Algoritma Semut&Lebah

8/15/2019 Algoritma Semut&Lebah

1/20

Algoritma Semut (Ant Algorithm)

Published November 11, 2011 by paninalone

Algoritma Semut (Ant Algorithm) merupakan algoritma yang dimunculkansebagai suatu pendekatan multi agen terhadap optimasi berbagai permasalahan yang berkaitan dengangra!" Sampai saat ini, berbagai upaya pengembangan dilakukan untuk memperluas peman!aatan dariAlgoritma Semut" #erbagai peman!aatan yang sudah umum digunakan antara lain untukmenyelesaikan permasalahan rute kendaraan, pengurutan sekuensial, pe$arnaan gra!, permasalahanrouting pada %aringan dan berbagai peman!aatan lainnya"

Algoritma Semut terinspirasi oleh pengamatan terhadap suatu koloni semut" Semut merupakan he$anyang hidupsebagai suatu kesatuan dalam koloninya dibandingkan %ika dipandang sebagai individu yan

hidup sendiri sendiri dan tidak bergantung terhadap koloninya" Suatu perilaku penting dan menarikuntuk ditin%au dari suatu koloni semut adalah perilaku mereka pada saat mencari makan, terutama bagaimana mereka mampu menentukan rute untuk menghubungkan antara sumber makanandengan sarang mereka"

&etika ber%alan menu%u sumber makanan dan sebaliknya, semut meninggalkan %e%ak berupa 'at yang disebut Pheromone" Semut semut dapat mencium Pheromone, dan ketika memilih ruteyang akan dilalui, semut akan memiliki kecenderungan untuk memilih rute yang memiliki tingkatkonsentrasi Pheromone yang tinggi" e%ak Pheromone tersebut memungkinkan semut untukmenemukan %alan kembali ke sumber makanan atau sarangnya"

Seiring $aktu, bagaimanapun %uga %e%ak Pheromone akan menguap dan akan mengurangi kekudaya tariknya" ebih lama seekor semut pulang pergi melalui suatu %alur, lebih tinggi pula %umlaPheromone yang menguap" Sebagai perbandingan, sebuah %alur yang pendek akan diikuti olehsemut lainnya dengan lebih cepat, dan dengan demikian konsentrasi Pheromone akan tetap tinggi"

Penguapan Pheromone %uga mempunyai keuntungan untuk mencegah konvergensi pada penyelesaian optimal secara lokal" ika tidak ada penguapan sama sekali, %alur yang dipilih semu pertama akan cenderung menarik secara berlebihan terhadap semut semut yang mengikutinya" Padkasus yang demikian, eksplorasi ruang penyelesaian akan terbatasi"

*leh karena itu, ketika seekor semut menemukan %alur yang bagus (%alur yang pendek) dari

koloni ke sumber makanan, semut lainnya akan mengikuti %alur tersebut, dan akhirnya semuasemut akan mengikuti sebuah %alur tunggal" +de algoritma koloni semut adalah untuk meniru perilaku ini melalui semut tiruan- ber%alan seputar gra!ik yang menun%ukkan masalah yang harusdiselesaikan" Perilaku mengikuti %e%ak Pheromone tersebut telah dibuktikan secara eksperimentaldigunakan oleh koloni semut untuk mengetahui rute terpendek untuk mencapai sarang atau sumbemakanan berdasarkan %e%ak %e%ak Pheromone yang ditinggalkan oleh masing masing semut yang

https://paninalone.wordpress.com/2011/11/11/algoritma-semut-ant-algorithm/https://paninalone.wordpress.com/2011/11/11/algoritma-semut-ant-algorithm/semut/https://paninalone.wordpress.com/2011/11/11/algoritma-semut-ant-algorithm/


2/20

#erdasarkan perilaku tersebut, maka dikembangkanlah suatu algoritma untuk menyelesaikan suatumasalah komputasi dengan menemukan %alur terbaik melalui gra!ik"

Pada tahun 1../, dunia A+ pun ikut bela%ar dari semut dengan diperkenalkannya algoritma semut,atau Ant olony *ptimi'ation, sebagai sebuah simulasi multi agen yang menggunakan meta!oraalami semut untuk menyelesaikan problem ruang !isik" Algoritma semut diperkenalkan olehoyson dan anderick dan secara meluas dikembangkan oleh arco origo, merupakan teknik

probabilistik untuk menyelesaikan masalah komputasi dengan menemukan %alur terbaik melaluigra!ik" Algoritma ini terinspirasi oleh perilaku semut dalam menemukan %alur dari koloninyamenu%u makanan"

Algoritma Koloni Semut (ACO)

Ant olony *ptimi'ation A * atau Algoritma &oloni Semut adalah sebuah probabilistik komputasiteknik untuk memecahkan masalah yang dapat dikurangi untuk menemukan %alur yang baik melaluigra!ik"

Algoritma ini adalah anggota dari keluarga algoritma koloni semut, pada inteli%en segerombolan metoddan hal itu merupakan beberapa metaheuristic optimasi" A$alnya diusulkan oleh arco origo tahun1..2 di gelar Ph tesis 314 324, algoritma pertama yang bertu%uan untuk mencari %alan yang optimaldalam gra!ik5 berdasarkan perilaku semut mencari %alan antara koloni dan sumber makanan " Aslivv' i

ini telah diversi!ikasi untuk menyelesaikan kelas yang lebih luas dari masalah numerik, dan sebagaihasilnya, beberapa masalah telah muncul, menggambar tentang berbagai aspek perilaku semut"

Ringkasan

i dunia nyata, semut (a$alnya) ber%alan secara acak, dan ketika menemukan makanan kembali ke kolomereka sambil meletakkan !eromon %e%ak" ika semut lain menemukan %alur tersebut, mereka tidakcenderung untuk men%aga bepergian secara acak, tapi malah mengikuti %e%ak, kembali dan menguatk

http://upload.wikimedia.org/wikipedia/commons/thumb/3/34/Safari_ants.jpg/300px-Safari_ants.jpg


3/20


4/20

2" Semut tanpa pandang bulu cara mengikuti empat kemungkinan, tapi penguatan landasanmembuatnya lebih menarik sebagai rute terpendek"

:" Semut mengambil rute terpendek, pan%ang bagian bagian dari cara cara lain kehilangan %e%ak!eromon"

alam serangkaian percobaan pada koloni semut dengan pilihan antara dua tidak sama pan%ang %alanyang mengarah ke sumber makanan, ahli biologi telah mengamati bah$a semut cenderung menggunakarute terpendek" 3:4 3;4 Sebuah model yang men%elaskan perilaku ini adalah sebagai berikut

1" Semut (disebut 6kilat6) ber%alan lebih atau kurang secara acak di sekitar koloni5

2" ika menemukan sumber makanan, itu kembali lebih atau kurang langsung ke sarang,meninggalkan dalam %alur %e%ak !eromon5

:" 9eromon ini yang menarik, di dekatnya semut akan cenderung mengikuti, lebih atau kuranglangsung, trek5

;" &embali ke koloni, semut ini akan memperkuat rute5

" =ute yang pan%ang akhirnya akan menghilang, !eromon yang mudah menguap5

?" Akhirnya, semua semut telah ditentukan dan karena itu 6dipilih6 rute terpendek"

Semut menggunakan lingkungan sebagai media komunikasi" ereka bertukar in!ormasi secara tidaklangsung dengan mendepositokan !eromon, semua rincian status mereka 6beker%a6" #ertukar in!ormasmemiliki lingkup lokal, hanya seekor semut yang terletak di mana !eromon dibiarkan mempunyai pengertian dari mereka" Sistem ini disebut 6Stigmergy6 dan ter%adi di banyak he$an sosial masyarakat(hal itu telah dipela%ari dalam kasus pembangunan pilar dalam sarang rayap)"

ekanisme untuk menyelesaikan masalah terlalu kompleks untuk ditangani oleh satu semut adalahcontoh yang baik dari diri sistem terorganisir" Sistem ini didasarkan pada umpan balik positi! (yangdeposit menarik !eromon semut lain yang akan memperkuat sendiri) dan negati! (disipasi dari rute olehsistem mencegah penguapan dari labrakan)" Secara teoritis, %ika %umlah !eromon tetap sama dari $ak$aktu pada semua sisi, tidak ada rute yang akan dipilih" Namun, karena umpan balik, sedikit variasi pad pinggir akan diperkuat dan dengan demikian memungkinkan pilihan dari tepi" Algoritma akan bergerakdari keadaan yang tidak stabil di mana tidak ada u%ung lebih kuat daripada yang lain, untuk negara yanstabil di mana rute terdiri dari tepi paling kuat"

