<![CDATA[Optimasi fungsi multimodal merupakan permasalahan yang banyak dijumpai dalam bidang teknik, sains, ilmu sosial dan ekonomi. Tujuan utama dari permasalahan multimodal adalah untuk melokalisir semua solusi yang tersedia baik optimum lokal maupun optimum global dalam sekali running. Flower Pollination Algorithm yang umum digunakan untuk optimasi global perlu dimodifikasi dan dikembangkan agar dapat menyelesaiakan tantangan dalam optimasi fungsi multimodal. Pada penelitian ini kami mengkombinasikan Flower Pollination Algorithm dengan teknik Clustering untuk mengoptimasi fungsi multimodal. Dalam uji coba terhadap 5 fungsi bencharmk multimodal yaitu Second minima, Six hump camel back, Rastrigin, Vincent dan Shubert diperoleh hasil bahwa metode yang disusulkan (FPAC) sukses menemukan semua solusi dari masing-masing fungsi multimodal dalam sekali running baik untuk kasus dimensi rendah maupun dimensi tinggi.]]>
Copyrights © 2020
