Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
Diterbitkan olehUtami Rachman Telah diubah "7 tahun yang lalu
1
Imam Cholissodin | imam.cholissodin@gmail.com
Algoritma Evolusi Imam Cholissodin |
2
Topik Perkuliahan Membahas silabus dan kontrak kuliah Teknik Optimasi
Dasar-Dasar Algoritma Genetika Algoritma Genetika Dengan Pengkodean Real (Real-Coded GA/RCGA) Tugas Paper 1 Optimasi Masalah Kombinatorial Quiz 1 UTS Topik Lanjut Pada Algoritma Genetika Evolution Strategies (ES) Tugas Paper 2 Genetic Programming (GP) Dan Evolutionary Programming (EP) Quiz 2 + Progress FP ke-1 (3.1 & 3.2) Progress FP ke-2 (3.3) Progress FP ke-3 (3.4 & 3.5) UAS/Pengumpulan Akhir Final Project
3
Aturan Perkuliahan Kompetensi Kuliah
Memahami konsep dasar dan topik dalam pada Algoritma Evolusi. Mampu membedakan komponen-komponen pada Algoritma Evolusi, beserta semua operator algoritma yang ada didalamnya. Memahami dasar-dasar representasi solusi, fitness dan pengembangannya pada kasus yang sederhana, variatif dan kompleks. Mampu untuk menganalisis proses evolusi sebagai langkah untuk mengetahui pola dan perilaku jalannya algoritma untuk mendapatkan solusi optimal. Mampu mengembangkan konsep penerapan Algoritma Evolusi secara lebih komprehensif, efisien, efektif, aplikatif dan dapat menjadi prototipe produk.
4
Aturan Perkuliahan Tata tertib perkuliahan
Tepat waktu dalam mengumpulkan tugas Menggunakan e-learning (Optional) Aktif dalam mengerjakan tugas Harap tenang selama proses belajar mengajar Berpakaian rapi dan sopan Berkepribadian baik, sopan & santun Kehadiran minimum 80%
5
Aturan Perkuliahan Mapping Pengajuan Paper √
Tugas Paper (10 tahun terakhir) : Paper 1 : Review (Deskripsi : Problem Base, Algoritma (alur, kelebihan & kekurangan), Hasil & Evaluasi) Paper 2 Ket (√) : Pengajuan dan Acc Paper untuk persetujuan Tugas Paper Minggu ke-i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Paper1 √ Paper2
6
Grading Prosentase Penilaian (100%) : Point Keaktifan Tugas : 20%
Quiz : 15% UTS : 25% UAS/FP : 40%
7
Grading Prosentase Penilaian (100%) :
Point Keaktifan (langsung dtambahkan di NA) Tugas : 20% Paper 1 : 40% Paper 2 : 40% Dok. Tugas : 20% Quiz : 15% UTS : 25% UAS/FP : 40% UAS : 2% Progress FP : 8% Live Koding : 60% Dok. FP : 10 % Dok. PPT : 2% Source Code : 15% Presentasi Kelompok : 3%
8
Referensi Al-Hinai, N & ElMekkawy, T 2011, 'An efficient hybridized genetic algorithm architecture for the flexible job shop scheduling problem', Flexible Services and Manufacturing Journal, vol. 23, no. 1, pp Allahverdi, A & Al-Anzi, FS 2008, 'The two-stage assembly flowshop scheduling problem with bicriteria of makespan and mean completion time', Int J. Adv. Manuf. Technol, vol. 37, pp. 166–177. Bell, C & Alexande, S 207, A Tasteful Example of Evolutionary Programming, Southwestern University. Beyer, H-G & Schwefel, H-P 2002, 'Evolution strategies – A comprehensive introduction', Natural Computing, vol. 1, no. 1, 2002/03/01, pp Biswas, S & Mahapatra, S 2008, 'Modified particle swarm optimization for solving machine-loading problems in flexible manufacturing systems', The International Journal of Advanced Manufacturing Technology, vol. 39, no. 9, pp Etc..
9
Lain-Lain Dosen Pengampu : Pembentukan Kelompok (maks 5 org/kelompok)
Nama : Imam Cholissodin, S.Si., M.Kom Hp : Pembentukan Kelompok (maks 5 org/kelompok) Ketua ALEV Kelas C : Nama : Hp :
10
Imam Cholissodin | imam.cholissodin@gmail.com
Terimakasih Imam Cholissodin |
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.