Dari Tarian Kawanan Burung dan Ikan Ke Algoritma Evolutionary Computing

Kawanan burung yang terbang di langit dan kawanan ikan yang berenang di laut dengan formasi yang dinamis dan perubahan arah secara tiba-tiba seringkali memukau mata. Gerakan-gerakan yang kompak dan mempesona ini seolah-olah dirancang oleh koreografer handal. Keindahaan estetika pola-pola kawanan burung dan ikan juga menunjukkan kemampuan mereka dalam beradaptasi dengan lingkungan. Menurut E.O. Wilson, seorang ahli sosiobiologi dari Amerika Serikat, bahwa secara teori setiap anggota kawanan dapat mengambil manfaat dari pengalaman dan pengetahuan anggota lain saat mencari makanan. Pengetahuan ini dapat menguntungkan kawanan ketika sumber makanan tersebar tidak merata dan sulit diprediksi keberadaannya.

Beberapa peneliti memiliki ketertarikan dalam menginterpretasikan pergerakan organisme seperti kawanan burung dan ikan. Pada tahun 1983, Reeves merancang sistem partikel untuk memodelkan dinamika objek yang tidak bisa dilakukan dengan grid atau elemen seperti pada metode beda hingga atau metode elemen hingga. Contoh objek-objek ini diantaranya api, air, dan asap di mana objek-objek ini memiliki geometri atau bentuk yang berubah-ubah. Untuk meniru objek-objek ini, partikel-partikel bergerak berdasarkan aturan tertentu. Kemudian Reynold (1987) mengembangkan metode untuk mensimulasikan kawanan burung dengan sistem partikel. Reynold pada saat itu tertarik dengan estetika koreografi kawanan burung. Lalu Heppner dan Grenander pada tahun 1990 mengenalkan konsep sarang burung (roost) di mana kawanan burung bergerak menuju sarang ini. Konsep inilah yang kemudian menjadi aturan yang diikuti oleh kawanan burung di dalam simulasi komputer.

Konsep optimasi dengan pendekatan kawanan (swarm) pertama kali diperkenalkan oleh Kennedy dan Eberhart pada tahun 1995 yang kemudian konsep optimasi ini disebut Particle Swarm Optimization (PSO). Formulasi matematis dinamika partikel seperti posisi dan kecepatan juga dirumuskan pada tahun tersebut. Selanjutnya, perkembangan PSO menjadi PSO konvensional dilakukan oleh Shi dan Eberhart pada tahun 1998. Pada tahun-tahun setelahnya hingga sekarang PSO telah berkembang pesat. Perkembangan ini diantaranya muncul PSO dengan modifikasi persamaan dasar PSO dan hibridisasi atau penggabungan PSO dengan metode optimasi dan algoritma machine learning lainnya seperti artificial neural network, support vector machine, dan quantum computing. 

Gambar 1. Simulasi PSO untuk mendekati nilai optimal (nilai minimum).

 

Salah satu implementasi PSO adalah mendekati nilai minimum sebuah fungsi bola dua dimensi seperti yang ditunjukkan oleh Gambar 1. Fungsi ini memiliki nilai minimum di koordinat (0,0). Pada awalnya kawanan burung (partikel) tersebar kemudian seiring berjalannya waktu kawanan burung bergerak secara dinamis berdasarkan informasi dari masing-masing individu. Kemudian pada akhirnya kawanan menuju pada suatu nilai minimum. -Harmon-

 Referensi:

Gad, A.G., 2022. Particle swarm optimization algorithm and its applications: a systematic review. Archives of computational methods in engineering, 29(5), pp.2531-2561. https://doi.org/10.1007/s11831-021-09694-4

Heppner, F. And U. Grenander, 1990. A stochastic nonlinear model for coordinated bird flocks. The ubiquity of chaos. AAAS Publications, Washington, DC.

Kennedy, J. and Eberhart, R., 1995, November. Particle swarm optimization. In Proceedings of ICNN'95-international conference on neural networks (Vol. 4, pp. 1942-1948). IEEE. https://doi.org/10.1109/ICNN.1995.488968

Reeves, W.T., 1998. Particle systems—a technique for modeling a class of fuzzy objects. In Seminal graphics: pioneering efforts that shaped the field (pp. 203-220). https://doi.org/10.1145/280811.28099

Reynolds, C.W., 1987, August. Flocks, herds and schools: A distributed behavioral model. In Proceedings of the 14th annual conference on Computer graphics and interactive techniques (pp. 25-34). https://doi.org/10.1145/37401.37406

Shi, Y. and Eberhart, R., 1998, May. A modified particle swarm optimizer. In 1998 IEEE international conference on evolutionary computation proceedings. IEEE world congress on computational intelligence (Cat. No. 98TH8360) (pp. 69-73). IEEE. https://doi.org/10.1109/ICEC.1998.699146

Wilson, E.O., 2000. Sociobiology: The new synthesis. Harvard University Press.