BAB I
PENDAHULUAN
Algoritma
Genetika adalah algoritma yang dikembangkan dari proses pencarian solusi
menggunakan pencarian acak, ini terlihat pada proses pembangkitan populasi awal
yang menyatakan sekumpulan solusi yang
dipilih secara acak. Apabila terjadi evolusi atau seleksi alam maka
dapat memperoleh individu yang terbaik yang secara terus menerus mengalami
perubahan gen untuk menyesuaikan diri dengan lingkungan hidupnya.Berikutnya
pencarian dilakukan berdasarkan
proses-proses teori genetika yang memperhatikan pemikiran bagaimana memperoleh individu yang lebih baik, sehingga dalam proses evolusi
dapat diharapkan diperoleh individu yang
terbaik.
Siklus
Algoritma Genetika
BAB II
PEMBAHASAN
Algoritma Genetika Untuk Mencari Nilai Maksimal Fungsi
F(x)=e-2x.sin(3x)
Individu
menyatakan nilai x, dalam mendefinisikan nilai x sebagai individu, dapat
digunakan nilai biner atau nilai float.
Pada algoritma genetika dasar digunakan nilai biner.Fungsidiatas bila digambarkan
akan menjadi:
Dari gambar
diatas terlihat bahwa penyelesaian berada pada nilai0<x<1. Jadi dengan menggunakan
8 bit biner didefinisikan:
00000000 berarti 0
11111111 berarti 1
Definisi Individu
Individu
dinyatakan dalam 8 gen biner, dengan batas 0 sampai dengan 1, berarti1 bit setara dengan2-8. Sebagai contoh: 10001001 =
(128+8+1)/256 = 0.5352 00110100 = (4+16+32)/256 = 0.2031 01010010 =
(2+16+64)/256 = 0.3203
10101010 = Individu
Fungsi
Fitness : Fungsi fitness adalah
fungsif(x), karena yang dicari adalah nilai maksimum.
Membangkitkan Populasi Awal
Membangkitkan sejumlah individu misalkan satu populasi terdiri dari 10
individu, maka dibangkitkan 10 individu dengan
8 gen biner yang dibangkitkan secara acak.
Seleksi
Seleksi adalah proses pemilihan calon induk,
dalam proses seleksi initer dapat beberapa metode yang bisa digunakan antara lain:
Mesin Roulette (Roulette Wheel), Competition dan Tournament. Dalam contoh ini
digunakan Mesin Roullete yang memang metode
paling dasar dan model acaknya uniform. Seleksi dilakukan dengan menggunakan presentasi fitness setiap individu,
dimana setiap individu mendapatkan luas bagian sesuai dengan presentase nilai fitnessnya.
Cross-Over
Cross-Over
(PerkawinanSilang) merupakan proses
mengkombinasikan dua individu untuk memperoleh individu-individu baru yang diharapkan mempunyai fitness lebih baik. Tidak semua pasangan
induk mengalami proses cross-over, banyaknya pasangan induk yang mengalami cross-over ditentukan dengan nilai probabilitas
cross-over.
Mutasi Gen
Mutasi
gen adalah proses penggantian gen dengan
nilai inversinya, gen 0 menjadi1 dangan 1 menjadi 0. Proses ini dilakukan
secara acak pada posisi gen tertentu pada individu-individu yang terpilih untuk
dimutasikan. Banyaknya individu yang mengalami mutasi ditentukan oleh besarnya probabilitas
mutasi
Contoh Hasil
Algoritma Genetika
Keterangan
Hasil
pencarian algoritma genetika untuk mendapatkan populasi yang terbaik jika
terjadi evolusi atau seleksi alam.
BAB III
PENUTUP
Kesimpulan
Algoritma
genetika merupakan algoritma yang
dikembangkan dari proses pencarian solusi menggunakan pencarian acak untuk
menghasilkan populasi baru. Apabila terjadi evolusi atau seleksi alam maka
dapat memperoleh individu yang terbaik yang secara terus menerus mengalami
perubahan gen untuk menyesuaikan diri dengan lingkungan hidupnya.