| Judul Buku | : | Cara Mudah Belajar Metode Optimisasi Metaheuristik Menggunakan MatLab | |
| Pengarang | : | Hindriyanto Dwi Purnomo, Ph.D | |
| Penerbit | : | Gava Media | |
| Cetakan | : | Cetakan Ke-1 | |
| Tahun Terbit | : | 2014 | |
| Bahasa | : | Indonesia | |
| Jumlah Halaman | : | 248 | |
| Kertas Isi | : | HVS | |
| Cover | : | Soft | |
| Ukuran | : | 16 x 23 | |
| Berat | : | 500 | |
| Kondisi | : | Baru | |
| Harga | : | Rp 63,000 | diskon 15% |
| Bayar | : | Rp 53.550 | |
| Stock | : | 1 | |
Cara Mudah Belajar Metode Optimisasi Metaheuristik Menggunakan MatLab
Pengarang : Hindriyanto Dwi Purnomo, Ph.D
Penerbit : Gava Media
DAFTAR ISI
BAB I. Optimisasi
1.1 Pengertian optimisasi
1.2 Model dan metode, optimisasi
1.2.1 Mathematical programming
1.2.2 Integer programming (IP) dan mixed integer programming (MIP)
1.2.2 Integer programming (IP) dan mixed integer programming (MIP)
1.2.3 Constraint programming
1.2.4 Optimisasi kombinatorial
1.3 Teori kompleksitas
1.4 Menangam optimisasi bersyarat dalam metode metaheuristik
1.4 Menangam optimisasi bersyarat dalam metode metaheuristik
1.4.1 Penolakan
1.4.2 Penalti
1.4.3 Memperbaiki solusi
1.4.4 Decoding
1.4.5 Pengamanan
BAB II. Metaheuristik
2.1 Pengertian metaheuristik
2.2 Konsep dasar dalam metode metaheuristik
2.2.1 Representasi penyelesaian
2.2.2 Representasi linear
2.2.3 Representasi non linear
2.2.4 Pemetaan
2.3 Fungsi tujuan
2.4 Intensifikasi dan. diversifikasi
2.5 Single-based metaheuristic dan population-based metaheuristic
2.6 Evolution algorithm
2.7 Swarm intelligence
2.8 Contoh permasalahan optimisasi
2.8.1 Fungsi kontinu
2.8.2 Travelling salesman problem
BAB III. Simulated Annealing
3.1 Konsep dasar Simulated Annealing
3.2 Komponen Simulated Annealing
3.3 Contoh aplikasi Simulated Annealing menggunakan Matlab
3.3 Contoh aplikasi Simulated Annealing menggunakan Matlab
BAB IV. Tabu Search
4.1 Konsep dasar Tabu Search
4.2 Struktur memori
4.3 Strategi pencarian
4.4 Contoh aplikasi Tabu Search menggunakan Matlab
BAB V. Algoritma Genetik
5.1 Dasar-dasar Algoritma Genetik
5.2 Seleksi
5.3 Mutasi
5.4 Crossover
5.5 Replacement
5.6 Contoh aplikasi Algoritma Genetic menggunakan. Matlab
5.6.1 Permasalahan optimasi kontinu
5.6.2 Travelling salesman problem
BAB VI. Differential Evolution
6.1 Konsep, dasar Differential Evolution
6.2 Vector difference
6.3 Tuning parameter secara otomatis
6.3 Contoh aplikasi
BAB VII. Harmony Search
7.1 Dasar-dasar Harmony Search
7.2 Komponen Harmony Search
7.3 Contoh aplikasi Harn-iony Search
BAB VIII. Ant Colony Optimization
8.1 Konsep dasar Ant Colony Optimization
8.2 Pheromone update
8.3 Intensifikasi dan diversifikasi pada ACO
8.4 Contoh penerapan ACO
BAB IX. Particle Swarm Optimization
9.1 Sociocognitif
9.2 Prosedure dari Particle Swarm Optimization
9.3 Parameter Particle Swarm Optimization
9.4 Contoh aplikasi PSO menggunakan Matlab
Referensi
Biografi
Cara Mudah Belajar Metode Optimisasi Metaheuristik Menggunakan MatLab
Pengarang : Hindriyanto Dwi Purnomo, Ph.D
Penerbit : Gava Media
DAFTAR ISI
BAB I. Optimisasi
1.1 Pengertian optimisasi
1.2 Model dan metode, optimisasi
1.2.1 Mathematical programming
1.2.2 Integer programming (IP) dan mixed integer programming (MIP)
1.2.2 Integer programming (IP) dan mixed integer programming (MIP)
1.2.3 Constraint programming
1.2.4 Optimisasi kombinatorial
1.3 Teori kompleksitas
1.4 Menangam optimisasi bersyarat dalam metode metaheuristik
1.4 Menangam optimisasi bersyarat dalam metode metaheuristik
1.4.1 Penolakan
1.4.2 Penalti
1.4.3 Memperbaiki solusi
1.4.4 Decoding
1.4.5 Pengamanan
BAB II. Metaheuristik
2.1 Pengertian metaheuristik
2.2 Konsep dasar dalam metode metaheuristik
2.2.1 Representasi penyelesaian
2.2.2 Representasi linear
2.2.3 Representasi non linear
2.2.4 Pemetaan
2.3 Fungsi tujuan
2.4 Intensifikasi dan. diversifikasi
2.5 Single-based metaheuristic dan population-based metaheuristic
2.6 Evolution algorithm
2.7 Swarm intelligence
2.8 Contoh permasalahan optimisasi
2.8.1 Fungsi kontinu
2.8.2 Travelling salesman problem
BAB III. Simulated Annealing
3.1 Konsep dasar Simulated Annealing
3.2 Komponen Simulated Annealing
3.3 Contoh aplikasi Simulated Annealing menggunakan Matlab
3.3 Contoh aplikasi Simulated Annealing menggunakan Matlab
BAB IV. Tabu Search
4.1 Konsep dasar Tabu Search
4.2 Struktur memori
4.3 Strategi pencarian
4.4 Contoh aplikasi Tabu Search menggunakan Matlab
BAB V. Algoritma Genetik
5.1 Dasar-dasar Algoritma Genetik
5.2 Seleksi
5.3 Mutasi
5.4 Crossover
5.5 Replacement
5.6 Contoh aplikasi Algoritma Genetic menggunakan. Matlab
5.6.1 Permasalahan optimasi kontinu
5.6.2 Travelling salesman problem
BAB VI. Differential Evolution
6.1 Konsep, dasar Differential Evolution
6.2 Vector difference
6.3 Tuning parameter secara otomatis
6.3 Contoh aplikasi
BAB VII. Harmony Search
7.1 Dasar-dasar Harmony Search
7.2 Komponen Harmony Search
7.3 Contoh aplikasi Harn-iony Search
BAB VIII. Ant Colony Optimization
8.1 Konsep dasar Ant Colony Optimization
8.2 Pheromone update
8.3 Intensifikasi dan diversifikasi pada ACO
8.4 Contoh penerapan ACO
BAB IX. Particle Swarm Optimization
9.1 Sociocognitif
9.2 Prosedure dari Particle Swarm Optimization
9.3 Parameter Particle Swarm Optimization
9.4 Contoh aplikasi PSO menggunakan Matlab
Referensi
Biografi
Share This Article
0 comments:
Posting Komentar