AplikasiAlgoritma optimisasi koloni semut telah diterapkan ke banyak permasalahan optimasi kombinatorial,mulai dari penugasan kuadrat melipat protein atau routing kendaraan dan banyak metode yang diturunk


5/20

telah disesuaikan untuk masalah dinamis dalam variabel variabel riil, masalah masalah stokastik, multitarget dan implementasi paralel"

+ni %uga telah digunakan untuk menghasilkan solusi optimal mendekati ke masalah salesman keliling"ereka memiliki kelebihan simulasi annealing dan algoritma genetika pendekatan masalah serupa saatgra!ik mungkin berubah secara dinamis5 algoritma koloni semut dapat di%alankan terus menerus dan beradaptasi dengan perubahan secara real time" @his is o! interest in net$ork routing and urbantransportation systems" al ini menarik dalam routing %aringan dan sistem transportasi perkotaan"Sebagai contoh yang sangat bagus, Algoritma optimisasi koloni semut telah digunakan untukmenghasilkan solusi optimal mendekati ke masalah salesman keliling" Pada setiap tahap, semut memilihuntuk berpindah dari satu kota ke yang lain menurut beberapa aturanB

1" arus mengun%ungi setiap kota tepat satu kali5

2" Sebuah kota yang %auh memiliki lebih sedikit kesempatan untuk dipilih (visibilitas)5

:" Semakin kuat %e%ak !eromon diletakkan pada tepi antara dua kota, semakin besar kemungkina

bah$a tepi akan dipilih5;" Setelah menyelesaikan per%alanannya, deposit semut lebih !eromon pada semua sisi itu dilalui,

%ika per%alanan pendek5


6/20

AcoC@SP"svg (#erkas SD7, nominal 1"000 E :>< piksel, besar berkasB ?< )Salah satu contoh's Pseudo-kode dan formula procedure A *C eta euristic$hile(notCtermination)generateSolutions()daemonActions() pheromoneFpdate()end $hileend procedure

dge Selection!Semut akan bergerak dari node i ke node % dengan probabilitas

di mana

Gi , j is the amount o! pheromone on edgei , j Gi, j adalah %umlah !eromon di tepii, j

H is a parameter to control the in!luence o! Gi , j H adalah parameter untuk mengontrol pengaruh Gi, j

I i , j is the desirability o! edgei , j (a priori kno$ledge, typically 1 Jd i , j , $here d is the distance) Ii, j

adalah keinginan tepii, j (a priori pengetahuan, biasanya 1 Jd i, j, di mana d adalah %arak)K is a parameter to control the in!luence o! Ii , j K adalah parameter untuk mengontrol pengaruh Ii, j

Pheromone "pdate #eromon "pdate

Gi , j L (1 M )Gi , j O Gi , j Gi, j L (1 ) Gi, j O Gi, j

$here di mana

http://upload.wikimedia.org/wikipedia/commons/2/2a/Aco_TSP.svghttp://upload.wikimedia.org/math/c/9/e/c9ee6f8dcdd4f37f323b38b8df6576d5.pnghttp://upload.wikimedia.org/wikipedia/commons/2/2a/Aco_TSP.svg


7/20

Gi, j adalah %umlah !eromon pada sisi tertentui, j

adalah !eromon tingkat penguapan

dan G i, j adalah %umlah !eromon diendapkan, biasanya diberikan oleh

di mana L k adalah biaya dari thk tur semut (biasanya pan%ang)"

Common ekstensi

#erikut adalah beberapa variasi paling populer Algoritma A *

1" Qlitis Sistem Ant

• Solusi terbaik global deposito !eromon pada setiap iterasi bersama dengan semua semut lain

1" aR in Ant System ( AS) 3/4

• itambahkan aksimum dan inimum %umlah !eromon 3GmaR, Gmin4

• anya global iterasi terbaik atau disetor $isata terbaik !eromon

•

Semua tepi tepi yang telah siap untuk melakukan GmaR dan reinitiali'ed untuk GmaR ketikamendekati stagnasi"

