Algoritma Genetik.docx
Transcript of Algoritma Genetik.docx
-
7/26/2019 Algoritma Genetik.docx
1/11
Algoritma Genetika
Algoritma genetika adalah algoritma komputasi yang di inspirasi teori evolusi
yang kemudian diadopsi menjadi algoritma komputasi yang biasa digunakan
untuk memecahkan suatu pencarian nilai dalam sebuah masalah optimasi.
Algoritma ini didasarkan pada proses genetik yang ada dalam makhluk hidup;
yaitu perkembangan generasi dalam sebuah populasi yang alami, secara lambat
laun mengikuti prinsip seleksi alam atau siapa yang kuat, dia yang bertahan
(survive). Dengan meniru teori evolusi ini, algorit ma genet ika dapat digunakan
untuk mencari solusi permasalahanpemasalahan dalam dunia nyata.
Ada ! kondisi yang sangat mempengaruhi proses evolusi, yaitu "
#. $emampuan organisme untuk melakukan reproduksi,
%. $eberadaan populasi organisme yang bias melakukan
reproduksi,&. $eberagaman organisme dalam suatu populasi dan
!. 'erbedaan kemampuan untuk survive.
Gambar 1 - Flowchart Algoritma Genetika
-
7/26/2019 Algoritma Genetik.docx
2/11
#. Struktur Umum Algoritma Genetika
Algoritma genetika memiliki struktur umum, antara lain "
a) 'opulasi, istilah pada teknik pencarian yang dilakukan sekaligus atas
sejumlah kemungkinan solusi.
b) $romosom, individu yang terdapat dalam satu populasi dan merupakan
suatu solusi yang masih berbentuk simbol.
c) enerasi, populasi aal dibangun secara acak sedangkan populasi
selanjutnya merupakan hasil evolusi kromosomkromosom melalui iterasi.
d) *ungsi *itness, alat ukur yang digunakan untuk proses evaluasi
kromosom. +ilai itness dari suatu kromosom akan menunjukkan kualitas
kromosom dalam populasi tersebut.
e) enerasi berikutnya dikenal dengan anak (ospring) yang terbentuk dari
gabungan dua kromosom generasi sekarang yang bertindak sebagai induk
(parent) dengan menggunakan operator penyilang (crossover).
) -utasi, operator untuk memodiikasi kromosom.
%. Komponen Utama Algoritma Genetika
Dalam algoritma genetika terdapat enam komponen utama, yaitu "
%.#. eknik 'enyandian
eknik penyandian meliputi penyandian gen dari kromosom. en merupakan
bagian dari kromosom, satu gen biasanya meakili satu variable. en dapat
direpresentasikan dalam bentuk " string bit, pohon, array bilangan real, datar
aturan elemen permutasi, elemen program dan lainlain.
%.%. 'rosedur /nisialisasi
-
7/26/2019 Algoritma Genetik.docx
3/11
0kuran populasi tergantung pada permasalahan yang akan dipecahkan dan
jenis operator genetika yang akan diimplementasikan. 1etelah ukuran populasi
telah ditentukan, kemudian harus dilakukan inisialisasi terhadap kromosom
yang terdapat pada populasi tersebut. /nisialisasi kromosom dapat dilakukan
secara acak, namun demikian harus tetap memperhatikan domain solusi dan
kendala permasalahan yang ada.
%.&. *ungsi 2valuasi
Ada dua hal yang harus dilakukan dalam melakukan evaluasi kromosom yaitu
evaluasi ungsi objekti dan konversi ungsi objekti kedalam ungsi itness
%.!. 1eleksi
-emiliki tujuan untuk memberikan kesempatan reproduksi yang lebih besar
bagi anggota populasi yang paling it. 1eleksi akan menentukan individu
individu mana saja yang akan dipilih untuk dilakukan rekombinasi dan
bagaimana ospring terbentuk dari individuindividu terpilih tersebut.
