Algoritma Lebah (ABC) Bee Colony Java _ Contoh Program

7/28/2017

Algoritma Lebah (ABC) Bee Colony Java | Contoh Program

Contoh Program Source Code /

Algoritma Lebah (ABC) Bee Colony Java

CARI TUTORIAL + SOURCE CODE

Penelusuran Khusus

4 Suka


GIVE YOUR SUPPORT Suka 6,1 rb orang menyukai ini. Jadilah yang pertama di antara teman-teman Anda.

Algoritma Koloni Lebah ( ABC ) Dalam ilmu komputer dan riset operasi, algoritma koloni lebah (ABC) adalah sebuah algoritma optimasi berdasarkan pada perilaku cerdas segerombolan lebah madu dalam mencari makan , Algoritma Koloni lebah ini diusulkan oleh Karaboga pada tahun 2005. Arti cial Bee Colony

ARTIKEL TERKAIT

Deteksi Wajah Viola Jones Java

termasuk jenis metaheuristik.


Dalam model Algoritma Lebah (ABC) Bee Colony Java, koloni terdiri dari

Particle Swarm Optimization (PSO) Java

tiga kelompok lebah: lebah bekerja , penonton dan pengintai

(scout) . Hal ini diasumsikan bahwa hanya ada satu lebah yang bekerja buatan untuk setiap sumber makanan. Dengan kata lain, jumlah lebah yang bekerja di koloni adalah sama dengan jumlah sumber makanan di sekitar sarang. Lebah dipekerjakan pergi ke sumber makanan mereka dan kembali ke sarang dan menari di daerah ini. Lebah bekerja yang sumber makanan telah ditinggalkan menjadi pengintai dan mulai mencari untuk menemukan sumber makanan baru. Penonton menyaksikan tarian lebah yang bekerja dan memilih sumber makanan tergantung pada tarian. Langkah-langkah utama dari algoritma yang diberikan di bawah: Sumber makanan awal diproduksi untuk semua lebah dipekerjakan ULANGI

Algoritma Fire y FA Java C++ VB Metode Monte Carlo Matlab Java C++ Independent Component Analysis (ICA) Algoritma CART (Classi cation And Regression Trees) K-Nearest Neighbors (KNN) Java C++ Algoritma Pagerank Java C++ Python Support Vector Machine (SVM) Java

Setiap lebah bekerja pergi ke sumber makanan

.

dalam memori dan menentukan sumber tetangga, kemudian mengevaluasi jumlah nektar dan tarian di dalam sarang http://www.metode-algoritma.com/2016/01/artificial-bee-colony-abc-java.html

1/17

7/28/2017


Setiap penonton menyaksikan tarian lebah yang bekerja dan memilih salah satu dari sumber mereka tergantung pada tarian, dan kemudian pergi ke sumber itu. Setelah memilih tetangga sekitar itu, dia mengevaluasi jumlah nektar nya.

Sumber makanan ditinggalkan bertekad dan diganti dengan sumber makanan baru yang ditemukan oleh pengintai. LIST TUTORIAL

Sumber makanan terbaik yang ditemukan sejauh terdaftar.

ACO Adaboost Adaptive Resonance Theory

SAMPAI (persyaratan dipenuhi)

4 Suka

Advanced Encryption Standard

Dalam Algoritma Koloni Lebah ABC, algoritma berbasis populasi , posisi sumber makanan merupakan solusi yang mungkin untuk masalah optimasi dan jumlah nektar dari sumber makanan sesuai dengan kualitas (

tness ) dari solusi terkait. Jumlah lebah dipekerjakan sama dengan

jumlah solusi dalam populasi . Pada langkah pertama, populasi awal secara acak ( posisi sumber makanan ) yang dihasilkan. Setelah inisialisasi, penduduk dikenakan untuk mengulang siklus dari proses pencarian dari bekerja, penonton, dan lebah pengintai, masing-masing. Lebah bekerja menghasilkan modi kasi pada posisi sumber dalam ingatannya dan menemukan posisi sumber makanan baru. Asalkan jumlah nektar yang baru adalah lebih tinggi dari sumber sebelumnya, lebah menghafal posisi sumber baru dan melupakan yang lama. Jika tidak dia terus posisi satu dalam ingatannya. Setelah semua lebah bekerja menyelesaikan proses pencarian, mereka berbagi informasi posisi sumber dengan penonton di tarian daerah. Setiap penonton

