Algoritma AI 2
description
Transcript of Algoritma AI 2
Algoritma AI 2
Algoritma
Genetika
Algoritma Genetika adalah algoritmayang memanfaatkan proses seleksialamiah yang dikenal dengan prosesevolusi
Dalam proses evolusi, individu secaraterus-menerus mengalami perubahangen untuk menyesuaikan denganlingkungan hidupnya
Hanya individu-individu yang kuat yang mampu bertahan
Algoritma Genetika (AG)
Genotype (Gen), bagian dari kromosomyang mewakili satu variabel (nilai biner,float, integer, karakter, dll)
Allele, nilai dari gen Kromosom/individu, gabungan gen-gen yang
menyatakan salah satu solusi yangmungkin
Populasi, sekumpulan individu yangakan diproses bersama dalam satusiklus proses evolusi
Generasi, satuan siklus proses evolusi
Nilai Fitness, seberapa baik nilaidari suatu individu/solusi
Definisi Penting
Siklus AG
Populasi Awal
Populasi Baru
Evaluasi Fitness
Seleksi Individu
Reproduksi :Cross-Over &
Mutasi
TSP
A B
D C
8
7
3 4
5
6
Kriteria berhenti : jika setelahbeberapa generasi berturut-turutdiperoleh nilai fitness yang terendah tidak berubah
Membangkitkan populasi awal adalah proses membangkitkan sejumlah individu secara acak atau melalui prosedur tertentu
Populasi Awal
Misal dalam sebuah populasi terdapat4 individu:Kromosom[1] = [A B C D]Kromosom[2] = [B C D A]Kromosom[3] = [C D A B]Kromosom[4] = [D A B C]
Populasi Awal
Menghitung nilai fitness dari tiapkromosom yang telah dibangkitkanFitness[1] = 8 + 5 + 6 = 19Fitness[2] = 5 + 6 + 7 = 18Fitness[3] = 6 + 7 + 8 = 21Fitness[4] = 7 + 8 + 5 = 20
Evaluasi Fitness
Seleksi dilakukan untuk mendapatkan calon induk yang baik
Induk yang baik akan menghasilkanketurunan yang baik
Semakin tinggi nilai fitness suatusuatu individu semakin besar kemungkinannya terpilih
Metode seleksi yang paling umumadalah roulette wheel
Seleksi
Karena pada TSP yang diinginkan adalahkromosom dengan fitness yang lebihkecil yang memiliki probabilitas terpilihkembali lebih besar, maka digunakaninverse :Q[i] = 1/Fitness[i]Q[1] = 1/19 = 0,053Q[2] = 1/18 = 0,056Q[3] = 1/21 = 0,048Q[4] = 1/20 = 0,05Total = 0,207
Seleksi Kromosom
Menghitung probabilitas/fitness relatiftiap individu :P[i] = Q[i]/TotalP[1] = 0,053/0,207 = 0,256P[2] = 0,056/0,207 = 0,27P[3] = 0,048/0,207 = 0,232P[4] = 0,05/0,207 = 0,242
Kromosom ke-2 dengan nilai fitness terkecil memilikiprobabilitas terpilih terbesar
Seleksi Kromosom
Menghitung fitness kumulatif/nilaikumulatif dari probabilitas :C[1] = 0,256C[2] = 0,256 + 0,27 = 0,526C[3] = 0,526 + 0,232 = 0,758C[4] = 0,758 + 0,242 = 1
Seleksi Kromosom
Memilih induk yang akan menjadikandidat untuk di-crossover :• Bangkitkan bilangan acak R
R[1] = 0,314R[2] = 0,743R[3] = 0,418R[4] = 0,203
• Pilih induk, C[k-1] < R < C[k]Induk terpilih :Kromosom[2]Kromosom[3]Kromosom[1]
Seleksi Kromosom
Order crossover
Menentukan posisi crossover dilakukandengan membangkitkan bilangan acakantara 1 sampai pjgKrom – 1
Bilangan acak untuk 3 kromosom induk yang akan di-crossover :C[2] = 2C[3] = 1C[1] = 2
Crossover
Proses crossover :Kromosom[2] = Kromosom[2] X Kromosom[3]
= [B C D A] X [C D A B]= [B C A D]
Kromosom[3] = Kromosom[3] X Kromosom[1]= [C D A B] X [A B C D]= [C B A D]
Kromosom[1] = Kromosom[1] X Kromosom[2]= [A B C D] X [B C D A]= [A B D C]
Crossover
Populasi setelah di-crossover :Kromosom[1] = [A B D C]Kromosom[2] = [B C A D]Kromosom[3] = [C B A D]Kromosom[4] = [D A B C]
Crossover
Swapping mutation
Jumlah kromosom yang dimutasi dalamsatu populasi ditentukan oleh parametermutation rate (ρm)
Proses mutasi dilakukan dengan cara menukar gen yang dipilih secara acak dengan gen sesudahnya.Jika gen berada di akhir kromosom,maka ditukar dengan gen yangpertama
Mutasi
Hitung panjang total gen pada satu populasi :Panjang total gen= jumlah gen dalam 1 kromosom * jumlah kromosom= 4 * 4 = 16
Untuk memilih posisi gen yangdimutasi dilakukan denganmembangkitkan bilangan acak antara1 sampai panjang total gen, yaitu1 - 16
Mutasi
Misal ditentukan ρm = 20%. Maka jumlahgen yang akan dimutasi :0,2 * 16 = 3,2 = 3
3 buah posisi gen yang akan dimutasisetelah diacak adalah 3, 7, 14
Mutasi
Proses mutasi :Kromosom[1] = [A B D C]Kromosom[2] = [B C A D]Kromosom[3] = [C B A D]Kromosom[4] = [D A B C]
Kromosom[1] = [A B C D]Kromosom[2] = [B C D A]Kromosom[3] = [C B A D]Kromosom[4] = [D B A C]
Mutasi
Proses AG untuk 1 generasi telah selesai.Maka nilai fitness setelah 1 generasi :Fitness[1] = 8 + 5 + 6 = 19Fitness[2] = 5 + 6 + 7 = 18Fitness[3] = 5 + 8 + 7 = 20Fitness[4] = 4 + 8 + 3 = 15
Evaluasi Fitness