Berikut Silabus: Pengembangan Sistem Optimasi Multi-Objektif Menggunakan Coyote Optimization Algorithm pada Masalah Transportasi
Jumlah Sesi: 40 sesi (durasi per sesi: 1.5 jam)
Level 1: Pengenalan dan Konsep Dasar (Sesi 1-10)
Sesi 1:
-
Pengenalan Optimasi Multi-Objektif Definisi, konsep, dan pentingnya optimasi multi-objektif.
-
Contoh aplikasi di bidang transportasi.
Sesi 2:
-
Dasar-dasar Algoritma Heuristik dan Metaheuristik Perbedaan algoritma heuristik dan metaheuristik.
-
Tinjauan algoritma populer: PSO, GA, dan ACO.
Sesi 3:
-
Pengenalan Coyote Optimization Algorithm (COA) Inspirasi biologis COA.
-
Komponen utama algoritma COA.
Sesi 4:
-
Prinsip Dasar COA Representasi populasi coyote.
-
Strategi pemilihan dan pembaruan posisi.
Sesi 5:
-
Masalah Transportasi dalam Optimasi Definisi masalah transportasi klasik.
-
Identifikasi multi-objektif dalam transportasi (biaya, waktu, emisi).
Sesi 6:
-
Studi Literatur Algoritma COA pada Optimasi Transportasi Tinjauan aplikasi sebelumnya dan hasil penelitian terkait.
-
Tantangan dan potensi pengembangan.
Sesi 7:
- Pemrograman Dasar Algoritma COA Implementasi dasar COA menggunakan Python atau MATLAB.
Sesi 8:
-
Evaluasi Fungsi Objektif untuk Masalah Transportasi Penentuan fungsi objektif: biaya, waktu, dan emisi.
-
Normalisasi dan pembobotan fungsi objektif.
Sesi 9:
-
Dasar-dasar Multi-Objektif (Pareto Front) Konsep Pareto optimal dan Pareto front.



