua metode Backpropagation (BP), ABC - BP, dan GA – BP bahwa menggunakan algoritma swarm buatan untuk mengoptimalkan weight dan treshold BP jaringan syaraf dapat menghindari jatuhnya nilai optimal lokal secara efektif, dan mengoptimalkan kecepatan konvergensi yang lebih cepat jaringan syaraf (Jia, 2016). Penerapan metode JST untuk optimasi bobot menggunakan PSO, hasil pengujian antara jaringan hybrid JST - PSO dengan JST saja terlihat perbedaan dimana pada JST yang menggunakan backpropagation untuk melatih bobot memiliki performa yang lebih baik dari pada jaringan hybrid JST – PSO. Maka dari itu disarankan untuk mencoba metode lain yaitu Bee Colony untuk mengoptimasi hasil yang lebih baik (Ganda, 2014).
Baca lebih lanjut

8 Baca lebih lajut

Sistem Optimasi Rute Tempat Wisata Kuliner Di Malang Menggunakan Algoritma Bee Colony

Sistem Optimasi Rute Tempat Wisata Kuliner Di Malang Menggunakan Algoritma Bee Colony

Menjadi rekrutan setelah menonton waggle dance dan mulai mencari sumber makanan. Setelah menemukan sumber makanan, lebah tersebut menggunakan kemampuannya sendiri untuk mengingat lokasi sumber makanan dan kemudian mulai mengeksploitasinya segera. Oleh karena itu, lebah tersebut akan menjadi lebah pekerja. lebah pekerja mengambil nektar lalu kembali kesarang dan membongkar nektar pada tempat persediaan makanan. Setelah pembongkaran makanan, lebah pekerja tersebut memiliki tiga opsi yaitu menjadi pengikut tidak terikat setelah meninggalakan sumber makanan, melakukan waggle dance dan kemudian merekrut lebah lainnya sebelum kembali kesumber makanan yang sama, atau meneruskan untuk mencari makanan disumber makanan semula tanpa merekrut lebah lainnya. Pada Tabel 1 dijelaskan mengenai pseudocode yang digunakan untuk menyelesaikan permasalahan TSP
Baca lebih lanjut

9 Baca lebih lajut

An Improved Artificial Bee Colony Algorithm for Staged Search

An Improved Artificial Bee Colony Algorithm for Staged Search

At search stage, following bee selects better nectar source to explore and develop again. So following bee search should have strong ability of production. Meanwhile, in order to fall into local minima value, it also should have exploration ability. Based on optimization characteristic of following bee, we design a following bee strategy of adaptive local search.

6 Baca lebih lajut

Show all 10000 documents...

Related subjects