Algoritma Genetika - E

1.
2.
3.
4.
5.
Kelompok 2
Ferry sandi cristian (0935010034)
Andika Hendra
(1135010117)
Toni Hidayat
(1035010054)
Agung Guntur
(1135010099)
M. Sholeh Zain
(1135010029)
 Algoritma genetika adalah algoritma komputasi yang
diinspirasi teori evolusi yang kemudian diadopsi menjadi
algoritma komputasi untuk mencari solusi suatu
permasalahan dengan cara yang lebih “alamiah”, dimana
individu yang terkuat akan bertahan. Algoritma Genetika
bekerja dengan sebuah populasi yang terdiri dari
individu-individu,masing-masing individu ini
merepresentasikan bentuk solusi dari persoalan yang
ada.
 Individu dilambangkan oleh sebuah nilai fitness yang nantinya
akan digunakan untuk mencari solusi terbaik.
 pertahanan yang tinggi dari individu memberikan
kesempatan untuk melakukan reproduksi melalui perkawinan
silang dengan individu yang lain dalam populasi tersebut.
populasi baru yang di hasilkan dinamakan keturunan, yang
nantinya membawa beberapa sifat dari induknya. sedangkan
populasi yang tidak terseleksi dalam reproduksi akan mati
dengan sendirinya. dengan cara ini beberapa generasi dengan
karakteristik yang bagus akan bermunculan dalam populasi
tersebut. Untuk melakukan hal di atas ada beberapa operasi
yang harus dilakukan, antara lain:
1. Operasi Evolusi yang melibatkan proses Seleksi
2. Operasi Genetik yang melibatkan proses kawin silang dan
mutasi
Ada beberapa hal yang harus dilakukan dalam algoritma
genetika, antara lain:
1.
2.
3.
4.
5.
Mendefinisikan individu, dimana individu menyatakan
salah satu solusi yang mungkin dari permasalahan yang
diangkat.
Mendefinisikan nilai fitness, yang merupakan ukuran
baik-tidaknya sebuah individu/solusi yang di dapat.
Menentukan proses pembangkitan populasi awal.
Menentukan proses seleksi yang akan digunakan.
Menentukan proses perkawinan silang dan mutasi gen
yang akan di gunakan.
1.
2.
3.
4.
5.
6.
Genotype(Gen):Sebuah nilai yang menyatakan satuan dasar
yang membentuk suatu arti tertentu dalam satu kesatuan gen
yang dinamakan kromosom. dalam algoritma genetika, gen ini
bisa berupa nilai biner, float, integer maupun karakter, atau
kombinatorial.
Allele:nilai dari gen.
Kromosom:Gabungan gen-gen yang membentuk nilai tertentu.
Individu:menyatakan satu nilai atau keadaan yang menyatakan
salah satu solusi yang mungkin dari permasalahan yang diangkat.
populasi:merupakan sekumpulan individu yang akan diproses
bersama dalam satu siklus proses evolusi.
Generasi:menyatakan satu siklus proses evolusi atau ssatu iterasi
di dalam algoritma genetika.
 Nilai Fitness adalah nilai yang menyatakan baik tidaknya
suatu individu(Solusi). Nilai fitness ini yang dijadikan
acuan dalam mencapai nilai optimal dalam algoritma
genetika. Algoritma genetika bertujuan mencari individu
dengan nilai fitness yang paling tinggi. nilai fitness yang
tinggi berarti solusi yang terbaik.
 Adapun komponen-komponen utama dalam algoritma
genetika, antara lain:
1. Teknik Pengkodean
2. Membangkitkan populasi awal
3. Seleksi
4. Cross Over
5. Mutasi
 Teknik pengkodean adalah bagaimana mengkodekan
gen dari kromosom, dimana gen merupakan bagian dari
kromosom. satu gen biasanya akan mewakili satu
variable, dimana gen dapat di presentasikan dalam
bentuk : bit, bilangan real, daftar aturan, elemen
permutasi atau representasi lainnya yang dapat di
implementasikan untuk operator genetika.
 Membangkitkan populasi awal adalah proses membangkitkan
sejumlah individu secara acak atau melalui prosedur tertentu.
ukuran untuk populasi tergantung pada masalah yang akan
diselesaikan dan jenis operator genetika yang akan di
implementasikan. setelah ukuran populasi ditentukan, baru
kemudian dilakukan pembangkitan populasi awal. dimana
syarat-syarat yang harus dipenuhi untuk menunjukan suatu
solusi harus benar-benar diperhatikan dalam pembangkitan
setiap individunya.
 Ada 3 cara dalam membangkitkan populasi awal, antara lain:
1. Random Generator
2. Pendekatan tertentu
3. Permutasi Gen
 inti dari cara ini adalah melibatkan pembangkitan
bilangan random untuk nilai setiap gen sesuai dengan
representasi kromosom yang digunakan.
 Cara ini adalah dengan memasukan nilai tertentu ke
dalam gen dari populasi awal yang dibentuk.
 Salah satu cara permutasi gen dalam pembangkitan
populasi awal adalah penggunaan Josephus dalam
permasalahan kombinatorial seperti TSP. Misalkan ada
kota dari 1 sampai 9. permutasi titik awal adalah 6 dan
selang adalah 5. Maka lintasan berangkat dari kota 6,
selang 5 kota dari kota 6 adalah kota 2 (dengan asumsi
kota 1-9 membentuk circular list). kota 2 dihapus dari list.
selang 5 kemudian adalah kota 7. proses ini di ulang
hingga ada satu lintasan dalam list. Hasil permutasi ini
adalah 2-7-3-8-4-9-5-1-6
 Seleksi digunakan untuk memilih individu-individu mana
saja yang akan dipilih untuk proses kawin silang dan
mutasi. Seleksi ini yang di gunakan untuk mendapatkan
induk yang baik. "induk yang baik akan menghasilkan
keturunan yang baik". semakin tinggi nilai fitness suatu
individu semakin besar kemungkinannya untuk terpilih.
 Ada 2 metode seleksi, antara lain:
Metode seleksi mesin Roulette.
2. Metode seleksi Turnamen.
1.
 Metode seleksi dengan mesin roulette ini merupakan metode yang
paling sederhana dan sering dikenal dengan nama stochastic
sampling with replacement. Cara kerjanya sebagai berikut:
1.
2.
3.
4.
5.
6.
Di hitung nilai fitness masing-masing individu(f1, dimana i adalah
individu ke-1 s/d ke-n).
Di hitung total fitness semua individu.
Dihitung probabilitas masing-masing individu.
Dari probabilitas tersebut, dihitung jatah masing-masing individu
pada angka 1-100
Dibangkitkan bilangan random antara 1-100
Dari bilangan random yang dihasilkan, ditentukan individu mana
yang terpilih dalam proses seleksi
 Pada metode seleksi dengan turname, ditetapkan suatu
nilai tour untuk individu-individu yang dipilih secara
random dari suatu populasi. individu-individu yang
terbaik dalam kelompok ini akan diseleksi sebagai induk
 kawin silang (Crossover) adalah operator dari algoritma
genetika yang melibatkan dua induk untuk membentuk
kromosom baru.prinsip pindah silang ini adalah
melakukan operasi(pertukaran,aritmatika) pada gen-gen
yang bersesuaian dari dua induk untuk menghasilkan
individu baru.
 Mutasi gen berperan untuk menggantikan gen yang
hilang dari populasi akibat proses seleksi yang
memungkinkan munculnya kembali gen yang tidak
muncul pada inisialisasi populasi.
 kromosom anak dimutasi dengan menambahkan nilai
random yang sangat kecil, dengan probabilitas yang
rendah.