Analisis Hasil Eksperimen dan Visualisasi

Dalam eksperimen pencarian jalur robot gudang multi-tujuan EvoX,“sekali menghasilkan solusi yang tampak bagus” tidak berarti optimasi benar-benar berkembang. Untuk menilai apakah suatu proses berjalan dapat dipercaya, kita harus memperoleh dua jenis bukti sekaligus: yang pertama menggambarkanproses pencarian(kurva konvergensi setiap tujuan seiring bertambahnya generasi iterasi), dan yang kedua menggambarkansolusi akhir(visualisasi jalur dan tabel metrik pada tata letak gudang tetap). Kurva hanya menjawab “apakah pencarian bergerak”, sedangkan jalur dan metrik yang menjawab “apakah hasilnya dapat digunakan”.

I. Baca Dulu Kurva Konvergensi: Apa yang Terjadi pada Proses Pencarian

Gambarkan setiap nilai tujuan terhadap generasi iterasi sebagai kurva; yang diamati adalahtrenbukan nilai pada satu titik tertentu. Empat pola umum dalam praktik teknik perlu dibedakan secara jelas:

Perbaikan berkelanjutan: kurva turun secara stabil pada fase awal-menengah (atau metrik keseluruhan naik secara stabil), menandakan populasi masih melakukan pencarian yang efektif dan operasi crossover serta mutasi terus menghasilkan kandidat solusi yang lebih baik.
Osilasi: kurva naik-turun tanpa arah jangka panjang yang jelas, biasanya berasal dari noise evaluasi, konflik kendala, atau keberagaman yang terlalu besar; perlu memeriksa fungsi evaluasi dan pengaturan parameter.
Stagnasi: kurva hampir mendatar pada suatu rentang, tetapi masih mungkin membaik lagi pada generasi berikutnya; termasuk “kehilangan arah perbaikan untuk sementara”.
Konvergensi prematur: mendatar sepenuhnya sejak awal dan tidak pulih lagi; umumnya karena hilangnya keberagaman populasi atau ruang solusi yang terkompresi terlalu dini.

II. Tinjau Kembali Jalur Akhir pada Tata Letak Gudang Tetap

Tumpangkan jalur optimal hasil evolusi dan jalur pembanding padapeta gudang tetap yang sama, lalu periksa tiga hal: apakah jalur benar-benar dapat dilalui, apakah penghindaran rintangan sudah wajar, dan apakah segmen terakhir yang mendekati titik akhir sudah stabil. Tata letak tetap adalah kendala utama—hanya jika lingkungan tidak berubah, perbedaan jalur antar proses berjalan atau antar pengaturan parameter dapat diatribusikan pada optimasi itu sendiri, bukan karena petanya berubah.

III. Dukung Kesimpulan dengan Data Eksperimen yang Lengkap

Hanya yang dapat direproduksi yang layak disebut kesimpulan. Simpan dan verifikasi: konfigurasi proses berjalan dan random seed, log iterasi, nilai setiap tujuan per generasi, jalur akhir dan hasil evaluasi. Bila perlu, lakukan pengulangan proses atau pemeriksaan silang untuk memastikan kesimpulan yang sama tetap berlaku secara stabil. Jika kurva tidak lagi menunjukkan perbaikan berarti di fase akhir, nilai dengan log lengkap apakah itu konvergensi prematur, saturasi evaluasi, atau sudah mendekati solusi yang dapat digunakan; jangan mengambil kesimpulan hanya dari satu tangkapan layar.

Kesalahan penilaian umum

Kurva yang mulus lalu mendatar sejak awal tidak otomatis berarti “solusi optimal telah ditemukan”, dan juga tidak otomatis berarti “algoritma gagal”; begitu pula, jalur yang tampak bagus tidak berarti pencarian stabil. Hasil optimal dari satu kali pengujian bisa jadi merupakan perbaikan nyata, tetapi bisa juga produk dari fluktuasi acak atau saturasi evaluasi—tren proses dan hasil akhir harus saling menguatkan.

Interpretasi Kurva Konvergensi dan Hasil Pencarian Jalur

Ilustrasi ini menafsirkan proses pencarian dan solusi akhir secara bersamaan: kurva konvergensi mencerminkan tren setiap tujuan seiring iterasi, sehingga perlu dibedakan antara perbaikan berkelanjutan, osilasi, stagnasi, dan konvergensi prematur; sedangkan peta jalur dan tabel metrik pada tata letak gudang tetap menjawab apakah hasilnya dapat digunakan. Hanya ketika tren proses dan jalur akhir saling menguatkan, kita dapat menyingkirkan kesalahan penilaian yang disebabkan oleh hasil bagus dari satu kali pengujian.

Pertanyaan 1

Mengenai hubungan antara “kurva konvergensi” dan “visualisasi jalur akhir”, penilaian manakah yang paling tepat?

Keduanya tidak saling berkaitan; cukup pilih salah satu untuk menarik kesimpulan.

Selama jalur akhir tampak dapat dilalui, tidak perlu melihat kurva konvergensi lagi.

Selama kurva konvergensi menurun, jalur akhir pasti dapat digunakan.

