Algoritma Genetika

Saturday, November 23rd, 2013 - Biologi, Pendidikan

Algoritma Genetika – Algoritma Genetika adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara terus-menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya. “Hanya individu-individu yang kuat yang mampu bertahan”. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan.

Algoritma Genetika

Dalam algoritma genetika ini, proses perkembang-biakan ini menjadi proses dasar yang menjadi perhatian utama, dengan dasar berpikir: “Bagaimana mendapatkan keturunan yang lebih baik”. Algoritma genetika ini ditemukan oleh John Holland dan dikembangkan oleh muridnya David Goldberg.

Beberapa definisi penting dalam algoritma genetika

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.

Algoritma Genetika

Algoritma Genetika

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-satuan siklus proses evolusi. Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi yang didapatkan.

Hal-hal yang harus dilakukan dalam menggunakan algoritma genetika

Mendefinisikan individu, dimana individu menyatakan salah satu solusi (penyelesaian) yang mungkin dari permasalahan yang diangkat. Mendefinisikan nilai fitness, yang merupakan ukuran baik-tidaknya sebuah individu atau baik-tidaknya solusi yang didapatkan. Menentukan proses pembangkitan populasi awal. Hal ini biasanya dilakukan dengan menggunakan pembangkitan acak seperti random-walk. Menentukan proses seleksi yang akan digunakan. Menentukan proses perkawinan silang (cross-over) dan mutasi gen yang akan digunakan.

Berikut siklus algoritma genetika:

Siklus algoritma genetika:

Siklus algoritma genetika:

Hal penting yang harus diketahui dalam pemakaian algoritma genetika

Algoritma Genetika adalah algoritma yang dikembangkan dari proses pencarian solusi menggunakan pencarian acak, ini terlihat pada proses pembangkitan populasi awal yang menyatakan sekumpulan solusi yang dipilih secara acak. Berikutnya pencarian dilakukan berdasarkan proses-proses teori genetika yang memperhatikan pemikiran bagaimana memperoleh individu yang lebih baik, sehingga dalam proses evolusi dapat diharapkan diperoleh individu yang terbaik.

Beberapa implementasi algoritma genetika dapat dilakukan

  • Algoritma Genetika untuk mengoptimalkan model antenna array dengan memperbesar main-lobe dan menurunkan side-lobe
  • Algoritma Genetika untuk menyusun jadwal kuliah di PENS-ITS
  • Algoritma Genetika untuk menyelesaikan TSP (Traveling Salesman Problem)
  • Algoritma Genetika untuk menyusun jadwal pendistribusian produk (TSP multikriteria)
  • Algoritma Genetika untuk menyelesaikan masalah Knapsack
  • Algoritma Genetika untuk menentukan filter optimal yang dapat mereduksi noise pada gambar
  • Algoritma Genetika untuk menentukan nilai maksimal atau minimal sistem non linier.
  • Algoritma Genetika untuk mencari bentuk lingkaran pada suatu gambar
  • Algoritma Genetika untuk menentukan posisi suatu obyek gambar pada keseluruhan gambar.
  • Algoritma Genetika untuk menyusun jadwal penguji proyek akhir di Jurusan Telekomunikasi dan Jurusan Teknologi Informasi PENS-ITS.
  • Algoritma Genetika untuk menentukan pembobot nilai optimal dalam melakukan ranking pegawai.
  • Algoritma Genetika untuk peramalan time-series.

Keuntungan penerapan algoritma genetika

  1. Algoritma Genetika sangat handal untuk melakukan proses pencarian dan optimasi.
  2. Salah satu hal yang menggembirakan adalah kecepatan komputasi algoritma genetika untuk proses optimasi bisa dikatakan sangat baik.
  3. Proses-proses optimasi yang membutuhkan kecepatan komputasi dengan kompleksitas yang tinggi membutuhkan algoritma genetika.

Demikian penjelasan tentang algoritma genetika, semoga bermanfaat. Baca juga penjelasan tentang Hukum Mendel dan Kultur Jaringan.

Algoritma Genetika | Wawang Armansyah | 4.5