AES Agglomerative Clustering AHP Analytical Hierarchy Process ANFIS ANN Annealing Ant Colony Optimization Aplikasi n-Tier Apriori

mengevaluasi informasi nektar yang diambil dari semua lebah bekerja

ARIMA (Box-Jenkins)

dan kemudian memilih sumber makanan tergantung pada jumlah nektar

Aritmetika Modulo

dari sumber. Seperti dalam kasus lebah bekerja, dia menghasilkan modi kasi pada posisi sumber dalam memori dan memeriksa jumlah

ART

nektar nya. Menyediakan bahwa nektar adalah lebih tinggi dari yang

Arti cial Bee Colony (ABC)

sebelumnya, lebah menghafal posisi baru dan melupakan yang lama. Sumber ditinggalkan ditentukan dan sumber-sumber baru yang

Arti cial Neural Network

diproduksi secara acak untuk diganti dengan yang ditinggalkan oleh

B-Tree

arti cial lebah pengintai.

Backpropagation

Lebah pekerja akan mencari makanan di sekitar sumber makanan dalam memori mereka; Sementara mereka berbagi informasi dari sumber makanan ini untuk lebah penonton . Lebah penonton cenderung memilih sumber makanan yang baik dari yang ditemukan oleh lebah pekerja. Sumber makanan yang memiliki kualitas yang lebih tinggi ( kebugaran ) akan memiliki kesempatan besar untuk dipilih oleh lebah penonton dari yang berkualitas rendah. Lebah pengintai dijabarkan dari lebah yang bekerja beberapa, yang meninggalkan sumber makanan mereka dan mencari yang baru.

HOME

http://www.metode-algoritma.com/2016/01/artificial-bee-colony-abc-java.html

 JASA PROGRAMMER

Bacterial foraging optimization algorithm (BFOA) Bayesian Network Bi-Polar Slope One Biometrik Bit-Plane Complexity  HARGA

 ORDER

 ABOUT

2/17

7/28/2017

Algoritma Lebah (ABC) Bee Colony Java | Contoh Program HOME

JASA PROGRAMMER

pertama TUTORIAL segerombolan Dalam Algoritma Koloni Lebah ABC, semester

HARGA

ORDER

ABOUT

Blind signature

terdiri dari lebah yang bekerja, dan babak kedua merupakan lebah

Blow sh

penonton.

BPCS

Jumlah lebah dipekerjakan atau lebah penonton adalah sama dengan

Breadth-First Search ( BFS )

jumlah solusi dalam swarm . ABC menghasilkan populasi awal secara

Brute Force

acak dari solusi SN (sumber makanan), di mana menunjukkan ukuran kawanan. mewakili

solusi dalam swarm, Dimana

adalah ukuran dimensi. Setiap lebah bekerja calon baru

menghasilkan solusi

di lingkungan posisinya hadir sebagai persamaan di bawah:

Buble Sort Burrows Wheeler Transformation BWT C-Means C4.5




Caesar



Dimana



nomor acak dalam

 

adalah solusi kandidat yang dipilih secara acak (

indeks dimensi acak dipilih dari himpunan

, dan

),

adalah

adalah

. Setelah solusi calon baru dihasilkan, pilihan

serakah digunakan. Jika nilai tness dari adalah lebih baik dari induknya , kemudian memperbarui

dengan ; dinyatakan tetap

berubah. Setelah semua lebah bekerja menyelesaikan proses pencarian; mereka berbagi informasi dari sumber makanan mereka dengan lebah



4 Suka



penonton melalui tarian mengibas. Lebah penonton mengevaluasi

CART (Classi cation And Regression Trees) Case Based Reasoning CBR Certainty Factor (CF) Cipher

informasi nektar yang diambil dari semua lebah bekerja dan memilih

Cipher Block Chaining (CBC)

sumber makanan dengan probabilitas yang terkait dengan jumlah nektar

CISM

nya. Temukan probabilistik ini benar-benar mekanisme seleksi roda roulette yang digambarkan sebagai persamaan di bawah:

Clonal Selection CLONALG Clustering COBIT


Conjugate Gradient

Dimana

adalah nilai tness dari

solusi dalam swarm. Seperti yang

terlihat, semakin baik solusi saya, semakin tinggi probabilitas

makanan

CRC

yang dipilih. Jika posisi tidak dapat ditingkatkan selama beberapa standar

Cyclic Redundancy Code

(disebut limit) siklus, maka sumber makanan ditinggalkan. Asumsikan

Data Encryption Standard ( DES )

bahwa sumber ditinggalkan adalah

, dan

kemudian lebah pengintai

menemukan sumber makanan baru yang akan diganti dengan

sebagai

persamaan di bawah:

Data Mining DCPChiper Delta Rule


Dimana

adalah nomor acak dalam

distribusi normal dan

didasarkan pada

, lebih rendah dan batas atas dari saya

dimensi, masing-masing.

