Strategi Evaluasi Model-Based surrogate dengan Seleksi dari individual pengganti yang berbasis
orientasi.
Di penelitian IGA yang berbasis Surrogate, individu pengganti sering diambil secara acak setelah
model diputuskan. Tetapi jika ppengganti yang dipilih jauh dari sampel laatihan yan gdigunakan
untuk melatih IGA, ketepatan nilai yang dikalkulasikan oleh Surrogate Model akan berbeda dari
kognisi manusia. Ini akan menyesatkan evolusi jauh dari yang diharapkan. Menyasar masalah
diatas, metode seleksi yang diorientasikan diusulkan.
Algoritma untuk memilih adalah sebagai berikut :
Step1 : Jumlah individu yang digantikan NM(t) diputuskan berdasarkan kelelahan manusia.
Step2 : sample terdiri dari individual yang telah diketahui nilai ketepatannya oleh penilaian manusia
lain. Merreka dikelompokkan dalam sub sampel menggunakan algoritma rerata Fuzzy-C.
Sep3 : Menyasar setiap sub sampel, surrogate model yang digambarkan oleh Artificial Neural
Network dilatih.
Step4 : Jarak atau perbedaan pada setiap sampel individu di populasi dan setiap sampel atau sub
sampel diperhitungkan.
Step5 :individual diurutkan perbedaan diatas, indiidu dengan sedikit perbedaan dipilih sebagai
individu pengganti.
Step6 : Ketepatan nilai dari individu pengganti dikalkulasikan melalui kluster surrogate model yang
berafiliasi dengan mereka.
6. Analisis kesamaan
dalam algoritma genetik, apakah dan seberapa cepat mereka sesuai (konvergen) dengan sampel
nyata digunakan untuk mengukur kualitas dari algoritma yan gdigunakan. Hal ini telah banyak
diteliti, akan tetapi kesesuaian IGA jarang dibahas. Dalam chapter ini konverensi dari AES-IGA
dianalisa dalam bentuk analisis drift.
[persamaannya ga mudheng saya]