Perbandingan Algoritma Genetik dengan Teknik Optimasi Konvensional

5. Perbandingan Algoritma Genetik dengan Teknik Optimasi Konvensional

Perbedaan algoritma genetik dengan teknik optimasi konvensional Goldberg, 1989 adalah sebagai berikut : a. Algoritma genetik bekerja pada sekumpulan solusi itu sendiri yang telah dikodekan, bukan pada solusi itu sendiri Ruang pencarian search space pada algoritma genetik dapat didikritkan, meskipun fungsi objektifnya berupa fungsi kontinyu karena bekerja dengan pengkodean variabel solusi. Keuntungan menggunakan fungsi diskrit adalah tidak memerlukan usaha tambahan extra cost seperti pencarian gradien pada fungsi kontinyu. Sehingga algoritma genetik dapat diterapkan untuk oprimasi di berbagai jenis fungsi dan bidang aplikasi. b. Algoritma generik melakukan pencarian pada suatu populasi banyak titik kandidat solusi, bukan hanya pada satu titik Teknik pencarian pada teknik optimasi konvensional dilakukan hanya pada satu titik tunggal. Titik ini kemudian diperbaiki perlahan- lahan dengan arah menaik fungsi maksimasi atau menuru fungsi minimasi melalui sejumlah iterasi hingga ditemukan solusi optimum. Teknik pencarian seperti ini dapat terjebak ke dalam solusi optimum lokal. c. Algoritma genetik secara langsung memanfaatkan informasi fungsi objektif, bukan turunan atau informasi tambahan lainnya Pada umumnya algoritma untuk menyelesaikan masalah optimasi adalah berupa langkah-langkah komputasi yang secar asimtotik menuju solusi optimum. Teknik optimasi konvensional membangun deretan yang dimaksud berdasarkan gradien turunan fungsi objektif atau fungsi kendala untuk memperbaiki solusi tunggal. Algoritma genetik tidak memerlukan informasi dan asumsi-asumsi demikian. Algoritma generik hanya memerlukan informasi nilai fungsi objektif dan memperbaiki sekumpulan solusi fisibel dengan operator-operator genetika, yang pada akhirnya diharapkan dapat menghasilkan solusi optimum. d. Algoritma genetik bekerja menggunakan aturan probabilistik, bukan aturan deterministik Tidak ada operator algoritma genetik yang bekerja secara deterministik. Operator seleksi, penyilangan, maupun mutasi bekerja menggunakan aturan probabilistik atau pemilihan secara acak.

F. KELAPA DAN COCODIESEL