Struktur Umum Algoritma Genetika

4. Operator dan Fungsi Evaluasi

Biasanya, inisialisasi diasumsikan secara random. Rekombinasi melibatkan crossover dan mutasi untuk menghasilkan keturunan offspring. Pada kenyataannya, hanya ada dua jenis operasi dalam algoritma genetika, yaitu operasi genetik crossover persilangan dan mutasi dan operasi evolusi seleksi. Pada teori evolusi, mutasi ini merupakan operator kromosom yang memungkinkan makhluk hidup melakukan penyesuaian dengan lingkungannya walaupun lingkungan barunya tidak sesuai dengan lingkungan induknya semula. Faktor terbesar dalam teori evolusi yang menyebabkan suatu kromosom bertahan, punah, melakukan persilangan atau mutasi adalah lingkungan. Pada algoritma genetika, faktor lingkungan diperankan oleh fungsi evaluasi. Fungsi evaluasi menggunakan kromosom sebagai masukan dan menghasilkan angka tertentu yang menunjukkan kinerja pada masalah yang diselesaikan. Pada masalah optimasi, fungsi evaluasi adalah fungsi tujuan objective function. Nilai fungsi evaluasi disebut nilai kesesuaian fitness value. Nilai inilah yang akan menentukan apakan suatu string akan muncul pada generasi berikutnya atau mati. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

5. Pengkodean

Beberapa jenis pengkodean yang sering digunakan dalam mengkodekan solusi terhadap suatu masalah, yaitu: 5.1. Pengkodean biner Binary Encoding Pengkodean biner ini merupakan cara pengkodean yang paling umum digunakan karena pengkodean ini merupakan yang pertama kali digunakan dalam Algoritma Genetika oleh Holland. Dalam pengkodean biner, setiap kromosom dinyatakan dalam barisan bit 0 atau 1. Gambar 2.2 merupakan contoh kromosom dengan pengkodean biner. Kromosom 1 Kromosom 2 1 0 1 0 1 0 0 1 0 0 1 1 1 0 1 0 Gambar 2.2: Contoh kromosom dengan pengkodean biner Pengkodean biner memberikan banyak kemungkinan untuk kromosom walaupun dengan jumlah allele yang sedikit yaitu 0 atau 1. Pada pihak lain, pengkodean biner ini sering tidak sesuai untuk banyak masalah dan kadang-kadang pengoreksian harus dilakukan setelah proses evolusi persilangan dan atau mutasi. Contoh masalah yang sesuai untuk pengkodean biner antara lain masalah knapsack. 5.2. Pengkodean permutasi Permutation Encoding Pengkodean permutasi dapat digunakan dalam masalah pengurutan. Dalam pengkodean permutasi setiap kromosom merupakan suatu barisan bilangan yang menyatakan bilangan PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI dalam suatu urutan. Gambar 2.3 merupakan contoh kromosom dengan pengkodean permutasi. Kromosom 1 Kromosom 2 1 3 4 2 6 5 7 8 3 4 6 1 5 2 8 7 Gambar 2.3 : Contoh kromoson dengan pengkodean permutasi Pengkodean permutasi hanya berguna untuk masalah pengurutan. 5.3. Pengkodean nilai Value Encoding Pengkodean nilai dapat digunakan untuk masalah yang mempunyai nilai yang rumit. Dengan pengkodean nilai ini, setiap kromosom merupakan suatu barisan dari nilai-nilai. Nilai-nilai dapat berupa apa saja yang berhubungan dengan masalah. Gambar 2.4 merupakan contoh kromosom dengan pengkodean nilai. Kromosom 1 Kromosom 2 1.2 5.6 0.3 2.6 4.5 3.7 1.4 A B D H F I E H Gambar 2.4: Contoh kromosom dengan pengkodean nilai Pengkodean nilai ini baik digunakan untuk beberapa masalah. Di pihak lain, untuk mengkodekan tipe ini sering perlu pengembangan persilangan dan mutasi baru yang spesifik untuk permasalahannya. Contohnya dalam masalah mencari bobot untuk jaringan syaraf. 5.4. Pengkodean pohon Tree Encoding Pengkodean pohon ini lebih banyak digunakan untuk menyusun program untuk pemrograman genetika. Dalam pengkodean pohon, setiap kromosom merupakan suatu pohon dari PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI beberapa objek, seperti fungsi atau perintah dalam bahasa pemrograman. Pengkodean pohon ini baik digunakan untuk menyusun program untuk masalah mencari fungsi berdasarkan nilai-nilai yang diberikan. Gambar 2.5 merupakan contoh kromosom dengan pengkodean pohon. Kromosom: + x y 5 + x 5 y Gambar 2.5 : Contoh kromosom dengan pengkodean pohon

6. Seleksi

Seleksi akan menentukan individu-individu mana saja yang akan dipilih untuk dilakukan rekombinasi dan bagaimana offspringketurunan terbentuk dari individu-individu terpilih. Langkah pertama yang dilakukan dalam seleksi ini adalah pencarian nilai fitnes. Ada beberapa metode seleksi, antara lain: PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI