Author:
Budi Santosa dan Paul Willy
Rp. 65,000
Buku ini memuat konsep dan teori mengenai beberapa teknik yang tergolong dalam pendekatan metaheuristik. Juga dilengkapi dengan berbagai contoh implementasi untuk optimasi fungsi dan optimasi kombinatorial seperti travelling salesman problem, penjadwalan jobshop dan juga vehicle routing problem.
Teknik yang diperkenalkan cukup bervariasi, mulai dari Genetic Algorithm (Algoritma Genetika), Simulated Annealing, Ant Colony, Cross Entrophy, hingga Harmony Search. Buku ini juga membahas perluasan teknik-teknik tersebut, kecuali Cross Entrophy dan Harmony Search guna menangani persoalan optimasi multi tujuan.
Contoh-contoh yang dipakai lebih banyak berhubungan dengan bidang teknik industri. Tetapi tidak tertutup kemungkinan penerapan di bidang lain seperti control, robotic, atau ekonomi sekalipun. Bahkan persoalan optimasi multi-tujuan sering dipandang sebagai pengembangan dari persoalan keseimbangan ekonomi.
Metaheuristik sendiri memiliki aplikasi luas untuk bidang teknik, sains, dan bidang-bidang lain yang melibatkan komputasi yang intensif. Di dalam buku ini disajikan algoritma-algoritma dasar sehingga akan mudah mengembangkan untuk aplikasi lain yang lebih kompleks. Untuk implementasinya dalam masalah lain atau di bidang lain tentu saja perlu dilakukan bermacam langkah modifikasi untuk menyesuaikan dengan format algoritma yang akan diterapkan.
Sementara untuk pengembangan algoritma-algoritma dasar ke dalam persoalan optimasi multi-tujuan, buku ini akan memberikan semacam state-of-the-art dari model-model yang telah ada, khususnya model populer yang sering dirujuk dalam berbagai literatur.
Sebelum membahas mengenai teknik metaheuristik, di bab awal buku ini dimulai dengan pembahasan optimsai klasik, baik untuk permasalahan optimasi dengan tujuan tunggal maupun untuk permasalahan multi-tujuan. Ini dimaksudkan agar pembaca mempunyai gambaran secara luas mengenai permasalahan optimasi selain metaheuristik. Selain itu, bab-bab awal akan mengantar pembaca untuk memahami masalah optimasi dalam konteks yang lebih luas. Dalam setiap metoda atau teknik yang dipelajari untuk persoalan optimasi dengan tujuan tunggal, akan diberikan algoritmanya dan juga kode Matlab. Ini dimaksudkan agar pemahaman pembaca bisa tuntas hingga impelementasinya.
Secara ringkas isi buku ini adalah sebagai berikut. Pada bab 1, dibahas mengenai pengertian Metaheuristik. Di bab 2 dibahas beberapa konsep dasar optimasi. Sementara pengantar ke persoalan optimasi multi-tujuan, berikut dengan konsep dasarnya, diberikan pada Bab 3. Dengan membaca ketiga bab pertama ini pembaca diharapkan memahami optimasi dalam konteks yang lebih luas.
Selanjutnya di dalam bab 4 akan dibahas optimasi klasik yang melingkupi Algoritma Direct Search dan Gradient Based. Walaupun tidak dibahas secara mendetail semua teknik tersebut, bab ini bisa menjadi pembanding bagaimana teknik optimasi klasik dibangun. Sementara optimasi klasik dalam penyelesaian persoalan multi-tujuan diberikan dalam bab 5. Salah satunya adalah metode pembobotan (Weighted Sum) yang paling populer itu.
Pembahasan teknik-teknik metaheuristik sendiri baru dimulai pada bab 6. Di dalam bab ini akan dibahas teknik yang sudah lama dikenal yaitu Genetic Algoritma (GA). Algoritma ini telah menginspirasi munculnya algoritma-algoritma baru dalam metaheuristik. Perluasannya ke dalam bidang optimasi multi-tujuan dibahas dalam bab 7. Pembahasan dibagi ke dalam dua kelompok, yakni pembahasan pada induk GA, yakni Evolutionary Multiobjective Optimization (EMO), dan pembahasan perluasan per model GA multi-tujuan. Ada beberapa model yang dibahas dalam bab ini.
Berikutnya dalam bab 8 akan dibahas algoritma yang cukup menarik yakni Ant Colony Optimization (ACO). Algoritma yang meniru perilaku semut ini mendapat banyak perhatian sejak diusulkan tahun 1997. Dalam buku ini akan disajikan ide dasar ACO dan contoh untuk kasus optimasi kontinyu. Juga akan diberikan contoh aplikasi ACO untuk traveling salesman problem (TSP). Bab selanjutnya, yakni bab 9, akan menampilkan garis besar perluasan algoritma ACO ini ke dalam persoalan multi-tujuan.
