INTISARI

Genetic Algorithm (GA) adalah metode optimasi yang saat ini sedang banyak dibicarakan kemungkinannya untuk dipakai memecahkan problem optimasi di berbagai bidang. Problem kombinasional yang akan diaplikasikan dalam Tugas Akhir ini adalah Traveling Salesman Problem (TSP). Karena algoritma optimasinya yang tidak mengikutsertakan bilangan real, maka TSP dipilih sebagai problem yang akan dioptimasikan dengan GA dalam bahasa pemrograman VHDL. Program GA yang dibuat dapat memberikan output rute perjalanan terpendek melewati sejumlah titik. Untuk penjajakan, jumlah titiknya ditentukan sebanyak empat titik. Sebagai kompilernya digunakan HDL Foundation versi 2.1, karena kemampuannya untuk men-simulasikan respon program yang dibuat. Prosedur-prosedur langkah kerja GA yang dipilih disesuaikan dengan keterbatasan bahasa pemrograman VHDL, sehingga ditentukan permutation representation sebagai teknik representasi, order crossover sebagai prosedur crossover, dan reciprocal exchange mutation sebagai prosedur mutasinya. Kemudian dilakukan serangkaian studi untuk merealisasikan programnya, dan dikompile dengan HDL Foundation 2.1. Setelah tahap kompilasi dilakukan, dilanjutkan ke tahap sintesa agar respon programnya dapat dilihat dalam simulasi. Pada simulasi, dapat dilihat timing diagram dari signal-signal input dan output untuk tiap-tiap bit. Akhirnya diperoleh hasil simulasi yang sesuai dengan yang diharapkan, sehingga arsitektur GA yang dibuat siap untuk diimplementasikan ke dalam chip yang telah ditentukan.

II!

ABSTRACT
Genetic Algorithm (GA) is optimization method which it's being discussed its posibility to solve the optimization problems in many fields nowadays. Combinational problem that will be aplicated in this Paper is Traveling Salesman Problem (TSP). Since its optimization algorithms don't use real number, TSP is choosen as problem that will be optimizated by GA in VHDL programming language. The GA program can give the shortest tour through several points. For beginning, the number of points are determined four points only. HDL Foundation version 2.1 has been choosen as compiler, because its ability to simulate program responds. The procedures of GA are fitted to the limitation of VHDL programming language, so permutation representation has been choosen as representation technic, order crossover as crossover procedure, and reciprocal exchange mutation as mutation procedure. Then several studies have been done to implement the program, and they are compiled with HDL Foundation version 2.1. After compilation section is done, it's continued to synthesys section in order to see the simulation of their program response. In simulation results, can be seen timing diagrams of input and output signals for each bits. At last the simulation result which we are expected has been got, so the GA's architectures that has been made is ready to be implemented to the target chip.

IV

DAFTAR ISI

HALAMAN JUDUL HALAMAN PENGESAHAN

i a

AB STRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I. PENDAHULUAN 1. LATAR BELAKANG 2. TUJUAN 3. PEMBATASAN MASALAH 4. METODOLOGI 5. URAIAN SINGKAT 6. SISTEMATIKA PEMBAHASAN

iv v vii ix xii HALAMAN 1 1 3 3 4 4 6

II. TEORIPENUNJANG 7 1. METODE OPTIMASI GENETIC ALGORITHM 7 1.1. Traveling Salesman Problem (TSP) 9 1.1.1. Teknik representasi 10 1.1.2. Operator crossover 11 1.1.3. Operator mutasi 21 2. SEKILAS VHDL (VHSIC HARDWARE DESCRIPTION LANGUAGE)- 25 2.1. Paket Standart IEEE 1076.3 dan IEEE 1164 26 2.2. Deskripsi Disain dalam VHDL 27 3. KOMPILER XILINX FOUNDATION 2.1 UNTUK FPGA 30 4. SEKILAS FPGA XILINX XC4005XL 31 III. PERANCANGAN ARSITEKTUR METODE GENETIC ALGORITHM 1. PERANCANGAN ARSITEKTUR SECARA UMUM 2. PERANCANGAN ARSITEKTUR UNTUK TIAP PROSES OPERASI GENETIC ALGORITHM 2.1. Proses untuk Menghasilkan Initial Population 2.2. Proses Encoding dan Menghitung Fitness Value 2.3. Proses Crossover 2.4. Proses Mutasi 2.5. Proses Menghitung Fitness Value dari Offspring 2.6. Proses Seleksi 37 37 40 40 44 46 48 49 50

VII

2.7. Proses Pencarian Gen-gen dan Fitness Value yang Terbaik 2.8. Proses untuk Menghasilkan Generasi Selanjutnya SIMULASI DAN ANALISA 1. RESPON CHIP TERHADAP VARIASI INPUT PERTAMA 2. RESPON CHIP TERHADAP VARIASI INPUT KEDUA KESIMPULAN DAN SARAN 1. KESIMPULAN 2. SARAN DAFTAR PUSTAKA LAMPIRAN

52 55 57 57 93 130 130 131 132 133

via

DAFTARGAMBAR

2-1 2-2 2-3 2-4 2-5 2-6

ILUSTRASI DARI OPERATOR PMX ILUSTRASI DARI OPERATOR OX ILUSTRASI CROSSOVER ILUSTRASI DARI OPERATOR ORDER BASED CROSSOVER ILUSTRASI DARI OPERATOR CX ILUSTRASI DARI OPERATOR SUBTOUR EXCHANGE CROSSOVER DARI OPERATOR POSITION-BASED

