Algoritma Genetika Hibrida Dengan Skema Pencarian Lokal Adaptif
-7.399196, 109.688866} Dalam menghitung kesamaan antar individu dapat dihitung dengan persamaan
2.4. Untuk vektor, dan
Maka,
Sehingga perhitungan kesamaan cosine menjadi seperti berikut:
= 60597.74
Untuk menghitung kesamaan antar individu dalam suatu populasi dapat dihitung dengan persamaan 2.5, hasil perhitungan adalah sebagai berikut.
Kondisi dimana teknik pencarian lokal digunakan didalam algoritma genetika adalah
, jadi sehingga kondisi
tersebut terpenuhi untuk menerapkan teknik pencarian lokal. Langkah yang harus dikerjakan untuk teknik pencarian lokal menggunakan
metode hill climbing yang diusulkan oleh Michalewicz adalah memilih individu terbaik
dari populasi yang dihasilkan oleh GA. = Semarang Kendal Banjarnegera Purwokerto Batang
Kemudian hasilkan individu secara acak sebanyak ukuran populasi dari individu terbaik, dengan menggunakan operator genetika, proses yang dilakukan
sama seperti menghasilkan populasi baru pada algoritma genetika.
Tabel 3.6 Individu baru yang dihasilkan
Kromosom
Representasi Path Batang Semarang Kendal Banjarnegera Purwokerto
2.790 Batang Semarang Kendal Banjarnegera Purwokerto
2.790 Banjarnegera Semarang Kendal Batang Purwokerto
2.703 Batang Semarang Kendal Banjarnegera Purwokerto
2.790 Pilih individu terbaik
dari populasi yang baru dihasilkan menggunakan fungsi fitness
= Banjarnegera Semarang Kendal Batang Purwokerto Selanjutnya bandingkan fitness
= 0.358 dengan fitness = 0.369,
sehingga fitness fitness
, kemudian substitusikan individu terbaik dari GA
= Semarang Kendal Banjarnegera Purwokerto Batang dengan individu terbaik populasi yang baru
= Banjarnegera Semarang Kendal Batang Purwokerto Berdasarkan perhitungan dari algoritma genetika hibrida dengan skema
pencarian lokal adaptif didapatkan jarak terbaik dengan panjang 2.703 dengan rute perjalanan yaitu Banjarnegera
→ Semarang → Kendal → Batang → Purwokerto.