Bab 10 membahas Particle Swarm Optimization (PSO) sebagai salah satu Swarm Intelligence. PSO termasuk teknik yang sederhana dengan hasil yang bagus. Teknik ini meniru perilaku kelompok burung atau ikan dalam menuju tempat tertentu secara bersama-sama. Disusul pembahasan perluasan ke multi-tujuan dalam bab 11.
Selanjutnya akan dibahas mengenai teknik metaheuristik yang sudah cukup populer yaitu Simulated Annealing (SA) di Bab 12. Di bab ini akan diterangkan mengenai ide dasar SA, penerapan SA dalam masalah TSP. Juga akan dilengkapi dengan kode Matlab untuk memantapkan pemahaman pembaca. Bab 13 akan menampilkan secara singkat pengembangan model SA ini ke dalam persoalan multi-tujuan, dilengkapi dengan pembahasan singkat dari lima model PSA multi-tujuan.
Dalam Bab 14 akan dibahas metoda Cross Entropy (CE). Metoda ini berawal dari teori entropy dalam teori informasi. CE awalnya diterapkan dalam rare event simulation. Kemudian terbukti bahwa penerapan CE bisa dikembangkan antara lain untuk penjadwalan, machine learning hingga optimasi kombinatorial. Aplikasi CE akan dibahas pada Bab 15. Aplikasi terutama ditekankan pada kasus TSP, Vehicle Routing Problem (VRP) dan penjadwalan job shop.
Bab 16 akan membahas ide dasar Differential Evolution (DE) beserta contoh implementasi untuk optimasi kontinyu. Dilanjutkan dengan perbandingan singkat DE terhadap Evolutionary Algorithm (EA) dan teknik perluasan yang digunakan dalam beberapa model DE multi-tujuan dalam bab 17.
Bab 18 tentang Harmony Search (SA), meliputi konsep implementasi Harmony Search untuk optimasi kontinyu serta optimasi pada kasus TSP.
Tentang Penulis:
Budi Santosa , lahir di Klaten, 1969. Sekarang menjadi Dosen Jurusan Teknik Industri, ITS. Menamatkan S1 di Institut Teknologi Bandung, Jurusan Teknik Industri (1992) Kemudian menyelesaikan S2 (1999) dan S3 (2005) di School of Industrial Engineering, University of Oklahoma, USA (2005). Sebelumnya bekerja sebagai Teaching Assistant untuk mata kuliah Engineering Optimization, Neural Networks, Optimization in Data Mining (2002-2004) di University of Oklahoma. Juga menjabat sebagai ketua Laboratorium Komputasi dan Optimasi Industri Teknik Industri ITS. Papernya pernah mendapatkan Best Paper Award, pada Neural Network Engineering, ANNIE 2002, St. Louis, Missouri. Beberapa penelitian dia kerjakan dalam bidang Data Mining, Machine Learning dan Metaheuristik. Penelitian-penelitian ini didanai dari Dikti maupun ITS. Topik-topik penelitian antara lain Airline Crew Scheduling Using Metaheuristics Appoaches. Penggunaan Metaheuristik untuk Penyelesaian Vehicle Routing Problem, Resouce-constrained project Scheduling Menggunakan Harmony Search, Pengembangan modal Robust Support Vector Machine untuk klsaifikasi Multikelas, Real Time Mining of Intregrate Weather Data, Weather production based on WSR-88D Radar output by Intelegence System and kernel-based Metods. Beberapa publikasi antara lain ada dalam journal of Applied mathematics, Lecture note on Artificial Intelligent (LNAI) Springer-Verlag, Jurnal of Computational Optimization an Applications, Journal of Advance Manufacturing Technology, International Journal of General System, WSEAS Transactions on System. WSEAS Transactions on Computers.
Buku lain yang ditulis.
- Manajemen Proyek, cetakan kedua, 2008
- Data Mining, Tehnik Pemanfaatan data untuk keperluan bisnis, 2007
- Data Mining Terapan dengan Matlab, 2007
- Statistik dan Optimasi Terapan dengan Matlab, 2007
Paul Wily, Lahir 1974 di Jakarta. Lulus S1 dari University Hasanuddin, jurusan Matematika,, fokus di Matematika terapan dan komputasi (1997). Kemudian melanjutkan S2 di University Kaiserslautern, Jerman. Untuk bidang Optimasi dan Komputasi (2002). Sekarang bekerja di Universitas Heidelberg, Jerman di bidang biochemical pathways dan implementasinya. Sebelumnya pernah bekerja di Institut Riset Fraunhofer, Jerman untuk bidang Optimasi Metaheuristik di dalam biochemical engeenering. Bidang Minat untuk riset adalah Operations Research, Optimization (Metaheuristic, Multicriteria) Image, Processing, Pattern Recognition.
Product Description
Persaingan bisnis yang sangat ketat telah menyeret kita melirik dunia maya atau internet sebagai media pengembangan yang sangat efektif. Lihat google, yahoo, atau ebay. Kini mereka menjadi perusahaan besar di internet. Namun, bukan hanya perusahaan besar yang berpeluang. Usaha personal, bahkan usaha semacam jasa tukang pijat pun dapat memanfaatkan jalur internet.