1" pseudo acak proporsional aturan" telah disa%ikan di atas 3>4

1" =ank #erbasis Ant System (ASrank)

• Semua solusi yang peringkat menurut kebugaran mereka" umlah !eromon disimpan kemudian bobot untuk setiap solusi, sehingga solusi yang lebih baik deposito kebugaran lebih !eromondaripada solusi dengan kebugaran lebih buruk

Fntuk beberapa versi algoritma, adalah mungkin untuk membuktikan bah$a itu konvergen (mis" itu

mampu menemukan global optimum dalam $aktu tertentu)" #ukti pertama konvergensi algoritma kolonsemut dibuat pada tahun 2000, gra!ik berbasis algoritma sistem semut, dan kemudian algoritma untukA S dan AS" Seperti kebanyakan metaheuristics, sangat sulit untuk memperkirakan kecepatanteoritis konvergensi" Pada tahun 200;, lochin dan koleganya 3?4 telah menun%ukkan tipe *A dapatdiasimilasikan algoritma metode stokastik gradient descent, pada salib entropi dan algoritma Qstimasidistribusi" ereka mengusulkan bah$a metaheuristics sebagai 6model berbasis penelitian6

Contoh-contoh lainn$a

http://upload.wikimedia.org/math/4/4/6/4462a7b26c1d2772a800ddef20a74398.png


8/20

Algoritma koloni semut ini a$alnya digunakan terutama untuk menghasilkan solusi optimal mendekati kmasalah salesman keliling dan, lebih umum, masalah masalah optimasi kombinatorial" al ini diamati bah$a se%ak itu mulai penggunaannya telah menyebar ke daerah klasi!ikasi 3.4 dan image processing"

Se%uah kesulitan dalam definisi

engan algoritma A *, %alan terpendek dalam gra!ik, antara dua titik A dan #, dibangun dari kombin

asi beberapa %alan" @idaklah mudah untuk memberikan de!inisi yangtepat tentang apa algoritma atau tidak sebuah koloni semut, karena de!inisi dapat bervariasi menurut par penulis dan penggunaannya" Secara umum, algoritma koloni semut dianggap sebagai dihunimetaheuristics solusi dengan masing masing di$akili oleh semut bergerak dalam ruang pencarian" Semumenandai solusi terbaik dan memperhatikan tanda tanda sebelumnya untuk mengoptimalkan pencarian

mereka" ereka dapat dilihat sebagai probabilistik multi agen algoritma menggunakan distribusi probabilitas untuk melakukan transisi antara setiap iterasi" alam versi untuk masalah kombinatorial,mereka menggunakan konstruksi berulang ulang solusi" enurut beberapa penulis, hal yangmembedakan algoritma A * dari sanak keluarga lainnya (seperti algoritma untuk memperkirakandistribusi atau partikel ka$anan optimasi) adalah %ustru mereka aspek konstrukti!" alam masalahkombinatorial, adalah mungkin bah$a solusi terbaik pada akhirnya akan ditemukan, meskipun tidak adasemut akan terbukti e!ekti!" adi, dalam contoh dari pen%ual @ravelling masalah, tidak perlu bah$a sem benar benar per%alanan rute terpendekB rute terpendek dapat dibangun dari segmen terkuat solusi yangterbaik" Namun, de!inisi ini bisa menimbulkan masalah dalam kasus masalah dalam variabel variabel ridi mana tidak ada struktur 8tetangga8 ada" Perilaku kolekti! serangga sosial tetap men%adi sumber insp bagi peneliti" #erbagai macam algoritma (untuk pengoptimalan atau tidak) mencari diri organisasi dalamsistem biologis telah menyebabkan konsep 6kecerdasan berkerumun6, yang merupakan kerangka ker%ayang sangat umum di mana algoritma koloni semut cocok"

Stigmerg$ algoritmaAda dalam prakteknya se%umlah besar algoritma yang mengaku sebagai 6koloni semut6, tanpa selalu berbagi kerangka umum optimasi oleh koloni semut kanonik ( *A)" alam prakteknya, penggunaan pertukaran in!ormasi antara semut melalui lingkungan (sebuah prinsip yang disebut 6Stigmergy6) adala

http://upload.wikimedia.org/wikipedia/commons/thumb/1/17/Aco_shortpath.svg/200px-Aco_shortpath.svg.png


