Pengantar Algoritma Genetika Algoritma Genetika

Teori dasar evolusi tersebut bila diimplementasikan dalam bentuk algoritma genetika, maka diharapkan mampu menyelesaikan masalah- masalah yang sulit dengan cara yang sama seperti yang dilakukan melalui evolusi. Keuntungan algoritma genetika adalah sifat metode pencariannya yang lebih optimal, tanpa terlalu memperbesar ruang pencarian dan tanpa kehilangan kesempurnaan completness sehingga dapat dengan mudah diimplementasikan ke suatu permasalahan. Algoritma genetika merupakan algoritma yang bermanfaat dan efisien, ketika diterapkan dalam masalah dengan: a. Pencarian dalam ruang pencarian yang besar, kompleks atau hanya sedikit yang diketahui. b. Tidak ada analisis matematika yang memungkinkan. c. Kurang atau tidak ada pengetahuan yang memadai untuk merepresentasikan masalah ke dalam ruang pencarian yang lebih sempit. d. Metode konvensional sudah tidak mampu menyelesaikan masalah yang dihadapi. Algoritma genetika berbeda dengan teknik optimasi konvensional dan prosedur pencarian dalam beberapa segi fundamental: 1 Algoritma genetika bekerja dengan sebuah himpunan pengkodean dari sekumpulan solusi, bukan pada solusi itu sendiri. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 2 Algoritma genetika mencari beberapa solusi dari sebuah populasi, bukan satu solusi. 3 Algoritma genetika menggunakan fungsi fitnes, bukan menggunakan turunan atau pengetahuan lainnya. 4 Algoritma genetika menggunakan aturan perubahan probabilistik, bukan aturan deterministik. 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 Parent Solusi yang akan dikenakan proses persilangan atau mutasi Offspring Solusi baru yang dihasilkan melalui proses persilangan atau mutasi Persilangan Proses yang melibatkan dua solusi untuk mendapatkan solusi baru Mutasi Proses yang melibatkan satu solusi untuk mendapatkan solusi baru Seleksi Pemilihan kromosom yang baik

3. Struktur Umum Algoritma Genetika

Bila Pt dan Ct adalah induk dan keturunan pada generasi t, struktur umum algoritma genetika adalah sebagai berikut: prosedur algoritma genetika : begin t ← 0; inisialisasi Pt; evaluasi Pt; whilekondisi terminasi tidak terpenuhi do rekombinasi Pt untuk menghasilkan anak Ct; evaluasi Ct; seleksi Pt+1 dari Pt dan Ct; t ← t+1; end end Struktur umum algoritma genetika Mitsuo Gen dan Runwei Cheng, 1997 dapat pula dideskripsikan seperti pada gambar 2.1 berikut. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI