Landasan Teori

Dasar matematis optimasi portofolio dan karakteristik algoritma metaheuristik.

1. Modern Portfolio Theory (Model Markowitz)

Fungsi objektif dalam simulasi ini adalah memaksimalkan rasio imbal hasil terhadap risiko, yang diformulasikan sebagai Sharpe Ratio:

$$Sharpe\ Ratio = \frac{R_p - R_f}{\sigma_p}$$

$R_p$: Ekspektasi pengembalian portofolio (Return).
$R_f$: Suku bunga bebas risiko (Risk-free rate).
$\sigma_p$: Standar deviasi portofolio (Volatilitas/Risiko).

2. Local Optima vs Global Optima

Local Optima adalah titik solusi yang terlihat paling baik di lingkungan sekitarnya, namun bukan solusi terbaik di seluruh ruang pencarian. Algoritma dasar seperti Hill Climbing sering terjebak di sini karena sifatnya yang menolak pergerakan ke arah solusi yang lebih buruk.

Untuk mencapai Global Optima (puncak tertinggi sesungguhnya), algoritma perlu memiliki mekanisme eksplorasi, seperti probabilitas penerimaan solusi buruk pada suhu tinggi di Simulated Annealing, atau penyilangan kromosom dan mutasi pada Genetic Algorithm.