Algoritma Genetika

«

»

Jun 11 2008

Print this Post

Algoritma Genetika

بِسْمِ اللهِ الرَّحْمنِ الرَّحِيمِ

Algoritma Genetika adalah suatu algoritma pencarian berbasis pada mekanisme seleksi alam dan genetika. Algoritma genetika merupakan salah satu algoritma yang sangat tepat digunakan dalam menyelesaikan masalah optimasi kompleks, yang sulit dilakukan oleh metode konvesional.

Algoritma genetika diperkenalkan oleh John Holland (1975) dari Universitas Michigan. Dia menyatakan bahwa setiap masalah yang berbentuk adaptasi (alami maupun buatan) dapat diformulasikan ke dalam terminology genetika. Goldberg(1989) mendefinisikan algoritma genetika ini sebagai suatu pencarian algoritma berdasarkan mekanisme seleksi alam. Bauer (1993) mendefinisikan algoritma genetika sebagai perangkat lunak, prosedur yang dimodelkan setelah genetika dan evolusi.

Sifat Algoritma genetika adalah mencari kemungkinan-kemungkinan dari calon solusi untuk mendapatkanyang optimal bagi penyelesaian masalah. Ruang cakupan dari semua solusi yang layak (feasible), yauitu objek-objek diantara solusi yang sesuai, dinamakan ruang pencarian (search space). Tiap titik dalam ruang pencarian mereprensentasikan satu solusi yang layak. Tiap solusi yang layak dapat ditandai dengan nilai fitness-nya bagi masalah.

Solusi yang dicari dalam algoritma genetika adalah titik (satu atau lebih) diantara solusi yang layak dalam ruang pencarian. Sifat pencarian inilah yang menyebabkan algoritma genetika baik untuk diterapkan dalam menyelesaikan masalah NP-complete.

Karakteristik Algoritma genetika

1.    Algoritma genetika bekerja dengan pengkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter itu sendiri.
2.    Algoritma genetika melakukan pencarian pada sebuah populasi dari sejumlah individu-individu yang merupakan solusi permasalahan bukan hanya dari sebuah individu.
3.    Algoritma genetika merupakan informasi fungsi objektif (fitness), sebagai cara untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari suatu fungsi.
4.    Algoritma genetika menggunakan aturan-aturan transisi peluang, bukan aturan-aturan deterministic.

Variabel dan parameter yang digunakan pada algoritma genetika

1.    Fungsi fitness  (fungsi tujuan) yang dimiliki oleh masing-masing individu untuk menentukan tingkat kesesuaian individu tersebut dengan criteria yang ingin dicapai.
2.    Populasi jumlah individu yang dilibatkan pada setiap generasi.
3.    Probabilitas terjadinya persilangan (crossover) pada suatu generasi.
4.    Probabilitas terjadinya mutasi pada setiap individu.
5.    Jumlah generasi yang akan dibentuk menentukan lama penerapan Algoritma genetika

Pengkodean

Pengkodean adalah suatu teknik untuk menyatakan populasi awal sebagai calon solusi suatu masalah ke dalam suatu kromosom sebagai kunci pokok persoalan ketika menggunakan algoritma genetika

Pengkodean biner merupakan cara pengkodean paling umum digunakan karena adalah yang pertama kali digunakan dalam Algoritma genetika oleh Holland. Keuntungan pengkodean ini adalah sederhana untuk diciptakan dan mudah dimanipulasi.

Pengkodean bilangan riil adalah suatu pengkodean bilangan dalam bentuk riil. Masalah opalisasi fungsi dan optimalisasi kendala, lebih tepat jika diselesaikan dengan pengkodean bilangan riil karena struktur topologi ruang genotif untuk pengkodean bilangan riil identik dengan ruang fenotifnya, sehingga mudah membentuk operator genetika yang efektif dengan cara memakai teknik yang dapat digunakan yang berasal dari metode konvensional.

Pengkodean bilangan bulat adalah metode yang mengkodekan bilangan dalam bentuk bilangan bulat. Pengkodean ini baik digunakan untuk masalah optimasi kombinatorial.

Pengkodean struktur data adalah model pengkodean yang menggunakan struktur data. Pengkodean ini digunakan untuk masalah kehidupan yang lebih kompleks seperti perencanaan jalur robot dan masalah pewarnaan Grap.

Notice

Note: Artikel dari berbagai sumber, domain sumber terdapat pada tag.
Published by : blog.tohaboy.web.id


Permanent link to this article: http://blog.tohaboy.web.id/2008/algoritma-genetika.view