3angkah pertama yaitu pencarian nilai itness. 3angkah kedua adalah nilai
itness yang diperolah digunakan pada tahaptahap seleksi selanjutnya. Ada
beberapa deinisi yang bisa digunakan untuk melakukan perbandingan
terhadap beberapa metode yang akan digunakan, antara lain "
a) 1elective 'ressure " probabilitas dari individu terbaik yang akan
diseleksi dibandingkan dengan ratarata probabilitas dari semua
individu yang diseleksi.
b) 4ias " perbedaan absolut antara itness ternormalisasi dari suatu
individu dan probabilitas reproduksi yang diharapkan.
-
7/26/2019 Algoritma Genetik.docx
4/11
c) 1pread " range nilai kemungkinan untuk sejumlah ospring dari suatu
individu.
d) 3oss o diversity" proposi dari individuindividu dalam suatu populasi
yang tidak terseleksi selama ase seleksi.
e) 1election intensity " nilai itness ratarata yang diharapkan dalam suatu
populasi setelah dilakukan seleksi (menggunakan distribusi auss
ternormalisasi).
) 1election variance " variansi yang diharapkan dari distribusi itness
dalam populasi setelah dilakukan seleksi (menggunakan distribusi
auss ternormalisasi).
Ada beberapa metode seleksi dari induk, yaitu "
a) 5ankbased itness assignment
'opulasi diurutkan menurut nilai objektinya. +ilai itness dari tiaptiap
individu hanya tergantung pada posisi individu tersebut dalam urutan, dan
tidak dipengaruhi oleh nilai objektinya.
b) 5oulette heel selection
/stilah lainnya adalah stochastic sampling ith replacement. /ndividuindividu
dipetakan dalam suatu segmen garis secara berurutan sedemikian hingga
tiaptiap segmen individu memiliki ukuran yang sama dengan ukuran
itnessnya. 1ebuah bilangan random dibangkitkan dan individu yang memiliki
segmen dalam kaasan segmen dalam kaasan bilangan random tersebut
akan terseleksi. 'roses ini berulang hingga didapatkan sejumlah individu yang
diharapkan.
c) 1tochastic universal sampling
-
7/26/2019 Algoritma Genetik.docx
5/11
-emiliki nilai bias nol dan penyebaran yang minimum. /ndividuindividu
dipetakan dalam suatu segmen garis secara berurut sedemikian hingga tiaptiap
segmen individu memiliki ukuran yang sama dengan ukuran itnessnya seperti
halnya pada seleksi roda roulette. $emudian diberikan sejumlah pointer
sebanyak individu yang ingin diseleksi pada garis tersebut. Andaikan + adalah
jumlah individu yang akan diseleksi, maka jarak antar pointer adalah #6+, dan
posisi pointer pertama diberikan secara acak pada range 7#, #6+8.
d) 3ocal selection
1etiap individu yang berada di dalam konstrain tertentu disebut dengan nama
lingkungan lokal. /nteraksi antar individu hanya dilakukan di dalam ilayah
tersebut. 3ingkungan tersebut ditetapkan sebagai struktur dimana populasi
tersebut terdistribusi. 3ingkungan tersebut juga dapat dipandang sebagai
kelompok pasanganpasangan yang potensial. 3angkah pertama yang
dilakukan adalah menyeleksi separuh pertama dari populasi yang berpasangan
secara random. $emudian lingkungan baru tersebut diberikan pada setiap
individu yang terseleksi. 1truktur lingkungan pada seleksi lokal dapat
berbentuk " linear (ull ring dan hal ring), dimensi% (ull cross dan hal cross,
ull star dan hal star), dan dimensi& dan struktur yang lebih kompleks yang
merupakan kombinasi dari kedua struktur diatas. 9arak antara individu dengan
struktur tersebut akan sangat menentukan ukuran lingkungan. /ndividu yang
terdapat dalam lingkungan dengan ukuran yang lebih kecil, akan lebih
terisolasi dibandingkan dengan individu yang terletak pada lingkungan dengan
ukuran yang lebih besar.