9/20

dianggap cukup untuk sebuah algoritma untuk termasuk dalam kelas dari algoritma koloni semut" Prinsini telah mendorong beberapa penulis untuk menciptakan istilah 6nilai6 untuk mengatur metode dan perilaku yang didasarkan pada makanan pencarian, pengurutan larva, pembagian ker%a dan kooperati!transportasi" 3104"

Related metode

• Algoritma genetik (7A) mempertahankan genangan solusi daripada hanya satu" Proses pencariansolusi unggul meniru bah$a evolusi, dengan solusi yang sedang digabungkan atau bermutasiuntuk mengubah kolam solusi, dengan solusi berkualitas rendah yang dibuang"

• Simulated annealing (SA) adalah berkaitan dengan teknik pengoptimalan global yang melintasiruang pencarian dengan menghasilkan solusi tetangga solusi saat ini" @etangga yang lebih rendaditerima probabilistically didasarkan pada perbedaan kualitas dan parameter suhu" Parametersuhu ini dimodi!ikasi sebagai kema%uan algoritma untuk mengubah si!at pencarian"

• @abu search (@S) mirip dengan simulasi anil dalam kedua melintasi ruang solusi dengan mengumutasi dari solusi individu" Sementara simulasi anil hanya satu bermutasi menghasilkan solusi,tabu cari solusi menghasilkan banyak bermutasi dan bergerak ke solusi dengan kesesuaianterendah yang dihasilkan" ntuk mencegah bersepeda dan mendorong gerakan yang lebih besarmelalui ruang solusi, sebuah da!tar tabu dipertahankan parsial atau solusi lengkap" al inidilarang untuk pindah ke sebuah solusi yang berisi elemen dari da!tar tabu, yang diperbaruisebagai solusi solusi melintasi ruang"

• #uatan sistem kekebalan (A+S) adalah algoritma yang meniru sistem kekebalan tubuh vertebrata

• Particle s$arm optimi'ation (PS*) lain yang sangat sukses inteli%en S$arm metode

• &oloni semut metode clustering (A ) Salah satu metode yang e!isien menggunakan pendekatan clustering, memperluas A *"

Se&arah


10/20

• 1.


11/20

• 1..?, mengusulkan StTt'le a$al implementasi paralel 32045

• 1..., #onabeau dan koleganya telah menerbitkan sebuah buku berurusan terutama buatan semut3214

• 1..., aplikasi pertama untuk kendaraan routing, maka kuadrat penugasan, multi dimensi masalahransel5

• 2000, edisi khusus %urnal tentang algoritma A * 3224

• 2000, aplikasi pertama ke pen%ad$alan, pen%ad$alan urutan dan kepuasan kendala5

• 2000, 7ut%ahr memberikan bukti pertama konvergensi untuk algoritma koloni semut 32:4

• 2001, penggunaan pertama *A Algoritma oleh perusahaan (Qurobios dan Ant*ptima)5

• 2001, +reda dan rekan rekannya menerbitkan multi ob%ekti! pertama algoritma 32;4

• 2002, aplikasi pertama dalam merancang %ad$al, #ayesian %aringan5

• 2002, #ianchi dan rekan rekannya menyarankan algoritma pertama untuk stokastik masalah 32/, pages .


12/20

>" " origo et " " 7ambardella, Ant Colony &ystem ! A Cooperati'e Learning Approa"h to theTra'eling &alesman (roblem , +QQQ @ransactions on Qvolutionary omputation, volume 1,numWro 1, pages "

?" " lochin, " #irattari, N" euleau, et " origo, #odel-based sear"h for "ombinatorialoptimization! A "riti"al sur'ey , Annals o! *perations =esearch, vol" 1:1, pp" :>: :.? : " =" Schoonder$oerd, *" olland, " #ruten et " =othkrant', Ant-based load balan"ing intele"ommuni"ation net)orks , Adaptive #ehaviour, volume , 1..>

