IMPLEMENTASI ALGORITMA SPIRAL DYNAMICS DENGAN PARALLEL COMPUTING UNTUK PERMASALAHAN OPTIMASI KONTINU

• Main Author: Anshar Alifya Ihsan, - (Author)
• Format: Book
• Published: 2020-08-28.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/52082/1/S_KOM_1301451_Title.pdf; http://repository.upi.edu/52082/2/S_KOM_1301451_Chapter1.pdf; http://repository.upi.edu/52082/3/S_KOM_1301451_Chapter2.pdf; http://repository.upi.edu/52082/4/S_KOM_1301451_Chapter3.pdf; http://repository.upi.edu/52082/5/S_KOM_1301451_Chapter4.pdf; http://repository.upi.edu/52082/6/S_KOM_1301451_Chapter5.pdf; http://repository.upi.edu/52082/7/S_KOM_1301451_Appendix.pdf
• Keywords: L Education (General); QA75 Electronic computers. Computer science

Penelitian ini mengimplementasikan algoritma spiral dynamic digabungkan dengan parallel computing untuk melakukan optimasi. Jenis optimasi yang dilakukan adalah optimasi kontinu dimana nilai optimasinya bisa dipecah karena menggunakan bilangan riil. Data yang digunakan pada peneltian ini adalah benchmark test function yang merupakan fungsi objektif untuk mengukur kinerja dari algoritma optimasi. Parallel computing pada penelitian ini berfungsi untuk mempersingkat atau mengefisienkan waktu eksekusi program dengan cara membagi kerja dari setiap core prosesor perangkat komputer pada saat program dijalankan. Hasil dari penelitian akan menunjukan vektor dari fungsi objektif yang menunjukan solusi paling optimum beserta dengan waktu eksekusinya. Hasil akhir dikatakan optimum apabila nilai mencapai atau mendekat nilai global optimum dan tidak melewati range. Setiap fungsi objektif memiliki nilai global optimum dan range yang berbeda-beda. This study implements spiral dynamic algorithm combined with parallel computing to perform optimization. The type of optimization that is carried out is continuous optimization where the optimization value can be broken down because it uses real numbers. The data used in this study is a benchmark test function which is an objective function to measure the performance of the optimization algorithm. Parallel computing in this study functions to shorten or streamline program execution time by dividing the work of each computer device processor core at the time the program is run. The results of the study will show the vector of the objective function which shows the most optimum solution along with its execution time. The final result is said to be optimum if the values reach or approaches the optimum global value and does not cross the range. Each objective function has an optimum global value and a different range.