lainnya sehi populasi kons
genetika ini a
2.5 K
omponen-K
Ada penyandian,
genetika dan p
2.5.1 Tekn
Tekni disini meliput
dari kromosom
Gen bilangan rea
representasi Gambar 2.9
G
Demi menggunaka
1. String b
i 2.
Bilangan R hingga ukuran populasi jumlah kromosom
konstan. Setelah melalui beberapa generasi, ni akan konvergen ke kromosom terbaik.
Komponen Utama Algoritma Genetika
da 6 komponen utama dalam algoritma geneti n, prosedur inisialisasi, fungsi evaluasi, se
dan penentuan parameter.
knik penyandian
knik penyandian atau biasa disebut juga tekni liputi penyandian gen dan kromosom. Gen me
osom, satu gen biasanya akan mewakili satu var
n dapat di presentasikan dalam bentu: sting bi real, daftar aturan, elemen permutasi, elemen
si lainnya dapat diimplementasikan untuk ope menunjukkan representasi string bit dan pohon.
0 1 0 1 0 0 1 0 1 1 1 gen – 1 gen – 2
gen – 3
gen – 1 gen – 2 gen – 3
Gambar 2.10 Representasi string bit dan pohon
mikian juga, kromosom dapat direpresent kan:
it : 10011, 11101, dst an Real : 56.56, -67.98, 562.88, dst
20
osom dalam suatu i, maka algoritma
etika, yaitu teknik seleksi, operator
eknik pengkodean merupakan bagian
u variable
ng bit, pohon, array en program, atau
operator genetika. n pohon.
entasikan dengan
Universitas Sumatera Utara
21
3. Elemen Permutasi : E2, E10, E5, dst
4. Daftar Aturan : R1, R2, R3, dst
5. Elemen Program : pemrograman genetika, dst
6. Struktur lainnya
2.5.2 Proses inisialisasi Membangkitkan populasi awal
Ukuran populasi tergantung pada masalah yang akan dipecahkan dan jenis operator gen etika yang akan diimplementasikan. Setelah
ukuran populasi ditentukan, kemudian harus dilakukan inisialisasi terhadap kromosom yang terdapat pada populasi tersebut. Inisialisasi
kromosom dilakukan secara acak, namun demikian harus tetap memperhatikan domain solusi dan kendala permasalahanyang ada.
2.5.3 Fungsi evaluasi
Ada 2 hal yang harus diperhatikan dalam melakukan evaluasi kromosom, yaitu: evaluasi fungsi objektif fungsi tujuan dan konveksi
fungsi objektif ke dalam fungsi fitness. Secara umum, fungsi fitness diturunkan dari fungsi objektif dengan nilai yang tidak negatif. Apabila
ternyata fungsi objektif memiliki nilai negatif, maka perlu ditambahkan suatu konstanta C agar nilai fitness yang terbentuk menjadi tidak negatif.
2.5.4 Seleksi