Deteksi Mata Deteksi Wajah Digital Signal Processing (DSP) Digital Signature Dijkstra Discrete Cosine Transform (DCT)


3/17

7/28/2017


Dalam decade terakhir kecerdasan swarm sudah menjadi minat penelitian oleh banyak ilmuan dari bermacam bidang. Bonabeau mende nisikan kecerdasan swarm sbg upaya untuk merancang algoritma / perangkat pemecahan masalah terdistribusi yg terinspirasi oleh perilaku kolektif dari koloni serangga social & kumpulan hewan lain. tapi, istilah swarm dipakai secra umum untuk mengacu pada kumpulan terbatas dari setiap interaksi agenDalam decade terakhir kecerdasan swarm telah menjadi minat penelitian oleh banyak ilmuan dari berbagai bidang. Bonabeau telah mende nisikan kecerdasan swarm sebagai upaya untuk merancang algoritma / perangkat pemecahan masalah terdistribusi yg terinspirasi oleh perilaku kolektif dari koloni serangga social & kumpulan hewan lain. Namun, istilah swarm digunakan secra umum untuk mengacu pada kumpulan terbatas dari setiap interaksi agen / individu. Salah satu contoh dari swarm adl kawanan lebah yg mengerubungi sarang mereka. Untuk saat ini, telah dikembangkan suatu metode berdasarkankecerdasan buatan yaitu ABC (Arti cial Bee Colony) & beberapa aplikasi yg menggunakan metode ini. Haiyan Quan & Xinling Shi mendiskusikan berbagai macam permasalahan ABC. Perbaikan dlm ABC disarankan dng menganalisis beberapa fungsi oleh haiyan Quan & Xinling Shi. Sebuah paper dari Li-Pei, Wong Malcolm Yoke Hean Low & Chin Soon Chong melakukan penelitian terhadap suatu kegiatan menggunakan pendekatan Algoritma Koloni Lebah ABC dng menyelesaikan suatu permasalahan perjalanan seorang sales berdasarkan pada analisis algoritma Bee Colony. Pengembangan suatu desain lter IIR (In nite Input Respon) oleh Nurhan Karaboga, dng algoritma Bee Colony menjadi dasar pada pengembangan performansi dari lter IIR agar lebih optimal.

Discrete Wavelet Transform Djikstra DTW Dynamic Source Routing ECDSA Eigenface Elgamal Elliptic Curve Cryptography (ECC) Enkripsi Dekripsi Enterprise Resource Planning ERP

4 Suka

Euclid Expectation Maximization Extendible Hashing Face Detection Face Extractor Face Recognition Facebook

ABC merupakan kecerdasan buatan yg menirukan koloni lebah dlm mencari sumber nektahr (sari bunga). Kemampuan koloni lebah dlm menentukan sumber makanan terbagi menjadi tiga kelompok yaitu lebah pekerja, lebah penjelajah & lebah pengintai. lebah-lebah ini melakukan suatu fungsi untuk menentukan letak & besar suatu sumber nectar kemudian mengingat & membandingkan dng sumber lain. Pada akhir fungsi dipilih suatu lokasi dng sumber nectar yg paling optimal.individu.

Fast Data Encipherment ( FEAL ) FCFS FCM Filterbank

Salah satu contoh dari swarm adl kawanan lebah yg mengerubungi sarang

Fire y FA

mereka.

First Come First Server

Untuk saat ini, sudah dikembangkan suatu metode

Fisherface

berdasarkankecerdasan buatan yaitu ABC (Arti cial Bee Colony) &

Floyd Warshall

beberapa aplikasi yg menggunakan metode ini. Haiyan Quan & Xinling Shi mendiskusikan bermacam macam permasalahan ABC. Perbaikan dlm ABC

Forecasting

disarankan dng menganalisis beberapa fungsi oleh haiyan Quan & Xinling

Forward Chaining

Shi. Sebuah paper dari Li-Pei, Wong Malcolm Yoke Hean Low & Chin Soon Chong melakukan penelitian terhadap suatu kegiatan menggunakan

FP-Growth

pendekatan Algoritma Koloni Lebah ABC dng menyelesaikan suatu

Fuzzy

permasalahan perjalanan seorang sales berdasarkan pada analisis algoritma Bee Colony. Pengembangan suatu desain lter IIR (In nite Input Respon) oleh Nurhan Karaboga, dng algoritma Bee Colony menjadi dasar pada pengembangan performansi dari lter IIR agar lebih optimal.

