penyelesaian secara umum yang memperluas ruang solusi untuk mengidentifikasi solusi yang baik dan sering menyimpan beberapa susunan rute standar serta perbaikan
heuristik.
2.3 Algoritma Genetika
2.3.1 Sejarah Singkat Algoritma Genetika
Algoritma Genetika ditemukan pertama kali oleh John Holland pada tahun 1960-an dan kemudian dikembangkan bersama murid dan rekan kerjanya di Universitas
Michigan pada tahun 1960-an sampai 1970-an. Tujuan Holland mengembangkan algoritma genetika saat itu bukan untuk mendesain suatu algoritma yang dapat
menyelesaiakna suatu masalah, namun lebih mengarah ke studi mengenai fenomena adaptasi yang terjadi di alam dan mencoba menerapkan mekanisme adaptasi alam
tersebut ke dalam sistem komputer.
Algoritma Genetika yang dibuat Holland merupakan sebuah metode untuk memisahkan satu populasi kromosom terdiri dari bit-bit 1 dan 0 ke populasi baru
dengan menggunakan “seleksi alam” dan operator genetik seperti crossover, mutation mutasi dan inversion. Crossover menukar bagian kecil dari dua kromosom, mutasi
mengganti secara acak nilai gen beberapa lokasi pada kromosom dan inversion membalikkan urutan beberapa gen yang berurutan dalam kromosom. Dasar teori inilah
yang menjadi dasar kebanyakan program yang menggunakan Algoritma Genetika saat ini.
2.3.2 Karakteristik Algoritma Genetika
Algoritma Genetika memberikan suatu pilihan bagi penentuan nilai parameter dengan meniru cara reproduksi genetika, pembentukan kromosom baru serta seleksi
alam seperti yang terjadi pada makhluk hidup. Algoritma Genetika mempunyai karakteristik-karakteristik yang perlu diketahui sehingga dapat terbedakan dari prosedur
pencarian atau optimasi yang lainnya. Karakteristiknya dapat di asumsikan sebagai berikut.
1. Algoritma Genetika bekerja dengan pengkodean dari himpunan solusi
permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter
itu sendiri.
2. Algoritma Genetika malakukan pencarian pada sebuah populasi dari sejumlah
individu-individu yang merupakan solusi permasalahan bukan hanya dari sebuah
individu.
3. Algoritma Genetika merupakan informasi fungsi objektif fitness, sebagai cara
untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan
dari suatu fungsi.
4. Algoritma Genetika aturan-aturan transisi peluang, bukan aturan-aturan
deterministik.
2.3.3 Komponen-komponen Algoritma Genetika
