GECCO 21 Parallel GA KNP
1.0.0
Memutuskan teknik optimasi mana yang akan digunakan untuk memecahkan masalah optimasi tertentu merupakan tugas penting dan sulit yang telah dihadapi dalam bidang optimasi selama beberapa dekade. Permasalahan di atas dikenal dengan nama Algorithm Selection Problem (ASP). Banyak peneliti telah mencoba memecahkan ASP untuk berbagai macam masalah. Teknik pengoptimalan yang dibahas dalam karya sebelumnya, pada dasarnya, adalah teknik pengoptimalan yang dapat dijalankan dengan cepat. Namun, mempertimbangkan pendekatan optimasi yang lebih canggih untuk menyelesaikan ASP, seperti Algoritma Evolusioner, secara drastis meningkatkan biaya komputasi. Kami tertarik untuk menyelesaikan ASP dengan mempertimbangkan konfigurasi berbeda dari Algoritma Genetika (GA) yang diterapkan pada NP-hard 0/1 Knapsack Problem (KNP) yang terkenal. Hal di atas melibatkan eksekusi sejumlah besar konfigurasi GA tersebut, untuk mengevaluasi kinerjanya, ketika diterapkan pada berbagai contoh dengan fitur KNP yang berbeda, yang merupakan tugas komputasi yang mahal. Oleh karena itu, tujuan utama dari pekerjaan saat ini adalah untuk menyediakan, sebagai langkah pertama untuk menyelesaikan ASP, GA paralel yang efisien, yang mampu mencapai hasil kompetitif, dalam hal nilai obyektif optimal, dalam waktu singkat. Hasil komputasi menunjukkan bahwa pendekatan kami mampu melakukan penskalaan secara efisien dan sangat mengurangi rata-rata waktu yang berlalu untuk menyelesaikan kasus TNK.