Fuzzy ART Fuzzy C-Means Gauss-Jordan

Algoritma Koloni Lebah ABC merupakan kecerdasan buatan yg menirukan koloni lebah dlm mencari sumber nektahr (sari bunga). Kemampuan koloni lebah dlm menentukan sumber makanan terbagi menjadi tiga http://www.metode-algoritma.com/2016/01/artificial-bee-colony-abc-java.html

Gaussian Generate & Test 4/17

7/28/2017


kelompok yaitu lebah pekerja, lebah penjelajah & lebah pengintai. lebahlebah ini melakukan suatu fungsi untuk menentukan letak & besar suatu sumber nectar kemudian mengingat & membandingkan dng sumber lain. Pada akhir fungsi dipilih suatu lokasi dng sumber nectar yg paling optimal.

Genetika Graph Coloring greedy Green Computing

CONTOH PROGRAM

Guaranteed Scheduling (GS)

Berikut ini adalah contoh program implementasi Algoritma Koloni Lebah

Haar Cascade Classi er

/ Arti cial Bee Colony (ABC) dengan menggunakan bahasa pemrogrman Java.

Hash Hash Satu Arah Hidden Markov Model (HMM)

 Source Code Java

Histogram Equalization

1.

import java.util.ArrayList;

Hopcroft Tarjan Planarity

2.

import java.util.Random;

Hopcroft–Karp

3.

import java.util.Collections;

Hop eld

4. 5.

Hu man

public class ArtificialBeeColony {

Hybrid

6. 7.

/* parameter ABC */

ID3 (Iterative Dichotomiser 3)

8. 9.

public int MAX_LENGTH; dari masalah yang akan dioptimalkan */

/* Jumlah parameter

Identity Based Encryption image processing

10.

public int NP; /* Jumlah ukuran total lebah / koloni. penonton + dipekerjakan */

Implementasi

11.

public int FOOD_NUMBER; /* Jumlah sumber makanan sama dengan setengah dari ukuran koloni */

Independent Component Analysis (ICA)

12.

public int LIMIT; /* Sumber makanan yang tidak dapat ditingkatkan melalui "batas" percobaan */

Iris Recognition

13.

public int MAX_EPOCH; /* Jumlah siklus untuk mencari makan {kriteria berhenti} */

14.

public int MIN_SHUFFLE;

15.

public int MAX_SHUFFLE;

IS Strategic Planning Jaringan Syaraf Tiruan (JST) Josephus Problem JST

16. 17.

public Random rand;

18.

public ArrayList foodSources;

19.

public ArrayList solutions;

20.

public Honey gBest;

21.

public int epoch;

K-means K-Nearest Neighbors (KNN) KASUMI knowledge management

22. 23. 24. 25. 26.

4 Suka

Kohonen /* Instantiates algoritma Koloni lebah Buatan Bersama DENGAN parameter. */ public ArtificialBeeColony(int n) {

Kruskal

MAX_LENGTH = n; NP = 40; Ukuran pop 20 sampai 40 atau bahkan 100

27.

FOOD_NUMBER = NP/2;

28.

LIMIT = 50;


kriptogra

//

Latent Semantic Indexing Least Signi cant Bit (LSB) Linear Programming 5/17

7/28/2017

Algoritma Lebah (ABC) Bee Colony Java | Contoh Program 29.

MAX_EPOCH = 1000;

30.

MIN_SHUFFLE = 8;

31.

MAX_SHUFFLE = 20;

32.

gBest = null;

33.

epoch = 0;

34.

Logika Fuzzy LOKI LOOK

}

Low Bit Coding

35. 36. 37.

Linked List

/* Mulai algoritma optimasi segerombolan partikel pemecahan untuk n ratu. */ public boolean algorithm() {

LSB LSI Mac

38.

foodSources = new ArrayList();

39.

solutions = new ArrayList();

40.

rand = new Random();

Mamdani

41.

boolean done = false;

MANET

42.

epoch = 0;

4

MDF

43. initialize();

45.

memorizeBestFoodSource();

Metode Fisherface

46.

Metode Gra k

while(!done) {

48.

if(epoch < MAX_EPOCH) {

49.

if(gBest.getConflicts() == 0) {

50.

done = true;

metode LSB Metode Mamdani

51.

