Hyper Sudoku Solver dengan Menggunakan Harris Hawks Optimization Algorithm

Authors

  • Eric Dinata Institut Sains dan Teknologi Terpadu Surabaya
  • Herman Budianto Institut Sains dan Teknologi Terpadu Surabaya
  • Hendrawan Armanto Institut Sains dan Teknologi Terpadu Surabaya

DOI:

https://doi.org/10.52985/insyst.v2i1.153

Keywords:

HHO, Hyper Sudoku, Metaheuristik, Populasi, Iterasi, Optimasi

Abstract

Sudoku merupakan salah satu permainan klasik yang digemari banyak orang. Sebagai salah satu permainan papan, Sudoku mempunyai banyak varian, salah satunya Hyper Sudoku. Hyper Sudoku mempunyai tingkat kesulitas yang lebih tinggi daripada Sudoku biasa. Tingkat kompleksitas yang tinggi membuat pemainan ini menjadi brain teaser yang baik dan sangat cocok diambil sebagai media untuk menguji algoritma metaheuristik. Algoritma yang populer pada dekade terakhir ini adalah algoritma metaheuristik berbasis populasi, yang mengadaptasi perilaku binatang dalam memecahkan permasalahan optimasi, salah satunya adalah Harris Hawks Optimization (HHO). Seperti kebanyakan metode swarm intelligence (SI) lainnya, algoritma ini mengandalkan proses diversification dan intensification. Selain itu, HHO mempunyai empat strategi khusus untuk mencari solusi dengan kondisi yang berbeda. HHO mampu mencakup solusi multi dimensi, sehingga sangat cocok diimplementasikan pada persoalan Hyper Sudoku. Untuk uji coba, peneliti menggunakan bantuan aplikasi Visual Studio 2017 dan MATLAB R2018a. Pada proses pengujian, digunakan dua setting parameter yang berbeda, tiga macam persoalan Hyper Sudoku, dan tiga puluh independent run untuk mencapai hasil yang diinginkan. Berdasarkan hasil pengujian, dapat disimpulkan bahwa tingkat keberhasilan untuk mencari solusi pada persoalan Hyper Sudoku dengan menggunakan HHO berkisar antara 86 hingga 88%, dilihat dari fitness value-nya.

References

A. A. Heidari, S. Mirjalili, H. Faris, I. Aljarah, M. Mafarja, and H. Chen, “Harris hawks optimization: Algorithm and applications,” Futur. Gener. Comput. Syst., vol. 97, 2019, doi: 10.1016/j.future.2019.02.028.

C. Qu, W. He, X. Peng, and X. Peng, “Harris hawks optimization with information exchange,” Appl. Math. Model., vol. 84, pp. 52–75, 2020.

Y. Liu et al., “Horizontal and vertical crossover of Harris hawk optimizer with Nelder-Mead simplex for parameter estimation of photovoltaic models,” Energy Convers. Manag., vol. 223, 2020, doi: 10.1016/j.enconman.2020.113211.

J. M. Weiss, “Genetic algorithms and sudoku,” in Midwest Instruction and Computing Symposium (MICS 2009), 2009, pp. 1–9.

B. Michel, “Mathematics of NRC-Sudoku,” 2007.

M. Weller, “Counting, generating, and solving Sudoku,” Ph. D. Diss., 2008.

A. Moraglio and J. Togelius, “Geometric particle swarm optimization for the sudoku puzzle,” in Proceedings of the 9th annual conference on Genetic and evolutionary computation, 2007, pp. 118–125.

S. McGerty, “Solving Sudoku puzzles with particle swarm optimisation,” Final Report, Macquarie Univ., 2009.

Downloads

Published

2020-04-01