ANALISIS METODE SINGLE-POINT CROSSOVER (SPX), TWO-POINT CROSSOVER (TPX) DAN MULTI-POINT CROSSOVER (MPX) PADA FUNGSI NONLINEAR DUA PEUBAH DENGAN BINARY CODING

Main Article Content

Adriana Fanggidae

Abstract

Algoritma genetika  merupakan salah satu algoritma evolusioner yang memiliki 4 tahapan penting yaitu pengkodean, seleksi, crossover dan mutasi. Pada tulisan ini, kinerja dari binary coding pada 3 metode crossover SPX, TPX, dan MPX diuji pada 5 fungsi nonlinear dua peubah. Hasil yang diperoleh menunjukkan metode crossover TPX  memberikan kinerja yang lebih baik daripada SPX dan MPX.

Article Details

How to Cite
[1]
A. Fanggidae, “ANALISIS METODE SINGLE-POINT CROSSOVER (SPX), TWO-POINT CROSSOVER (TPX) DAN MULTI-POINT CROSSOVER (MPX) PADA FUNGSI NONLINEAR DUA PEUBAH DENGAN BINARY CODING”, jicon, vol. 7, no. 1, pp. 17-20, Mar. 2019.
Section
Articles

References

[1] Davis, L. 1991. Handbook of Genetic Algorithms. Van Nostrand Reinhold, New York.
[2] Varnamkasthi, M. J. & Lee, L. S. 2012. A Fuzzy Genetic Algorithm Based on Binary Encoding for Solving Multidimensional Knapsack Problems. Journal of Applied Mathematics. 2012 (6) : 1-24.
[3] Fadlisyah., Arnawan., & Faisal. 2009. Algoritma Genetik. Penerbit Graha Ilmu.
[4] Fanggidae, A., & Lado, F. R. 2015. Algoritma Genetik dan Penerapannya. Penerbit Teknosain. Yogyakarta.
[5] Yang, X. S. 2014. Nature-Inspired Optimization Algorithms 1st. Elsevier.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.