13 15 16 17 19

20 22 22 23 24 25

2-7 2-8 2-9

ILUSTRASI DARI INVERSION MUTATION ILUSTRASI DARI INSERTION MUTATION ILUSTRASI DARI DISPLACEMENT MUTATION

2-10 ILUSTRASI DARI RECIPROCAL EXCHANGE MUTATION 2-11 ILUSTRASI DARI OPERATOR HEURISTIC MUTATION 2-12 PROSES DESATN DAN IMPLEMENTASI DENGAN FOUNDATION 2.1 2-13 LUT 4 INPUT SEBAGAI AND GATE 2-14 CONFIGURABLE LOGIC BLOCK 2-15 ARSITEKTUR UMUM FPGA 2-16 ARSITEKTUR XDLINX FPGA 3-1 3-2 3-3 LAYOUT TSP UNTUK RUTE O - B - C - D - A PIN INPUT DAN OUTPUT CHIP PERTAMA PROSEDUR ORDER CROSSOVER YANG DIAPLKASIKAN PADA PROGRAM 3-4 PROSEDUR RECIPROCAL EXCHANGE MUTATION YANG DIAPLIKASIKAN PADA PROGRAM 3-5 PIN INPUT DAN OUTPUT CHIP KEDUA

31 33 34 35 36 38 44

47

48 55 59 60 62 63

4-1 A SIGNAL CHROM PADA PIN OUTPUT CHIP PERTAMA 4-1 B SIGNAL CHROM PADA PIN OUTPUT CHIP PERTAMA 4-2 A SIGNAL-SIGNAL PADA PIN INPUT CHIP KEDUA 4-2 B SIGNAL-SIGNAL PADA PIN INPUT CHIP KEDUA

4-2 C SIGNAL-SIGNAL PADA PIN INPUT CHIP KEDUA 4-3 A SIGNAL-SIGNAL GEN 4-3 B SIGNAL-SIGNAL GEN 4-3 C SIGNAL-SIGNAL GEN 4-4 A HASIL PERHITUNGAN FITNESS VALUE 4-4 B HASIL PERHITUNGAN FITNESS VALUE 4-5 A SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DANMUTASI 4-5 B SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-5 C SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DANMUTASI 4-5 D SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-5 E SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-5 F SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-6 A SIGNAL-SIGNAL FITNESS VALUE DARI OFFSPRING 4-6 B SIGNAL-SIGNAL FITNESS VALUE DARI OFFSPRING 4-6 C SIGNAL-SIGNAL FITNESS VALUE DARI OFFSPRING 4-7 A SIGNAL-SIGNAL GEN POPULASI YANG BARU 4-7 B SIGNAL-SIGNAL GEN POPULASI YANG BARU 4-7 C SIGNAL-SIGNAL GEN POPULASI YANG BARU 4-8 SIGNAL GEN-GEN DAN FITNESS VALUE YANG TERBAIK

64 66 67 68 70 71

74

75

76

77

78

79 82 83 84 87 88 89 92 95 96 98 99 100 102 103

4-9 A SIGNAL CHROM PADA PIN OUTPUT CHIP PERTAMA 4-9 B SIGNAL CHROM PADA PIN OUTPUT CHIP PERTAMA 4-10 A SIGNAL-SIGNAL PADA PIN INPUT CHIP KEDUA 4-10 B SIGNAL-SIGNAL PADA PIN INPUT CHIP KEDUA 4-10 C SIGNAL-SIGNAL PADA PIN INPUT CHIP KEDUA 4-11 A SIGNAL-SIGNAL GEN 4-11 B SIGNAL-SIGNAL GEN

4-11 C SIGNAL-SIGNAL GEN 4-12 A HASIL PERHITUNGAN FITNESS VALUE 4-12 B HASIL PERHITUNGAN FITNESS VALUE 4-13 A SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-13 B SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-13 C SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-13 D SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-13 E SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-13 F SIGNAL-SIGNAL OFFSPRING HASIL PROSES CROSSOVER DAN MUTASI 4-14 A SIGNAL-SIGNAL FITNESS VALUE DARI OFFSPRING 4-14 B SIGNAL-SIGNAL FITNESS VALUE DARI OFFSPRING 4-14 C SIGNAL-SIGNAL FITNESS VALUE DARI OFFSPRING 4-15 A SIGNAL-SIGNAL GEN POPULASI YANG BARU 4-15 B SIGNAL-SIGNAL GEN POPULASI YANG BARU 4-15 C SIGNAL-SIGNAL GEN POPULASI YANG BARU 4-16 SIGNAL GEN-GEN DAN FITNESS VALUE YANG TERBAIK

104 106 107 110 111

112 113 114

115 118 119 120 123 124 125 128

XI

DAFTARTABKL 4-1 HASIL PERHITUNGAN FITNESS VALUE DAN GEN-GEN YANG BERSESUAIAN 4-2 4-3 4-4 OFFSPRING HASIL PROSES CROSSOVER OFFSPRING HASIL PROSES MUTASI HASIL PERHITUNGAN FITNESS VALUE DAN OFFSPRINGOFFSPRING YANG BERSESUAIAN 4-5 GEN-GEN POPULASI YANG BARU DAN FITNESS VALUE YANG BERSESUAIAN 4-6 HASIL PERHITUNGAN FITNESS VALUE DAN GEN-GEN YANG BERSESUAIAN 4-7 4-8 4-9 OFFSPRING HASIL PROSES CROSSOVER OFFSPRING HASIL PROSES MUTASI HASIL PERHITUNGAN FITNESS VALUE DAN OFFSPRINGOFFSPRDMG YANG BERSESUAIAN 4-10 GEN-GEN POPULASI YANG BARU DAN FITNESS VALUE YANG BERSESUAIAN 126 116 105 108 109 90 80 69 72 73

xn