}

Metode Secant

52.

sendEmployedBees();

MFCC

53.

getFitness();

54.

calculateProbabilities();

55.

sendOnlookerBees();

56.

memorizeBestFoodSource();

mobile

57.

sendScoutBees();

Mobile Ad hoc Network

58. 59.

// di sini hanya untuk menunjukkan status runtime.

Minimum Spanning Tree

Monte Carlo MTVRP

61.

System.out.println("Epoch: " + epoch);

62.

Naive Bayes

} else {

63.

done = true;

64.

}

Naive Bayes Classi er negascout

65.

Neural Network

}

Newton Raphson

67. 68.

if(epoch == MAX_EPOCH) {

69.

System.out.println("Tidak ada solusi ditemukan");

70. 71.

Minimax

Modi ed Direction Feature

epoch++;

60.

66.

Suka

Mel-frequency Cepstrum Coe cients (MFCC)

44.

47.

Maksimum Likelihood

done = false; }


One Way Hash Online Learning Open Shortest Path First Open System Interconnection 6/17

7/28/2017


Optimasi

73.

System.out.println("Selesai.");

74.

System.out.println("Komplet " + epoch + " epochs.");

OSI

75. 76.

for(Honey h: foodSources) {

77.

if(h.getConflicts() == 0) {

78.

System.out.println("SOLUTION");

79.

solutions.add(h);

80.

printSolution(h);

81. System.out.println("conflicts:"+h.getConflicts()); 82.

}

83.

return done;

86.

Pagerank Parity Coding Particle Swarm Optimization (PSO) Pattern Recognition

}

88.

Pemrograman Linear

4 Suka

Pencarian Akar

87. /* Mengirimkan lebah pekerja untuk mengoptimalkan solusi

Pencarian Jalur Terpendek Pencarian Linear

*/ 89.

public void sendEmployedBees() {

90.

int neighborBeeIndex = 0;

91.

Honey currentBee = null;

92.

Honey neighborBee = null;

93.

Pencocokan Sidik Jari Pengenalan Iris Mata Pengenalan Objeck Pengenalan Pola

94.

for(int i = 0; i < FOOD_NUMBER; i++) {

95.

// Sebuah solusi yang dipilih secara acak

96.

// dalam memproduksi solusi mutan dari solusi i

97.

// neighbor = getRandomNumber (0, Food_Number-1); neighborBeeIndex = getExclusiveRandomNumber(FOOD_NUMBER-1, i);

99.

currentBee = foodSources.get(i);

100.

neighborBee = foodSources.get(neighborBeeIndex);

101.

sendToWork(currentBee, neighborBee);

102.

}

103.

Pengenalan Suara Pengenalan Ucapan

digunakan

Pengenalan Wajah Pengolahan Citra Pengolahan Citra Digital Pengukuran Garis-Garis Telapak Tangan Penjadwalan Penjadwalan CPU

}

Peramalan

104. 105.

/* Mengirim lebah penonton untuk mengoptimalkan solusi. * Lebah penonton bekerja pada solusi terbaik dari lebah yang digunakan.

107.

* solusi terbaik memiliki probabilitas tinggi pilihan. */

108.

Otsu

PCA

85.

106.

OSPF

}

84.

98.

OS X

public void sendOnlookerBees() {

Perataan Histogram Perceptron Persamaan Linier Pewarnaan Graf

109.

int i = 0;

Pewarnaan Simpul Graph

110.

int t = 0;

Pohon Hu man

111.

int neighborBeeIndex = 0;

112.


Prim Principal Component Analisys


7/17

7/28/2017


Honey neighborBee = null;

114. 115.

while(t < FOOD_NUMBER) {

116. 117.

currentBee = foodSources.get(i); if(rand.nextDouble() < currentBee.getSelectionProbability()) {

118. 119.

neighborBeeIndex = getExclusiveRandomNumber(FOOD_NUMBER-1, i);

120.

neighborBee = foodSources.get(neighborBeeIndex); sendToWork(currentBee, neighborBee);

122.

}

123.

i++;

124.

if(i == FOOD_NUMBER) {

125. }

127. 128.

RC4 RC6

Recognition Recurrent Neural Network Recursive Best First Search (RBFS) Recursive Large First

i = 0;

126.

Random Waypoint

real time tracking

t++;

121.

Quantum

}

Recursive Largest First Region of Interest (ROI)

4 Suka

Rijndael Risk Management

}

RLF

129. 130.

