Prinsip Kerja Algoritma Evolusi

4 lingkungannya mempunyai peluang lebih besar untuk melewati seleksi alam natural selection dan bertahan hidup. Individu yang lebih baik juga cenderung tidak selalu tapi mempunyai kemungkinan lebih besar menghasilkan keturunan yang lebih baik sehingga dari generasi ke generasi akan terbentuk populasi yang lebih baik. Keseluruhan proses dalam EAs ditunjukkan pada Gambar 1.2. Gambar 1.2. Proses-proses dalam EAs Individu-individu dalam populasi di EAs merepresentasikan solusi dari masalah yang akan diselesaikan. Sebuah fungsi fitness digunakan untuk mengukur seberapa baik suatu individu. Individu terbaik di akhir generasi bisa didekodekan sebagai solusi terbaik yang bisa diperoleh. Dari penjelasan di atas, EAs isa dikelo pokka dala algorit a generate and test ya g berbasis populasi population based. EA juga bersifat stochastic, setiap kali dijalankan untuk masalah yang sama ada kemungkinan menghasilkan solusi yang berbeda Smith Eiben 2003. Berbagai tipe EAs telah dikembangkan sebagai berikut: - Algoritma genetika Genetic Algorithms, GAs, merupakan tipe EAs yang paling popular dan banyak diterapkan pada masalah-masalah kompleks. Pada awalnya banyak menggunakan representasi string biner tapi kemudian berkembang dengan menggunakan vektor bilangan integer dan pecahan real. Pembangkitkan solusi baru banyak mengandalkan proses tukar silang crossover. Mutasi biasanya dipakai sebagai operator tambahan untuk menjaga keragaman populasi. - Evolution Strategies ES, representasi solusi biasanya menggunakan vektor bilangan pecahan. Mutasi merupakan operator reproduksi utama. Mekanisme self-adaptation digunakan untuk mengontrol perubahan nilai parameter pencarian. Individu dalam populasi Pemilihan parent Hasil reproduksi offspring Seleksi alam Himpunan individu baru Mahmudy, WF 2013, Algoritma Evolusi, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya, Malang. 5 - Genetic Programming GP, digunakan untuk mengoptimasi rangkaian program komputer yang direpresentasikan dalam bentuk struktur data pohon tree. - Evolutionary Programming EP, mempunyai tujuan seperti GP tapi prinsip kerjanya seperti ES. Finite State Machines FSM digunakan untuk merepresentasikan program komputer.

1.4. Rangkuman

Pada bab ini telah dibahas tentang klasifikasi teknik optimasi dan pentingnya algoritma evolusi untuk penyelesaian masalah kompleks yang sulit dipecahkan secara analitis menggunakan model matematis.

1.5. Latihan

Untuk memperjelas pemahaman anda, kerjakanlah latihan berikut sebisa mungkin tanpa melihat materi pada buku 1. Pada jenis permasalahan apa algoritma heuristik seharusnya diterapkan? 2. Jelaskan apa yang dimaksud dengan individu dalam algoritma evolusi 3. Apa yang dimaksud dengan fungsi fitness? 4. Apa yang dimaksud dengan pernyataan bahwa algoritma evolusi bersifat stochastic? 6