Kurva mencerminkan apakah proses pencarian berkembang, sedangkan jalur dan tabel metrik mencerminkan apakah solusi akhir dapat digunakan; keduanya perlu dinilai secara bersamaan.

Pertanyaan 2

Pada suatu proses EvoX, nilai setiap tujuan mendatar dalam waktu lama setelah generasi ke-200. Langkah penanganan berikutnya yang paling masuk akal adalah?

Hapus catatan proses berjalan tersebut, dan hanya simpan yang kurvanya paling bagus.

Nilai dengan log lengkap apakah itu konvergensi prematur, saturasi evaluasi, atau sudah mendekati solusi yang dapat digunakan; bila perlu sesuaikan strategi dan ulangi proses.

Ubah batas iterasi dari 500 menjadi 50 agar eksperimen lebih cepat selesai.

Langsung menyatakan sudah konvergen, mengakhiri eksperimen, dan menulis laporan.

Pertanyaan 3

Agar kesimpulan tentang “efek jalur akhir” dapat direproduksi, apa yang paling perlu disimpan dan diverifikasi?

Hanya simpan daftar kandidat jalur, tidak perlu menyimpan hasil evaluasi.

Konfigurasi proses berjalan, random seed, log iterasi, nilai setiap tujuan, jalur akhir, dan hasil evaluasi.

Hanya simpan tangkapan layar jalur akhir.

Hanya simpan kurva konvergensi iterasi terakhir.

Pertanyaan 4

Dalam eksperimen perbandingan, menggunakan “tata letak gudang tetap yang sama” secara konsisten bertujuan utama untuk?

Membuat gambar visualisasi tampak lebih rapi dan indah.

Menjamin setiap proses berjalan menemukan solusi optimal global.

Membuat perbedaan jalur antar proses berjalan atau antar algoritma dapat diatribusikan pada optimasi itu sendiri, bukan pada perubahan lingkungan.

Mengurangi beban komputasi secara signifikan dan mempersingkat waktu proses.

Pertanyaan 5

Sebuah kurva konvergensi “sangat mulus dan berhenti berubah sejak awal”; interpretasi paling cermat adalah?

Perlu memeriksa apakah terjadi saturasi evaluasi atau hilangnya keberagaman populasi terlalu dini, serta memverifikasi silang melalui pengulangan proses dan metrik.

Menandakan fungsi tujuan salah tulis.

Ini pasti solusi optimal dan dapat langsung diterapkan ke produksi.

Menandakan pengaturan random seed salah.

Studi Kasus: Reproduksi Pencarian Jalur Multi-Tujuan pada Tata Letak Gudang Tetap

Baca skenario dan jawab pertanyaannya.

Anda menjalankan EvoX pada tata letak gudang tetap untuk optimasi pencarian jalur multi-tujuan, dengan tujuan panjang jalur dan kehalusan tikungan. Pada suatu proses berjalan, kurva setiap tujuan jelas cenderung mendatar setelah generasi ke-180, dan diperoleh kandidat jalur yang tampak bagus. Tim meminta Anda memberikan kesimpulan tentang “apakah optimasi benar-benar berkembang dan apakah solusi akhir dapat digunakan”, serta mewajibkan kesimpulan tersebut dapat direproduksi oleh orang lain.

1. Data apa yang akan Anda kumpulkan dan verifikasi untuk mendukung kesimpulan? Mengapa tidak boleh hanya menggunakan hasil optimal dari satu kali pengujian?

Jawaban:
Perlu dikumpulkan dan diverifikasi: konfigurasi proses berjalan dan random seed, log iterasi, nilai setiap tujuan per generasi iterasi, jalur akhir dan hasil evaluasi pada tata letak gudang tetap, serta tabel metrik utama; dan disarankan melakukan pengulangan proses atau pemeriksaan silang untuk memastikan kesimpulan stabil. Tidak boleh hanya menggunakan hasil optimal dari satu kali pengujian karena optimum pada satu titik bisa berasal dari fluktuasi acak atau saturasi evaluasi; hal itu tidak dapat menjelaskan apakah pencarian benar-benar berkembang, tidak dapat direproduksi oleh orang lain, dan terlebih lagi tidak dapat menilai apakah jalur tersebut stabil dan dapat digunakan pada tata letak tetap.

2. Jika setelah pengulangan proses bentuk kurva konvergensi mirip tetapi jalur akhirnya berbeda, bagaimana Anda menilai dan menanganinya?

Jawaban:
Ini menunjukkan bahwa proses optimasi memiliki keacakan dan banyak solusi, sehingga tidak dapat ditarik kesimpulan berdasarkan satu jalur saja. Bandingkan distribusi metrik (rata-rata dan rentang fluktuasi panjang jalur, total tikungan, biaya keseluruhan) alih-alih nilai pada satu titik; verifikasi apakah seed dan konfigurasi setiap proses berjalan konsisten; periksa apakah terjadi konvergensi prematur atau saturasi evaluasi. Dari sisi penanganan, dapat menambah jumlah generasi iterasi, menyesuaikan strategi pemeliharaan keberagaman, atau memperbaiki fungsi evaluasi, dan dalam laporan sajikan jalur tipikal beserta ringkasan statistik, bukan memilih satu jalur yang paling bagus sebagai satu-satunya kesimpulan.