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


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


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.


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


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.


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


7/11

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 (


8/11

b. 4ila ratarata itness setiap generasi digunakan sebagai indikator, maka

reenstette merekomendasikan " (popsie; pc; pm) B (&


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.


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.


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.

Algoritma Genetik.docx

Documents

Transcript of Algoritma Genetik.docx