PENGANTAR INTELEGENSI BUATAN ALGORITMA GENETIKA MENCARI NILAI MAKSIMAL FUNGSI F(X)=E-2X.SIN(3X)

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.