Algoritma Genetik.docx

download Algoritma Genetik.docx

of 11

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.