/* Optimalisasi bagian dari algoritma. meningkatkan lebah saat ini

131.

* dengan memilih tetangga lebah acak. perubahan adalah nomor

132.

* secara acak kali untuk mencoba dan meningkatkan solusi saat. */

133.

public void sendToWork(Honey currentBee, Honey neighborBee) {

RMSE RNN Root Mean square Error RSA RWP SAFER

134.

int newValue = 0;

135.

int tempValue = 0;

Secant

136.

int tempIndex = 0;

Secret Sharing Scheme

137.

int prevConflicts = 0;

138.

int currConflicts = 0;

139.

int parameterToChange = 0;

140. 141.

// dapatkan jumlah konflik

142.

prevConflicts = currentBee.getConflicts();

143.

Secure And Fast Encryption Routine (SAFER) Self Organizing Map (SOM) Semut SHA (Secure Hash Algorithm) SHA-256

144.

// Parameter yang akan diubah ditentukan secara acak

145.

parameterToChange = getRandomNumber(0, MAX_LENGTH-1);

Sidik Jari Simulated Annealing

146. 147.

/* v_{ij}=x_{ij}+\phi_{ij}*(x_{kj}-x_{ij})

148.

* solution[param2change]=Foods[i][param2change]+ (Foods[i]

149.

* [param2change]-Foods[neighbour][param2change])*(r0.5)*2;

150.

*/

151.

tempValue = currentBee.getNectar(parameterToChange);


SISP Sistem Biometrika Sistem Veri kasi Biometrik Slope One Slope One predictors

8/17

7/28/2017


newValue = (int)(tempValue+(tempValue neighborBee.getNectar(parameterToChange))* (rand.nextDouble()-0.5)*2);

153. 154.

sorting Source Code Spanning Tree

// perangkap nilai dalam batas terikat dan batas bawah atas

155.

if(newValue < 0) {

156.

newValue = 0;

157.

}

158.

if(newValue > MAX_LENGTH-1) {

159.

newValue = MAX_LENGTH-1;

160.

}

Speech Speech Recognition Steganogra Steganography Stream Cipher Support Vector Machine (SVM)

161. 162.

// mendapatkan indeks dari nilai baru

163.

tempIndex = currentBee.getIndex(newValue);

Tabu Search Tanda Tangan Digital 4

164.

Technopreneurship

165.

// swap

166.

currentBee.setNectar(parameterToChange, newValue);

167.

currentBee.setNectar(tempIndex, tempValue);

Thresholding

168.

currentBee.computeConflicts();

Transformasi Burrows Wheeler

169.

currConflicts = currentBee.getConflicts();

170. 171. 172.

// proses seleksi greedy if(prevConflicts < currConflicts) { // tidak ada perbaikan

173.

currentBee.setNectar(parameterToChange,

174.

currentBee.setNectar(tempIndex, newValue);

175.


176.

currentBee.setTrials(currentBee.getTrials() + 1); } else { // ada perbaikan

178.

currentBee.setTrials(0);

179.

}

}

/* Menemukan sumber makanan yang telah ditinggalkan / mencapai batas.

184.

* Lebah pengintai akan menghasilkan solusi benar-benar acak

185. 186. 187.

Transformasi Wavelet Diskrit Transformasi Wavelet Kontinu Traveling Salesman Problem

Travelling Salesman problem TSP Tsukamoto Two sh Vernam Cipher

Video Watermarking

182. 183.

Transformasi Fourier

Video Encryption Algorithm (VEA)

180. 181.

Teorema Bayes

Travelling Salesman (TSP)

tempValue);

177.

Suka

* dari yang sudah ada dan juga akan mengatur ulang uji coba kembali ke nol. */

Vigenere Cipher Viola Jones Voice Recognition Watermarking WDM

public void sendScoutBees() {

188.


189.

int shuffles = 0;

190.


Web Service Weighted Slope One Welch dan Powell 9/17

7/28/2017


for(int i =0; i < FOOD_NUMBER; i++) {

192.

currentBee = foodSources.get(i);

193.

if(currentBee.getTrials() >= LIMIT) {

194.

shuffles = getRandomNumber(MIN_SHUFFLE, MAX_SHUFFLE);

195.

Welsh Powell WMS

.

for(int j = 0; j < shuffles; j++) {

196.

randomlyArrange(i);

197.

}

198.


199.

currentBee.setTrials(0);

200. 201.

}

202.

}

203.

}

204.

4

205.

