Algoritma pengoptimuman berinspirasikan biologi (BIAs) telah menunjukkan keputusan yang memberangsangkan dalam pelbagai bidang. Salah satu BIAs ialah algoritma pengoptimuman Koloni Lebah Buatan (ABC) yang telah menunjukkan prestasi yang cemerlang dalam banyak aplikasi berbanding algoritma pengoptimuman yang lain. Walau bagaimanapun, ada kalanya prestasi ABC meleset dengan peningkatan kerumitan masalah pengoptimuman. ABC biasanya mempunyai kadar penumpuan yang lambat bagi fungsi unimodal dan menghasilkan penumpuan pra-matang bagi fungsi multimodal yang kompleks. Para penyelidik telah mencadangkan pelbagai varian ABC bagi mengatasi masalah-masalah ini. Namun, varian-varian tersebut gagal untuk mengatasi kedua-dua masalah tersebut secara serentak. Oleh itu, kerja penyelidikan ini mencadangkan enam varian ABC terubahsuai dan enam algoritma memetik ABC bertujuan mengatasi masalah kadar penumpuan yang lambat dan penumpuan pra-matang. Varian-varian ABC terubahsuai telah dibina dengan memasukkan peringkat-peringkat pemprosesan baharu ke dalam algoritma ABC piawai dan mengubahsuai fasa-fasa employed-bees dan onlooker-bees bagi mengimbangi keupayaan eksplorasi dan eksploitasi algoritma berkenaan. Algoritma memetik ABC pula telah dibina dengan menghibridkan varian-varian ABC yang diubahsuai dengan satu teknik pencarian lokal, Carian Evolusi Kecerunan (EGS) yang diubahsuai. Prestasi semua varian ABC terubahsuai dan algoritma memetik ABC yang diformulasi telah dinilai berdasarkan 27 fungsi penanda aras. Varian ABC terubahsuai dan algoritma memetik ABC dengan prestasi terbaik telah dikenalpasti. Bagi mengesahkan keteguhan, varian ABC terubahsuai dan memetik ABC dengan prestasi terbaik telah diaplikasikan ke dalam tiga aplikasi sebenar; pengoptimuman kuasa reaktif (RPO), penghantaran elektrik yang ekonomi dan mematuhi alam sekitar (EED) serta reka bentuk penapis IIR digital optima. Keputusan yang diperolehi telah menunjukkan keunggulan varian dan memetik ABC yang dicadangkan terutamanya JA-ABC5a, JA-ABC9 dan EGSJAABC9, berbanding varian dan memetik ABC sedia ada. Sebagai contoh, EGSJAABC9 dapat menghasilkan kehilangan kuasa paling minima berbanding algoritma-algoritma yang lain. EGSJAABC9 juga telah memperolehi nilai EED paling minima iaitu 1.1656E+05 ($(lb)) untuk sistem 6-penjana sementara JA-ABC9 dan EGSJAABC9 memperolehi nilai EED paling kurang iaitu 1.1656E+05 ($(lb)) untuk sistem 10-penjana. Sementara itu, EGSJAABC9 telah memperolehi keputusan yang terbaik dalam mengoptimumkan penapis LP, BP dan BS dengan nilai ralat sambutan magnitud 8.41E-03, 0.00E+00 dan 5.70E-01 masing-masing. Bagi mengoptimumkan penapis HP, EGSJAABC9 adalah yang kedua terbaik. Keputusan ini menunjukkan bahawa varian-varian ABC terubahsuai dan memetik ABC yang dicadangkan terutamanya EGSJAABC9 adalah algoritma pengoptimuman yang teguh kerana mampu untuk menumpu dengan pantas dan mengelak daripada penumpuan pra-matang dalam menyelesaikan masalah pengoptimuman yang kompleks.
__________________________________________________________________________________
Bio-inspired optimization algorithms (BIAs) have shown promising results in various diverse realms. One of BIAs, artificial bee colony (ABC) optimization algorithm, has shown excellent performance in many applications compared to other optimization algorithms. However, its performance sometimes deteriorates as the complexity of optimization problems increases. ABC normally has slow convergence rates on unimodal functions and yields premature convergence on complex multimodal functions. Researchers have proposed various ABC variants in order to overcome these problems. Nevertheless, the variants still fail to avoid both limitations simultaneously. Hence, this research work proposes six modified ABC variants and six memetic ABC algorithms with the aim of overcoming the problems of slow convergence rates and premature convergence. The modified ABC variants have been developed by inserting new processing stages into the standard ABC algorithm and modifying the employed-bees and onlooker-bees phases to balance out the exploration and exploitation capabilities of the algorithm. The proposed memetic ABC algorithms have been developed by hybridizing the proposed ABC variants with a local search technique, augmented evolutionary gradient search (EGS). The performances of all modified ABC variants and formulated memetic ABC algorithms have been evaluated on 27 benchmark functions. The best-performed modified ABC variants and memetic ABC algorithms are identified. To validate their robustness, the identified best-performed modified ABC variants and memetic ABC algorithms have been applied in three real-world applications; reactive power optimization (RPO), economic environmental dispatch (EED) and optimal digital IIR filter design. The obtained results have shown the superiority of the proposed optimization algorithms particularly JA-ABC5a, JA-ABC9 and EGSJAABC9 in comparison to the existing ABC variants and memetic ABC algorithm. For example, EGSJAABC9 has produced the most minimum power loss in comparison to other algorithms. Also, EGSJAABC9 has obtained the minimum EED value of 6.5593E+04 ($(lb)) for 6-generatior unit system while JA-ABC9 and EGSJAABC9 acquired the least EED value of 1.1656E+05 ($(lb)) for 10-generator unit system. Meanwhile, EGSJAABC9 has attained the best results at optimizing LP, BP and BS filters with 8.41E-03, 0.00E+00 and 5.70E-01 values of magnitude response error, respectively. As for optimizing HP filter, EGSJAABC9 is the second best. These results show that the proposed ABC variants and memetic ABC algorithms particularly EGSJAABC9 are robust optimization algorithms as they are able to converge faster and avoid premature convergence when dealing with complex optimization problems.
Development of artificial bee colony (abc) variants and memetic optimization algorithms_ Noorazliza Sulaiman_E3_2017_MYMY