IJAINIJAIN

International Journal of Advances in Intelligent InformaticsInternational Journal of Advances in Intelligent Informatics

Optimasi partikel (PSO) adalah salah satu metode optimasi yang paling efektif untuk menemukan titik optimal global. Di sisi lain, arah penurunan adalah metode berbasis gradien yang memiliki kemampuan pencarian lokal. Kombinasi kedua metode ini menjanjikan dan menarik untuk mendapatkan metode dengan kemampuan pencarian global yang efektif dan kemampuan pencarian lokal yang efisien. Namun, dalam banyak aplikasi, sulit atau tidak mungkin untuk secara tepat mendapatkan gradien dari fungsi tujuan. Dalam makalah ini, kami mengusulkan diferensiasi otomatis (AD) berbasis untuk PSODD. Kami membandingkan metode kami pada fungsi benchmark. Hasilnya menunjukkan bahwa kombinasi metode memberikan kami alat yang kuat untuk menemukan solusi.

Dalam makalah ini, kami telah mengusulkan kombinasi metode optimasi partikel dan metode gradien untuk menyelesaikan masalah optimasi global.Kedua metode tersebut dikombinasikan secara langsung dalam empat skema.Selanjutnya, kami membandingkan metode kami pada fungsi benchmark.Hasilnya menunjukkan bahwa kombinasi metode memberikan kami alat yang kuat untuk menemukan solusi.

Pertanyaan penelitian lain yang mungkin berguna untuk dieksplorasi adalah bagaimana mengoptimalkan pengaturan parameter dalam kombinasi metode optimasi partikel dengan arah penurunan agar dapat meningkatkan efisiensi. Selain itu, penelitian lebih lanjut tentang penerapan metode yang diusulkan ini pada berbagai jenis problem optimasi lainnya, seperti masalah multi-obyektif, bisa memberikan wawasan baru dalam pengembangan algoritma. Terakhir, hal menarik untuk diteliti adalah penerapan teknik pembelajaran mesin untuk meningkatkan hasil akhir dari metode optimasi ini, yang dapat membuka jalan untuk integrasi yang lebih baik antara teknik optimasi klasik dan metode modern.

File size465.36 KB
Pages8
DMCAReportReport

ads-block-test