/* Menetapkan kebugaran setiap solusi berdasarkan

Suka

konflik 206.

*/

207.

public void getFitness() {

208.

// kesalahan terendah = 100%, kesalahan tertinggi = 0%

209.

Honey thisFood = null;

210.

double bestScore = 0.0;

211.

double worstScore = 0.0;

212. 213.

// Nilai terburuk akan menjadi satu dengan energi tertinggi, terbaik akan terendah.

214.

worstScore = Collections.max(foodSources).getConflicts();

215. 216. 217.

// Mengkonversi ke persentase. bestScore = worstScore Collections.min(foodSources).getConflicts();

218. 219.


220.

thisFood = foodSources.get(i);

221.

thisFood.setFitness((worstScore thisFood.getConflicts()) * 100.0 / bestScore);

222. 223.

} }

224. 225. 226. 227.

/* Menetapkan probabilitas pemilihan masing-masing solusi. * semakin tinggi kebugaran semakin besar probabilitas */

228.

public void calculateProbabilities() {

229.

Honey thisFood = null;

230.

double maxfit = foodSources.get(0).getFitness();


10/17

7/28/2017

Algoritma Lebah (ABC) Bee Colony Java | Contoh Program 231. 232.


233.

thisFood = foodSources.get(i);

234.

if(thisFood.getFitness() > maxfit) {

235.

maxfit = thisFood.getFitness();

236.

}

237.

}

238. 239.

for(int j = 0; j < FOOD_NUMBER; j++) {

240.

thisFood = foodSources.get(j);

241.

thisFood.setSelectionProbability((0.9* (thisFood.getFitness()/maxfit))+0.1);

242. 243.

} }

244. 245.

4

/* Menginisialisasi semua penempatan solusi 'ratu dalam posisi acak.

246. 247.

Suka

*/ public void initialize() {

248.

int newFoodIndex = 0;

249.

int shuffles = 0;

250. 251.


252.

Honey newHoney = new Honey(MAX_LENGTH);

253. 254.

foodSources.add(newHoney);

255.

newFoodIndex = foodSources.indexOf(newHoney);

256. 257.

shuffles = getRandomNumber(MIN_SHUFFLE, MAX_SHUFFLE);

258. 259.

for(int j = 0; j < shuffles; j++) {

260.

randomlyArrange(newFoodIndex);

261.

}

262. 263.

foodSources.get(newFoodIndex).computeConflicts();

264. 265.

} // i }

266. 267.

/* Mendapat nomor acak di kisaran parameter

268. 269. 270. 271.

*/ public int getRandomNumber(int low, int high) { return (int)Math.round((high - low) * rand.nextDouble() + low); }

272. 273.

/* Mendapat nomor acak dengan pengecualian parameter


11/17

7/28/2017


*/

275.

public int getExclusiveRandomNumber(int high, int except) {

276.

boolean done = false;

277.

int getRand = 0;

278. 279.

while(!done) {

280.

getRand = rand.nextInt(high);

281.

if(getRand != except){

282.

done = true;

283.

}

284.

}

285. 286. 287.

return getRand; }

4 Suka

288. 289.

/* Perubahan posisi dari ratu di sebuah partikel dengan menukar posisi yang dipilih secara acak

290. 291.

*/ public void randomlyArrange(int index) {

292. 293.

int positionA = getRandomNumber(0, MAX_LENGTH - 1); int positionB = getExclusiveRandomNumber(MAX_LENGTH 1, positionA);

294.

Honey thisHoney = foodSources.get(index);

295.

int temp = thisHoney.getNectar(positionA);

296.

thisHoney.setNectar(positionA, thisHoney.getNectar(positionB));

297. 298.

thisHoney.setNectar(positionB, temp); }

299. 300.

/* Menghafal solusi terbaik

301. 302.

*/ public void memorizeBestFoodSource() {

303. 304.

gBest = Collections.min(foodSources); }

305. 306. 307. 308. 309.

/* Mencetak papan nxn dengan ratu */ public void printSolution(Honey solution) { String board[][] = new String[MAX_LENGTH] [MAX_LENGTH];

310. 311.

// Bersihkan papan.

312.

for(int x = 0; x < MAX_LENGTH; x++) {

313.

for(int y = 0; y < MAX_LENGTH; y++) {

314. 315.

board[x][y] = ""; }


12/17

7/28/2017


}

317. 318.


319.

board[x][solution.getNectar(x)] = "Q";

320.

}

321. 322.

// tampilkan papan.

323.