-
7/26/2019 Algoritma Genetik.docx
6/11
e) runcation selection
-erupakan seleksi buatan yang digunakan oleh populasi yang jumlahnya
sangat besar. /ndividuindividu diurutkan berdasarkan nilai itnessnya. :anya
individu yang terbaik saja yang akan diseleksi sebagai induk. 'arameter yang
digunakan adalah suatu nilai ambang trunc yang mengindikasikan ukuran
populasi yang akan diseleksi sebagai induk yang berkisar antara
-
7/26/2019 Algoritma Genetik.docx
7/11
a. 5ekombinasi diskrit " menukar nilai variabel antar kromosom
induk.
b. 5ekombinasi intermediate " metode rekombinasi yang hanya
dapat digunakan untuk variabel real. +ilai variabel anak dipilih di
sekitar dan antara nilainilai variable induk.
c. 5ekombinasi garis " hampir sama dengan rekombinasi menengah,
hanya saja nilai alpha untuk semua variable sama.
d. 5ekombinasi garis yang diperluas
ii. 5ekombinasi bernilai biner (?rossover), yaitu "
a. ?rossover satu titik
b. ?rossover banyak titik
c. ?rossover seragam
d. ?rossover dengan permutasi
%) -utasi, yang terdiri dari "
i. -utasi bernilai real
ii. -utasi bernilai biner
%.@. 'enetuan 'arameter
'arameter adalah parameter control algoritma genetika, yaitu ukuran populasi
(popsie), peluang crossover (pc) dan peluang mutasi (pm). 5ekomendasi
untuk menentukan nilai parameter "
a. 0ntuk permasalahan yang memiliki kaasan solusi cukup besar, De 9ong
merekomendasikan nilai parameter " (popsie; pc; pm) B (
-
7/26/2019 Algoritma Genetik.docx
8/11
b. 4ila ratarata itness setiap generasi digunakan sebagai indikator, maka
reenstette merekomendasikan " (popsie; pc; pm) B (&
-
7/26/2019 Algoritma Genetik.docx
9/11
diperhatikan dalam mendeinisikan individu untuk membangun penyelesaian
permasalahan dengan algoritma genetika adalah sebagai berikut "
a. enotype (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 brupa
nilai biner, loat, integer maupun karakter, atau kombinatorial.
b. Allele, nilai dari gen.
c. $romosom, gabungan gengen yang membentuk nilai tertentu.
d. /ndividu, menyatakan satu nilai atau keadaan yang menyatakan salah
satu solusi yang mungkin dari permasalahan yang diangkat.
e. enerasi, menyatakan satu siklus proses evolusi atau satu iterasi di
dalam algoritma genetika.
-
7/26/2019 Algoritma Genetik.docx
10/11
ambar % /lustrasi representasi penyelesaian permasalahan dalam algoritma
genetika
). *ilai Fitness
+ilai itness adalah nilai yang menyatakan baik tidaknya suatu solusi
(individu). +ilai itness ini yang dijadikan acuan dalam mencapai nilai optimal
dalam algoritma genetika. Algoritma genetika bertujuan mencari individu
dengan nilai itness yang paling tinggi.
-
7/26/2019 Algoritma Genetik.docx
11/11
+. ,litisme
'roses seleksi yang dilakukan secara random sehingga tidak ada jaminan
baha suatu indvidu yang bernilai itness tertinggi akan selalu terpilih.
Ealaupun individu bernilai itness tertinggi terpilih, mungkin saja individu
tersebut akan rusak (nilai itnessnya menurun) karena proses pindah silang
(crossover). >leh karena itu, untuk menjaga agar individu bernilaiitness
tertinggi tersebut tidak hilang selama evolusi, maka perlu dibuat satu atau
beberapa copynya. 'rosedure ini dikenal sebagai elitisme.
. Hal-Hal Yang Harus iperhatikan alam (emakaian Algoritma Genetika
4eberapa hal yang perlu diperhatikan dalam pemakaian algoritma genetika
adalah "
a. Algoritma genetika adalah algoritma yang dikembangkan dari proses
pencarian solusi menggunakan pencarian acak, ini terlihat pada proses
pembangkitan populasi aal yang menyatakan sekumpulan solusi
yang dipilih secara acak.
b. 4erikutnya pencarian dilakukan berdasarkan prosesproses teori
genetika yang memperhatikan pemikiran bagaimana memperoleh
individu yang lebih baik, sehingga dalam proses evolusi dapat
diharapkan diproleh individu yang terbaik.