1?" A" artinoli, " [amamoto, et 9" ondada, On the modelling of bioinspired "olle"ti'e

e periments )ith real robots , 9ourth Quropean on!erence on Arti!icial i!e Q A .>, #righton,F&, %uillet 1..>"

1." " origo, ANT&. 23, 0rom Ant Colonies to Artifi"ial Ants ! 0irst %nternational 1orkshop on AntColony Optimization, ANT& 23 , #ruRelles, #elgiZue, octobre 1..?"

http://en.wikipedia.org/wiki/Special:BookSources/9783540346890http://en.wikipedia.org/wiki/Special:BookSources/9783540346890


13/20

20" @" StTt'le, (arallelization &trategies for Ant Colony Optimization , Proceedings o! PPSN D, 9i!th+nternational on!erence on Parallel Problem Solving !rom Nature, Springer Derlag, volume1;.?, pages >22 >:1, 1..?"

21" \" #onabeau, " origo et 7" @heraula',&)arm intelligen"e , *R!ord Fniversity Press, 1..."

22" " origo , 7" i aro et @" StTt'le, spe"ial issue on 4Ant Algorithms4 , 9uture 7enerationomputer Systems, volume 1/, numWro ?, 2000

2:" Y" " 7ut%ahr, A graph-based Ant &ystem and its "on'ergen"e , 9uture 7eneration omputerSystems, volume 1/, pages ?>: ???, 2000"

2;" S" +redi, " erkle et " iddendor!, *i-Criterion Optimization )ith #ulti Colony Ant Algorithms , Qvolutionary ulti riterion *ptimi'ation, 9irst +nternational on!erence(Q *-01), urich, Springer Derlag, pages :2, 2001"

2


14/20

aikn$a tingkat kesi%ukan %er%elan&a melalui nternet menim%ulkan se&umlah permasalahan%esar " Perilaku pelanggan ketika berbelan%a bisa %adi sama sekali lain dari perkiraan umumnya, danmungkin sa%a berbeda di antara sesama pelanggan" al ini menyebabkan lalu lintas internet men%adi titeratur dan akhirnya beru%ung pada penumpukan tiba tiba pada server +nternet yang menangani belan%on-line " (&er'er! sebuah komputer dalam sebuah %aringan yang menyimpan program program aplikasi

dan !ile !ile data yang dapat dikun%ungi oleh komputer komputer lainnya di dalam %aringan tersebut") pakar dari5ni'ersitas O ford dan the 6eorgia %nstitute of Te"hnology 3+nstitut @eknologi 7eorgia4melakukan ker%asama dalam rangka mengembangkan se%umlah teknologi yang dapat mengatasi penumpukan semacam itu" Para peneliti ini mengambil model atau contoh acuan berupa suatu masyarakyang lalu lintasnya telah berhasil diatur dengan sangat baik" ontoh acuan ini adalah perilaku koloni ataumasyarakat lebah madu yang tengah ditiru dalam se%umlah teknologi yang ditu%ukan untuk meringank beban pada ser'er-ser'er pada saat ter%adi kepadatan lalu lintas yang luar biasa"

on%akan %umlah pelanggan belan%a atau perdagangan saham secara tiba tiba, naik turunnya kegiatanlelang melalui internet memunculkan kesulitan besar pada perusahaan perusahaan pengelola server"Fntuk meningkatkan keuntungan mereka sebesar besarnya, perusahaan perusahaan ini perlu memeriksa

komputer komputer mereka setiap saat untuk men%aga agar komputer tersebut tetap mampumenyesuaikan diri terhadap tingkat kebutuhan yang berubah ubah melalui campur tangan secara cepat" Namun pada kenyataannya, hanya satuaplikasi )eb sa%a yang dapat dimuat ke dalam komputer pada satu$aktu, dan hal ini merupakan sebuah kendala" Perpindahan antar aplikasi menyebabkan penghentiansementara selama < > menit, $aktu ini diperlukan untuk kon!igurasi ulang pada komputer, dan ini berartkerugian"

