Memuat
Memuat
Ingin belajar lebih dalam?
Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.
Dipilih dari software, topik, dan level “Kelas Optimasi Multi-Objektif NSGA-II MOPSO Hybrid #4: Merancang Hybrid NSGA-II + MOPSO / Local Search”.
Pilihan lain dari kami untuk Python.
Belajar bareng mentor
Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus Optimasi Multi-Objektif: NSGA-II, MOPSO & Algoritma Hybrid (Python)

Kursus Klasifikasi Aritmia EKG dengan Wavelet & Deep Learning (PyTorch)

Kursus ANFIS + PSO/GA untuk Peramalan Deret Waktu Non-Linear (Python)
Minta dibuatkan
Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa Machine Learning Python — Model Prediksi, Segmentasi Pelanggan, Deteksi Fraud & Aplikasi AI

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas
★ 4.9

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis
★ 4.9
Kabari saya kalau ada kelas Python baru
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Inilah hasil akhirnya, algoritma hybrid rancangan kita sendiri. Dengan jumlah evaluasi yang persis sama, hybrid sudah menempel di front pareto pada generasi 100, saat NSGA2 dan MO-PSO masih jauh di atas. Ayo kita mulai. Halo, selamat datang di episode keempat seri metaheuristik hybrid multi-objektif. NSGA2 menjaga keragaman dengan baik tetapi lambat di awal, sedangkan langkah PSO menuju pemimpin sangat cepat mendekati front. Hari ini kita merancang hybrid yang menggabungkan keduanya ditambah pencarian lokal, dan membandingkannya secara adil.
Buat file hybrid.py Fungsi langkah PSO menggeser solusi menuju pemimpin dengan kecepatan yang menyimpan momentum, seperti partikel MO-PSO. Fungsi pencarian lokal menambahkan gangguan gaus kecil pada 20% variable, untuk menyempurnakan solusi tanpa melompat jauh.
Fungsi hybrid memakai kerangka NSGA2. Setiap generasi, 44 anak dibuat dengan SBX dan mutasi untuk eksplorasi, 46 anak dibuat dengan langkah PSO menuju pemimpin dari front terbaik yang dipilih berdasarkan crowding, dan 10 anak dari pencarian lokal pada solusi front yang paling jarang. Totalnya tepat 100 anak, sama dengan NSGA2, sehingga perbandingannya adil. Seleksi elitis NSGA2 memilih generasi berikutnya, dan kecepatan disetel ulang setiap 50 generasi agar tidak liar.
Buat file uji underscore hybrid.py Ketiga algoritma dijalankan 300 generasi pada ZDT1 dan ZDT3, dan jarak front sebenarnya dicatat setiap 25 generasi. Jalankan Pada generasi 50, jarak NSGA2 di ZDT1 masih 1,42, MoPSO 0,36, dan hybrid sudah 0,068. Pada generasi 100, hybrid mencapai 0,01, sedangkan NSGA2 baru menembus di bawah 0,02 pada generasi 300. Pada ZDT3 yang terputus, hybrid juga mencapai 0,01,1 di generasi 100, dan NSGA2 tidak sampai di bawah 0,02 dalam 300 generasi.
Mari lihat grafiknya. Kurva konvergensi skala lock memperlihatkan hybrid turun paling curam di kedua fungsi uji. Dua panel lain memperlihatkan front pada generasi 100, titik-titik hybrid sudah menempel di front sebenarnya dengan sebaran baik, termasuk kelima segmen ZDT3, sementara NSGA2 masih jauh di atas. Kombinasi eksplorasi SBX, konvergensi PSO, dan penyempurnaan lokal terbukti saling lengkapi.
Selesai. Kita sudah merancang algoritma hybrid NSGA2, PSO, dan pencarian lokal, dengan jumlah evaluasi yang sama, dan membuktikan konvergensinya jauh lebih cepat. Di episode berikutnya kita mengukur kinerjanya dengan metrik standar, hypervolume, IGD, dan spread. Sedang menyusun skripsi, tesis, atau riset di bidang optimasi dan kecerdasan buatan? Cerdas inovasi digital membantu implementasi algoritma optimasi, dari NSGA2 dan MOPSO, perancangan algoritma hybrid, sampai metrik hypervolume dan IGD serta uji statistik perbandingan algoritma, serta membuka kursus pemrograman Python untuk teknik. Ingin menguasai seluruh seri ini, dari konsep Pareto sampai studi kasus skala besar? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.

Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
Lihat klien kami →