System.out.println("Board:");

324.

for(int y = 0; y < MAX_LENGTH; y++) {

325.


326.

if(board[x][y] == "Q") {

327.

System.out.print("Q ");

328.

} else {

329.

System.out.print(". ");

330.

}

331.

}

332.

System.out.print("\n");

333. 334.

4 Suka

} }

335. 336.

/*Dapatkan solusi

337.

*/

338.

public ArrayList getSolutions() {

339.

return solutions;

340.

}

341. 342.

/* dapatkan nilai epoch

343.

*/

344.

public int getEpoch() {

345.

return epoch;

346.

}

347. 348.

/* set epoch maksimum

349.

*/

350.

public void setMaxEpoch(int newMaxEpoch) {

351. 352.

this.MAX_EPOCH = newMaxEpoch; }

353. 354.

/* dapatkan besar populasi

355. 356.

*/ public int getPopSize() {

357. 358.

return foodSources.size(); }

359. 360. 361.

/* mendapat ukuran awal */


13/17

7/28/2017


public int getStartSize() {

363.

return NP;

364.

}

365. 366.

/* dapatkan jumlah makanan

367.

*/

368.

public double getFoodNum() {

369.

return FOOD_NUMBER;

370.

}

371. 372.

/* mendapat batas untuk uji coba untuk semua sumber makanan

373.

*/

374.

public int getLimit() {

375.

return LIMIT;

376.

4 Suka

}

377. 378.

/* menetapkan batas untuk uji coba untuk semua sumber makanan

379.

*/

380.

public void setLimit(int newLimit) {

381.

this.LIMIT = newLimit;

382.

}

383. 384.

/* mendapatkan epoch maksimum

385.

*/

386.

public int getMaxEpoch() {

387.

return MAX_EPOCH;

388.

}

389. 390.

/* dapatkan min shuffle

391.

*/

392.

public int getShuffleMin() {

393.

return MIN_SHUFFLE;

394.

}

395. 396.

/* dapatkan max shuffle

397.

*/

398.

public int getShuffleMax() {

399.

return MAX_SHUFFLE;

400. 401.

} }

402.


14/17

7/28/2017


Konsultasi Gratis Jika ada yang ingin di tanyakan, Kamu bisa melakukan konsultasi gratis kepada team metode-algoritma.com melalui form di bawah. Mohon isi email dengan benar, karena hasil konsultasi akan di kirimkan ke email kamu.

Name: *

E-Mail: *

Subject: * 4 Suka

Message: *

I'm not a robot reCAPTCHA Privacy - Terms

Send message! All fields marked with * are required.

POSTING LEBIH BARU

POSTING LAMA

Metode Algoritma Email: [email protected] Indonesia Mampang Raya XII No. 30 A Jakarta, Indonesia sms :(+62) 85625 49338 Singapore 238B Thomson Road #17-00 Tower B Novena Square Singapore sms :(+65) 6415 3540


15/17

7/28/2017


Company Tentang Kami Fakta serta Figur Mengapa memilih kami Model Pengerjaan Aplikasi Model Konsultasi Prosedur serta Proses kerjasama Pertanyaan serta Jawaban Persetujuan Testimonials Contact Sitemap Blog Tutorial + Source Code

Service

4 Suka

Jasa murah programmer : pembuatan program untuk umum dan mahasiswa ( Tesis, Skripsi, Tugas Akhir ) JAKARTA BANDUNG SURABAYA YOGYAKARTA MALANG PALEMBANG SEMARANG MEDAN BOGOR BALI DENPASAR LAMPUNG SOLO SURABAYA BANDUNG

Portfolio Implementasi Algoritma Steganogra Kriptogra Watermaking Keamanan Data Pengenalan Objek Wajah Suara Wavelet Quantization Implentasi Model Forecasting Implementasi Data Minging Kecerdasan Buatan (AI) Decision Support Systems Sistem Ahli (ES) Implementasi Shortest Path Mikrotik serta Robotika Networking Keamanan Jaringan Histogram Pemetaan Mobile Expert System Dan lainnya

Technology C# .Net PHP AS3 Java Delphi Matlab Objective C Visual Basic iOS Android Blackberry http://www.metode-algoritma.com/2016/01/artificial-bee-colony-abc-java.html

16/17

7/28/2017


Symbian OS Windows Phone Copyright © 2013 metode-algoritma.com Allright Reserved|about|sitemap|

4 Suka


17/17

Algoritma Lebah (ABC) Bee Colony Java _ Contoh Program

Recommend Documents