Permasalahan serupa di%umpai dalam tugas tugas yang di%alankan oleh lebah madu" Sumber sumber bunga memiliki keragaman dalam hal mutu" *leh karena itu, seseorang mungkin berpikiran bah$akeputusan tentang berapa banyak lebah yang harus dikirim ke setiap tempat tersebut dan berapa lamamereka sebaiknya berada di sana merupakan sebuah permasalahan dalam sebuah koloni yang inginmencapai la%u pengumpulan madu bunga (nektar ) setinggi tingginya" Akan tetapi, berkat sistem ker%amereka yang sangat baik, lebah mampu memecahkan permasalahan ini tanpa mengalami kesulitan"

https://saripedia.files.wordpress.com/2011/01/intercolony2.jpg


15/20

Sekitar seperlima dari lebah lebah di dalam sebuah sarang bertugas sebagai pengumpul nektar" @ugasmereka adalah berkelana di antara bunga bunga dan mengumpulkan nektar sebanyak mungkin" &etikakembali ke sarang, mereka menyerahkan muatan nektar mereka kepada lebah lebah penyimpan makanayang men%aga sarang dan menyimpan bahan makanan" ebah lebah ini kemudian menyimpan nektar didalam petak petak madu" Seekor lebah pengumpul nektar %uga dibantu oleh rekan rekannya dalam

menentukan seberapa bagus mutu sumber bunganya" ebah pengumpul nektar tersebut menunggu danmengamati seberapa lama $aktu yang dibutuhkan untuk bertemu dengan seekor lebah penyimpanmakanan yang siap menerima muatan" ika $aktu tunggu ini berlangsung lama, maka sang lebah pengumpul nektar memahami hal ini sebagai isyarat bah$a sumber bunganya bukan dari mutu yangterbaik, dan bah$a lebah lebah yang lain kebanyakan telah melakukan pencarian yang berhasil"Sebaliknya, %ika ia disambut oleh se%umlah besar lebah lebah penyimpan makanan untuk mengambilmuatannya, maka semakin besarlah kemungkinan bah$a muatan nektar tersebut bermutu baik"

ebah yang mendapatkan in!ormasi ini memutuskan apakah sumber bunganya senilai dengan ker%a keryang akan dilakukan berikutnya" ika ya, maka ia melakukan tarian getarnya yang terkenal agar dipaham

maksudnya oleh lebah lebah lain" ama tarian ini memperlihatkan seberapa besar keuntungan yangmungkin dapat diperoleh dari sumber bunga ini" 3pen%elasan lebih lan%ut tentang tarian lebah, silakan bacaBhttp!77)))+harunyahya+"om7indo7buku7menyingkap889+htm:;D

Sunil akrani dari5ni'ersitas O ford danCraig o*e$ dari the 6eorgia %nstitute of Te"hnology menerapkan cara pemecahan masalah oleh lebah madu tersebut pada permasalahan ada pada %nternethost " Setiap ser'er mengambil peran sebagai lebah pengumpul nektar, dan setiap permintaan pelanggan bertindak sebagai sumber bunga" engan cara ini, doktor Nakrani dan @ovey mengembangkan sebuah algoritma ]lebah madu^ untuk ser'er %nternet ]sarang"^ ( Algoritma B Serangkaian tahapan tahapan logisuntuk memecahkan suatu permasalahan yang dapat diter%emahkan ke dalam sebuah program komputer

http://www.harunyahya.com/indo/buku/menyingkap003.htm%5Dhttps://saripedia.files.wordpress.com/2011/01/lebah-madu01.jpghttp://www.harunyahya.com/indo/buku/menyingkap003.htm%5D


16/20

Sebuahhost men%alankan tugas, sebagaimana yang dilakukan lebah dengan tarian getarnya, denganmembuat sebuah iklan dan mengirimkannya ke se%umlah server lainnya di dalam sarang" ama masa penayangan iklan ini mencerminkan man!aat dan tingkat keuntungan yang dapat diraup melalui para pelanggan ser'er-ser'er tersebut"&er'er lain membaca iklan ini dan berperilaku seperti lebah lebah peker%a yang mengikuti petun%uk yang yang disampaikan melaluitarian-getar tersebut" Setelahmempertimbangkan dan mengka%i iklan ini beserta pengalaman mereka sendiri, mereka memutuskan perlu tidaknya untuk beralih dari para pelanggan yang sedang mereka layani ke para pelanggan yangsedang dilayani oleh ser'er yang mengirim iklan tersebut"

oktor Nakrani dan @ovey melakukan u%i banding antara algoritma lebah madu yang mereka kembangdengan apa yang disebut sebagaialgoritma ]rakus^ yang saat ini dipakai oleh kebanyakan penyedia

