Pengantar Evolution Strategies ES

77 ESµ,  tidak menggunakan rekombinasi dalam proses reproduksi. Seleksi menggunakan elitism selection hanya melibatkan individu dalam offspring, individu induk dalam populasi tidak dilibatkan. ESµr,  serupa dengan ESµ, dengan tambahan melibatkan proses rekombinasi. ESµ+  tidak menggunakan rekombinasi dan proses seleksi menggunakan elitism selection melibatkan individu offspring dan induk.

6.3. Siklus ES µ, 

Permasalahan pada Sub-Bab 2.4 Studi Kasus: Maksimasi Fungsi dengan Presisi Tertentu akan digunakan untuk menjelaskan siklus ES secara detil.

6.3.1. Representasi Chromosome

Seperti halnya untuk real-coded GA pada pada Bab 3, variabel keputusan x 1 dan x 2 langsung menjadi gen string chromosome. Selain gen yang menyatakan variabel keputusan, parameter tambahan yang melekat pada setiap chromosome adalah  sigma. Nilai ini menyatakan level mutasi untuk chromosome tersebut. Nilai ini akan ikut berubah secara adaptif sepanjang generasi. Jika P adalah satu chromosome maka P=x 1, x 2 ,  1 ,  2 dengan panjang string sebesar 4.

6.3.2. Inisialisasi

Populasi inisial dibangkitkan secara random. Nilai x 1 dan x 2 dibangkitkan dalam rentang variabel ini lihat Modul 1. Nilai  1 dan  2 dibangkitkan dalam rentang [0,1]. Misalkan ditentukan µ=4 maka akan dihasilkan populasi seperti contoh berikut: Pt x 1 x 2  1  2 fx 1 ,x 2 P 1 1,48980 2,09440 0,14197 0,91090 19,8212830 P 2 8,49170 2,57540 0,53801 0,86904 34,7060873 P 3 -1,84610 1,70970 0,99835 0,49351 11,5863900 P 4 5,81140 5,07790 0,40521 0,98911 14,5620828 78

6.3.3. Reproduksi

Karena rekombinasi tidak digunakan maka hanya mutasi yang berperan menghasilkan offspring. Misalkan P=x 1, x 2 ,  1 ,  2 adalah individu yang terpilih untuk melakukan mutasi, maka dihasilkan offspring P’=x’ 1, x ’ 2 ,  1 ,  2 sebagai berikut: Rumusan ini bisa didetailkan sebagai berikut: N0,1 merupakan bilangan acak yang mengikuti sebaran normal dengan rata-rata sebesar 0 dan standard deviasi sebesar 1. Pada program komputer, nilai N0,1 bisa didapatkan dengan membangkitkan dua bilangan random r 1 dan r 2 pada interval [0,1]. Rumus yang digunakan adalah Schwefel 1995: √ Misalkan r 1 = 0,4749 dan r 2 = 0,3296 maka didapatkan N0,1= 1,0709. Nilai  dinaikkan jika ada paling sedikit 20 hasil mutasi yang menghasilkan individu yang lebih baik dari induknya. Jika tidak maka nilai  diturunkan. Misalkan =3×µ=12, maka setiap individu dalam populasi akan menghasilkan 3 offspring. Pada kasus ini, nilai  akan dinaikkan jika ada setidaknya 1 offspring yang lebih baik. Contoh hasil mutasi diberikan sebagai berikut: Ct Induk N 1 0,1 N 2 0,1 x 1 x 2  ’ 1  ’ 2 fx 1 ,x 2 C 1 P 1 0,0098 -0,8394 1,491191 1,3298 0,15617 1,00199 10,04952 C 2 1,0334 -0,6351 1,63651 1,5159 0,15617 1,00199 9,03814 C 3 -1,9967 -1,8970 1,206331 0,3664 0,15617 1,00199 27,06928 C 4 P 2 -0,0398 0,6565 8,470287 3,1459 0,48421 0,78214 24,40017 C 5 -0,7821 -0,2305 8,070926 2,3751 0,48421 0,78214 27,82881 C 6 1,3563 0,1430 9,221397 2,6997 0,48421 0,78214 19,00143 C 7 P 3 -1,1466 1,3203 -2,9908 2,3613 1,09818 0,54286 26,01116 C 8 1,1021 -1,9381 -0,74582 0,7532 1,09818 0,54286 26,00610