Optimasi Desain Motor Listrik Dengan Metode Algoritma Genetika Untuk Efisiensi Tinggi. – Algoritma Biologi merupakan salah satu kemajuan evolusioner dalam dunia komputer dalam bidang ilmu pengetahuan manusia. Pada penelitian ini, algoritma genetika digunakan untuk mencari beberapa solusi persamaan linier dengan empat variabel. Dalam genetika, keempat variabel ini mewakili solusi yang juga digunakan sebagai gen yang membuat ukuran kromosom. Sepuluh kromosom membentuk populasi yang berevolusi untuk mencari solusi dari masalah. Dalam proses evolusi, digunakan tiga operator algoritma genetika, yaitu seleksi, crossover, dan mutasi. Metode seleksi digunakan
, operator crossover dibuat dengan memberikan nilai crossover sebesar 40%, dan pengujian dilakukan dengan memberikan selisih perubahan sebesar 0%, 5%, 10%, 15%, 20%, 25%, 30. % , 35 %, 40%, 45%, 50%, dan 55%. Proses evolusi dibatasi hingga 200 generasi per percobaan. Dari percobaan didapatkan hasil untuk varian dengan tingkat mutasi 25% diperoleh solusi sebanyak 4 dengan solusi tercepat diperoleh pada generasi ke 5. Hal ini menunjukkan bahwa perubahan tingkat mutasi mempengaruhi kinerja algoritma genetika.
Optimasi Desain Motor Listrik Dengan Metode Algoritma Genetika Untuk Efisiensi Tinggi.
Yusuf Akhmad dan Soesanto Oni, “Algoritma Genetika untuk Menyelesaikan Akar Persamaan Suatu Aksi”, Matematika Murni dan Terapan, Vol.6 No.2 Desember 2012: 47-56
Pdf) Optimasi Kerja Peluncur Roket Pada Robot Roda Rantai Untuk Menentukan Ketepatan Sudut Tembak
Kania Evita Dewi, “Perbandingan Metode Newton-Raphson dan Algoritma Natural dalam Penentuan Stock Intelligence”, Ilmu Komputer dan Informasi (KOMPUTA)”, Vol.1 No.2 Oktober 2012: 9-16
Kania Evita Dewi, “Algoritma Genetika dalam Pemrograman Linier dan Nonlinier”, Mat Buletin Ilmiah. Statistika dan Aplikasinya (Bimaster), Vol.5 No.3, 2016 : 265-274
Tahir, A., Ahyar, dan Israquati. (2022) Merancang Aplikasi Penerapan Algoritma Genetika untuk Menyelesaikan Persamaan Linear. Profesi Teknik Mesin dan Pengerjaan Logam, 1(1), 47-56. Diambil dari https://index.php/otemasi/article/view/7
Karya ini dilisensikan di bawah Creative Commons Attribution 4.0 International License. Dirancang dan dikembangkan oleh: RYE EDUCATION HUB
Pdf) Perencanaan Penempatan Facts Optimal Menggunakan Algoritma Genetika
Makalah algoritma genetika, pengertian algoritma genetika, contoh algoritma genetika, algoritma optimasi, algoritma genetika dalam matlab, buku algoritma genetika, algoritma genetika pdf, jurnal algoritma genetika, metode algoritma genetika, source code penjadwalan dengan algoritma genetika, algoritma genetika, algoritma genetika penjadwalan