matriks Hfx adalah definit positif jika r

50

BAB III ALGORITMA GENETIKA

Algoritma Genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi biologis. Algoritma genetika pertama kali dikembangkan oleh John Holland 1975, dan mempunyai ciri-ciri istimewa, yaitu : 1 representasi string bit, 2 seleksi yang seimbang proporsional, dan 3 rekombinasi crossover sebagai metode utama untuk menghasilkan individu baru.

A. Latar Belakang Biologi

Semua makhluk hidup terdiri dari sel-sel, dimana setiap selnya terdapat kumpulan kromosom yang sama. Kromosom adalah untaian dari DNA dan membentuk model yang akan membedakan makhluk hidup yang satu dengan makhluk hidup yang lain. Sebuah kromosom terdiri dari gen-gen yang merupakan blok-blok dari DNA. Setiap gen terbentuk dari protein tertentu, yang mengkodekan sebuah trait ciri bawaan, misalnya : warna mata, warna kulit, dan lain-lain. Kemungkinan untuk mengatur sebuah trait disebut allele, misalnya mengatur warna untuk mata. Setiap gen mempunyai posisi tersendiri pada kromosom, disebut dengan locus. Kumpulan dari materi-materi gen pada semua kromosom disebut genome. Kumpulan yang terdiri dari gen-gen pada genome, disebut genotipe genotype. Sebelum melakukan reproduksi, pertama kali yang akan muncul adalah rekombinasi crossover atau rekombinasi. Gen-gen pada induk parents akan membentuk kromosom baru, yang merupakan kombinasi dari kromosom- kromosom kedua induk, yang akan membentuk anak offspring yang dapat bermutasi. Mutasi merupakan penggantian suatu gen pada suatu elemen di dalam DNA. Perubahan tersebut mungkin dikarenakan kesalahan penggandaan gen-gen dari induknya. Untuk menyelesaikan masalah yang ada, maka dicari solusi terbaik dari semua kemungkinan solusi yang ada. Kumpulan semua solusi yang memungkinkan tersebut berada dalam ruang pencarian search space. Setiap titik di dalam ruang pencarian merupakan satu solusi yang memungkinkan feasible solution. Setiap solusi yang memungkinkan dapat diberi pengenal dalam bentuk nilai atau fitness dari permasalahan yang ada. Proses pencarian solusi menjadi rumit karena tidak diketahui dimana harus mencari. Banyak metode yang dikenal untuk menemukan solusi yang layak, diantaranya adalah Algoritma Genetika Genetic Algorithm yang dibuat berdasarkan analogi mekanisme yang terjadi terhadap proses evolusi.

B. Struktur Umum Algoritma Genetika

Algoritma Genetika merupakan metode optimasi yang berdasarkan pada fenomena alam yang dalam penelusurannya mencari titik optimal berdasarkan ide yang ada pada genetika dan teori Darwin 1809-1882 yaitu “survival of the fittest” yang menyatakan bahwa evolusi jenis-jenis spesies makhluk hidup dan ekosistemnya terjadi karena seleksi alam. Individu yang lebih kuat fit akan memiliki tingkat survival dan tingkat reproduksi yang lebih tinggi jika dibandingkan dengan individu yang kurang fit. Berbeda dengan teknik konvensional, algoritma genetika dimulai dengan memberikan himpunan awal inisialisasi dari solusi-solusi secara acak yang disebut populasi. Setiap individu pada populasi disebut kromosom solusi yang masih berbentuk simbol, yang memodelkan sebuah solusi dari permasalahan yang ada. Kromosom yang berkembang setelah melalui beberapa iterasi disebut generasi. Setiap generasi kromosom dievaluasi dengan menggunakan alat ukur yang disebut dengan fitness. Generasi yang terbentuk dari gabungan dua kromosom dari generasi sekarang dengan menggunakan operator rekombinasi atau dengan memodifikasikan kromosom dengan menggunakan operator mutasi disebut anak offspring. Populasi generasi yang baru dibentuk dengan cara menyeleksi nilai fitness dari kromosom induk dan nilai fitness dari kromosom anak, serta menolak kromosom-kromosom yang lainnya sehingga ukuran jumlah kromosom populasi konstan. Kromosom yang paling fit atau kromosom yang mempunyai nilai fitness yang paling besar untuk permasalahan maksimum atau nilai fitness yang paling kecil untuk permasalahan minimum, yang mempunyai probabilitas paling tinggi yang akan dipilih. Istilah-istilah yang digunakan dalam algoritma genetika, dijelaskan dalam tabel dibawah ini: Istilah dalam algoritma genetika Keterangan. Populasi Himpunan beberapa solusi. Kromosom Solusi. Gen Bagian dari kromosom. Induk parent Solusi yang akan dikenakan proses rekombinasi atau mutasi. Anak Offspring Solusi baru yang dihasilkan melalui proses rekombinasi atau mutasi. Rekombinasi Proses yang melibatkan dua solusi untuk mendapatkan solusi baru. Mutasi Proses yang melibatkan satu solusi untuk mendapatkan solusi baru. Seleksi Pemilihan kromosom yang baik Tabel 3.2.1 Tabel istilah dalam Algoritma Genetika. Struktur umum algoritma genetika Mitsuo Gen dan Runwei Cheng, 1997 dapat pula dideskripsikan seperti pada gambar 3.2.1 berikut: Gambar 3.2.1. Ilustrasi Algoritma Genetika mutation 00110 1 1001 00110 1001 crossover 110010 1010 101110 1110 1100101110 1011101010 solutions evaluation 1100101110 1011101010 0011001001 offspring fitness computation decoding 1100101010 1011101110 0011011001 1100110001 chromosomes selection solutions encoding new population