RESENSI BUKU : METODA METAHEURISTIK

E30-JESSICA

Oleh : Jessica Siahaan

                               

                                                   

Judul Buku      :  Metoda 
                           Metaheuristik
Pengarang       :  Budi Santosa dan 
                           Paul Willy

Penerbit           :  Guna Widya

Tahun              :  2011

Edisi                :  1

Bahasa             :  Indonesia

ISBN               :  979545049-2

Jumlah             :  353 halaman

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.

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. 

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.

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.

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. 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. 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. 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. 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.