CBR Algogen Kel1
CBR Algogen Kel1
ALGORITMA GENETIKA
Disusun Oleh :
Kelompok 1
Mariyani 4191250007
2021
KATA PENGANTAR
Puji Syukur saya panjatkan kehadirat Tuhan Yang Maha Esa, karena atas berkat
rahmat dan karunia-Nya lah, tugas ini dapat kami selesaikan dengan baik dan tepat pada
waktunya. Adapun tujuan penulisan CBR ini adalah untuk memenuhi tugas mata kuliah
Algoritma Genetika.
Kami menyadari bahwa penulisan CBR ini masih banyak kekurangannya. Oleh
karena itu, saya sangat mengharapkan adanya kritik dan saran yang bersifat positif, agar
CBR ini menjadi lebih baik lagi di masa yang akan datang.
Harapan saya, semoga CBR yang sederhana ini, dapat memberi manfaat tersendiri
bagi teman-teman pembaca sekalian.
Tim Penulis
i
DAFTAR ISI
KATA PENGANTAR..........................................................................................................................i
DAFTAR ISI........................................................................................................................................ii
BAB I PENDAHULUAN..................................................................................................................1
1.1 Latar Belakang..........................................................................................................................1
1.2 Rumusan Masalah.....................................................................................................................1
1.3 Tujuan........................................................................................................................................1
BAB II PEMBAHASAN....................................................................................................................2
2.1 Identitas Buku............................................................................................................................2
2.2 Ringkasan Buku.........................................................................................................................3
2.3 Kelebihan dan Kekurangan Buku............................................................................................7
BAB III PENUTUP............................................................................................................................8
3.1 Kesimpulan................................................................................................................................8
3.2 Saran...........................................................................................................................................8
Link Google Drive Buku.................................................................................................................9
ii
BAB I
PENDAHULUAN
Teori dan aplikasi algoritma genetika berkembang pesat dan merambah di berbagai
aplikasi dunia nyata di berbagai bidang termasuk komputasi, transportasi, teknik,
kedokteran, pertanian, industry, biokimia, dan robotika. Algoritma genetika bersifat
evolusionari, stokastik, heuristik, dan progresif mengantarkan ke solusi problema optimal
dengan prinsip seleksi alam dan kelangsungan hidup yang terarah dan terkendali.
Dalam penerapan algoritma genetika diperlukan pemahaman dari konsep dasar dan
langkah-langkah dari algoritma tersebut. Jadi, melalui tugas ini, saya akan coba
menjelaskan tentang Algoritma Genetika dari dua buku yang akan kami ulas.
1.3 Tujuan
1. Untuk mengetahui contoh penerapan algoritma genetika.
2. Untuk mengetahui cara kerja dari algoritma genetika.
3. Untuk mengetahui keunggulan dari algoritma genetika.
1
BAB II
PEMBAHASAN
b. Buku Kedua
Judul : Genetic Algorithms and Genetic Programming : Modern Concepts and
Practical Applications
Penulis : Michael Affenzeller; Stephan Winkler; Stefan Wagner; Andreas Beham
Penerbit : CRC Press
ISBN : 978-1-58488-629-7
Tahun Terbit : 2009
2
2.2 Ringkasan Buku
a. Ringkasan Buku 1
BAB 8
Aplikasi Algoritma Genetika Dalam Sistem Penunjang Keputusan Cerdas Bidang
Agroindustri
8.3 Pengembangan Sistem
IDSS-SCM digunakan untuk mengelola rantai pasokan agroindustri hortikultura
dengan mengintegrasikan elemen-elemen yang terdapat dalam Supply Chain Management
seperti Forecasting, Inventory Management, Aggregate Planning, Resource Planning, dan
Transportation Management Selain itu IDSS-SCM menggunakan metode penyelesaian
persoalan yang diadaptasi dari bidang kecerdasan buatan yaitu Algoritma genetika,
sehingga dengan menggunakan sistem ini diharapkan proses pengambilan keputusan yang
berkaitan dengan pengelolaan rantai pasokan agroindustri hortikultura dapat berlangsung
dengan lebih efektif dan efisien.
Seluruh perhitungan yang berkaitan dengan alokasi tenaga kerja terdapat dalam
Model Perencanaan Agregat. Metode yang digunakan dalam model ini ialah algoritma
genetika. Variabel keputusan yang digunakan dalam model ini direpresentasikan dalam
bentuk kromosom, dimana bentuk representasi kromosom dapat dilihat pada gambar 8.1
Variabel keputusan yang terdapat pada kromosom tersebut akan dilakukan fungsi
evaluasi. Fungsi evaluasi ini bertujuan untuk meminimumkan total biaya tenaga kerja
selama satu tahun kedepan.
3
Gambar 8.2 Grafik nilai fitness rata-rata dan nilai fitness minimum dari tiap generasi
Dapat disimpulkan bahwa solusi optimal telah tercapai pada nilai TCTK=153915400
8.4 Kesimpulan
4
b. Ringkasan Buku 2
Chapter 10
Applications of Genetic Algorithms: Combinatorial Optimization
10.1 The Traveling Salesman Problem
The Results for the TSP are represented as the relative difference to the best known
solution defined as
All values presented in the following tables are the best and average relative
differences of five independent test runs executed for each test case. The average number of
evaluated solutions gives a quite objective measure of the computational effort.
10.1.1 Performance Increase of Results of Different Crossover Operators by Means of
Offspring Selection
The first aspect to be considered is the effect of the offspring selection model on the
quality improvement using different crossover operators. In order to visualize the positive
effects of the new methods in a more obvious way, we also present results that were
generated by a standard GA with proportional selection, generational replacement, and 1-
elitism.
In Table 10.2 the results achieved with the conventional GA are listed. The fixed
parameter values that were used for all algorithms in the different test runs are given in Table
10.1.
As we want to see how the algorithmic concepts presented in the first part of this book
influence the ability of GAs to produce high quality results, the effects of offspring selection
are here given on the basis of a number of experiments which were performed on a single
population in order to not dilute the effects of offspring selection principles with the effects
of the segregation and reunification strategies. Table 10.3 recapitulates the results for a
selection of commonly applied crossover operators suggested for the path representation of
the TSP ([Mic92], [LKM+99]) each on its own, as well as one combination of more effective
crossover operators.
5
2.3 Kelebihan dan Kekurangan Buku
Genetic Algorithms and Memiliki contoh serta Isi buku dalam bahasa
Genetic Programming cara penyelesaiannya inggris sehingga hanya
Modern Concepts and Memiliki lebih banyak mudah dipahami oleh
Practical Applications contoh pembaca yang dapat
berbahasa inggris.
6
BAB III
PENUTUP
3.1 Kesimpulan
Algoritma genetika memiliki kelebihan daripada metode optimasi lainnya yaitu
algoritma genetika dapat melakukan optimasi masalah dengan masalah yang kompleks dan
ruang pencarian yang sangat luas. Kekurangan dari algoritma genetika yaitu memerlukan
generasi yang banyak untuk menghasilkan sebuah nilai yang optimal.
3.2 Saran
Saran saya, jika anda ingin menambah wawasan anda tentang Algoritma Genetika dan
bisa berbahasa inggris, sebaiknya menggunakan Buku Kedua. Sedangkan, jika anda tidak
bisa berbahasa inggris sebaiknya menggunakan Buku Pertama.