Prosedur umum algoritma genetika dapat terlihat pada Gambar 2 berikut :
Gambar 2. Prosedur umum algoritma genetika Hopgood, 2001
2. Representasi Kromosom
Pengkodean encoding calon solusi untuk suatu masalah ke dalam sebuah bentuk representasi kromosom merupakan hal yang paling utama
pada pengaplikasian algoritma genetika. Holland 1975 memperkenalkan pertama kali representasi kromosom ke dalam bentuk string biner, yang
disimbolkan dengan angka nol 0 dan 1.
M enghasilkan generasi baru
M ulai
Seleksi individu Terjadi proses mut asi
dengan peluang Pm
Ter jadi proses penyilangan dengan peluang Pc
Evaluasi nilai fitness masing-masing individu
Inisialisasi populasi secara acak
Berhent i Krit eria
penghent ian t erpenuhi ?
Ya Tidak
Pada pengaplikasian algoritma genetika, khususnya di dunia industri, string biner jarang digunakan karena bukan merupakan kode
alam. Oleh karena itu, telah diciptakan beberapa teknik pengkodean non- string untuk berbagai masalah khusus, sebagai contoh real number code
kode bilangan riil untuk masalah optimasi berkendala dan integer coding kode integer untuk masalah optimasi kombinatorial. Sebuah masalah
akan ditransformasikan ke dalam representasi kromosom yang tepat. Hal ini penting untuk pengaplikasian algoritma genetika dalam memecahkan
masalah-masalah di dunia nyata Gen dan Cheng, 1997. Beberapa peneliti telah memperkenalkan beberapa bentuk
representasi baru sesuai dengan masalah yang akan dipecahkan. Permutation representation merupakan bentuk representasi baru yang
telah diperkenalkan oleh Gen dan Cheng 1997. Representasi ini cocok untuk digunakan untuk masalah perjalanan dan penjadwalan. Sebagai
contoh, perjalanan ke 9 kota dengan urutan sebagai berikut : 3 – 2 – 5 – 4 – 7 – 1 – 6 – 9 – 8
Urutan perjalanan di atas dijadikan ke dalam bentuk representasi kromosom :
Gambar 3. Representasi kromosom jenis permutation
Setiap penerjemahan algoritma genetika di dalam masalah job-shop akan digunakan sebagai alat untuk mencari solusi yang sesuai untuk
masalah operasi genetika job-shop yang terjadi sehingga didapatkan semua kromosom yang dapat digenerasikan. Sebuah kromosom memiliki fase
inisial atau proses evolusi, proses ini akan menghasilkan sebuah penjadwalan yang layak. Fase ini akan menjadi sangat penting dan akan
mempengaruhi langkah selanjutnya dalam algoritma genetika. Salah satu representasi untuk masalah penjadwalan job shop yang dapat digunakan
adalah preference-list-based representation Gen dan Cheng, 1997. 3
2 5
4 7
1 6
9 8
Preference-list-based representation pertama kali diperkenalkan oleh Davis untuk berbagai macam masalah penjadwalan. Falenauer dan
Bouffouix menemui keterkaitan antara masalah penjadwalan job shop dengan waktu dan tanggal yang telah ditetapkan. Croce, Tadei, dan Volta
mengaplikasikan pada pencarian solusi penjadwalan job-shop Gen dan Cheng, 1997.
Untuk pemecahan masalah job shop dengan pekerjaan sebanyak n dan mesin sebanyak m, sebuah kromosom akan terdiri dari m
subkromosom untuk setiap mesin. Setiap subkromosom adalah simbol string dengan panjang n, dan setiap simbol akan teridentifikasi sebagai
sebuah operasi untuk dikerjakan pada mesin seharusnya. Hal ini dilakukan karena representasi berdasarkan daftar referensi dan setiap mesin
mempunyai daftar referensinya sendiri. Untuk jadwal di lapangan akan ditentukan dengan menggunakan kromosom yang berasal dari simulasi,
dimana analisis didasarkan pada urutan menunggu pada jadwal, dan operasi yang muncul pertama kali akan ditunjukkan untuk melakukan
pekerjaan untuk pertama kali.
3. Operator-operator Algoritma Genetika