%nternet host " Algoritma rakus terlihat ketinggalan 'aman" Algoritma rakus membagi $aktu men%adise%umlah penggalan $aktu yang tetap dan menempatkan ser'er-ser'er untuk melayani para pelangganuntuk satu penggalan $aktu berdasarkan pengaturan yang dianggap paling menguntungkan pada penggalan $aktu sebelumnya" Para peneliti mengungkap bah$a di saat saat ketika lalu lintas sangat

berubah ubah, algoritma lebah madu memperlihatkan kiner%a 20_ lebih baik daripada algoritma rakus"Sebentar lagi mungkin server server yang beker%a menggunakan algoritma lebah madu akan semakin banyak di masa mendatang, di mana +nternet akan lebih tepat disebut sebagai ]+nterkoloni"^

engan pemisalan yang sangat tepat, penelitian yang dilakukan oleh para ilmuwan ini menunjukkanbetapa berbagai pemecahan masalah yang masuk akal terdapat di alam. Permasalahan yang dihadapi

ser'er-ser'er +nternet sangatlah mirip dengan permasalahan yang dipecahkan oleh koloni lebah madu"

https://saripedia.files.wordpress.com/2011/01/lebah-madu02.jpghttps://saripedia.files.wordpress.com/2011/01/lebah-madu.jpg


17/20

Sungguh, keberhasilan yang dicapai penelitian tersebut, yang dilakukan dengan menerapkan contohru%ukan koloni lebah madu, men%adi isyarat akan hal ini" Akan tetapi, dari manakah asal usul rumusa pemecahan masalah yang diberikan lebah madu kepada para pemrogram komputer tersebut` eskipun para pemrogram komputer dapat mengambil perilaku lebah madu sebagai contoh ru%ukan mereka, lebaitu sendiri tidak dapat melakukan hal seperti itu" +ni dikarenakan meskipun tiruan algoritma lebah yang

dibuat oleh pemrogram komputer merupakan hasil dari proses berpikir cerdas yang dilakukan secarasadar, lebah madu tidak memiliki kemampuan berpikir semacam itu" Pemecahan atas permasalahantersebut membutuhkan tindakan sadar, misalnyaB pertama tama pemahaman tentang adanya permasalahan tersebut, pengka%ian terhadap se%umlah penytimbulnya permasalahan itu, pengenalan atas pengaruh se%umlah penyebab itu terhadap permasalahantersebut secara umum dan pengaruhnya terhadap satu sama lain, dan akhirnya pengambilan keputusan dantara beragam pilihan yang ada"

Sudah pasti pemecahan masalah semacam itu tidak mungkin ter%adi di dalam koloni lebah beranggotak20 sampai


18/20

Algoritma # * (#ee olony *ptimi'ation) adalah salah satu algoritma yang digunakan untuk pencarian %alur" ontoh yang dibahas kali ini adalah mengenai pencarian %alur yang melalui semua titik tu%uandengan %arak paling rendah"#ee olony *ptimi'ation adalah algoritma optimasi yang berdasarkan pada tingkah laku kumpulan lebahmadu dalam sebuah koloni untuk menemukan sumber makanan" &emungkinan solusi dilambangkan

dengan posisi sumber makanan, sedangkan nilainya dilambangkan dengan %umlah nektar yang terdapadalam sumber makanan tersebut"

iasumsikan ada sebaran titik yang harus dilalui semuanyasemua titik terhubung secara langsung dengan titik titik lainnya, dan semua %alurnya dapat dilalui 2 araarak antar titik pada semua titik akan diambil secara acak antara angka 1 sampai 10@entukan alur yang harus diambil untuk mengelilingi semua titik dengan %arak terpendek

Sebelum masuk kedalam langkah langkah pembahasan algoritma, ada beberapa konstanta atau parameteyang harus diketahui, yaituB @entukan %umlah lebah yang digunakan dalam perhitunganalam dunia nyata, dalam 1 sarang lebah, biasanya terdapat


19/20


20/20

Algoritma Semut&Lebah

Documents

Transcript of Algoritma Semut&Lebah