DISUSUN OLEH :
(1310141009)
WILDAN A
(1310141026)
YEHESKIEL R
(1310141028)
Populasi
awal
Evaluasi
Fitness
Seleksi
individu
Reproduksi :
Crossover
dan Mutasi
Populasi
baru
Parameter Algoritma
Genetika
Gen
Allele
Kromosom
Individu
Populasi
Nilai Fitness
Analisa Progarm
1. Mengitung nilai fitness target :
BUKU
[ 2 21 11 21]
[ 2 20 1019
19]
Kromosom 1 (100)
[ 4 18 8 22
22 ]
Kromosom 2 (95)
[ 2 20 10 22]
[ 4 18 8 19 ]
Karena hanya 1 gen saja yang dapat ditukar, maka kromosom 1 memenuhi syarat proses mutasi
Proses Crossover
Menetukan kromosom lain yang terpilih dalam proses crossover
[2 21
21 11 21]
[4 19 13
22]
[4 18
18 8 22]
Kromosom 1 (95)
[7 18 8
[7 19
Kromosom 2 (91)
19 13 25 ]
25]
perbandingan antara kromosom diatas dengan target tidak sesuai dengan
syarat crossover, sehingga kromosom diatas tidak dapat digunakan pada proses crossover.
Menetukan kromosom lain kembali yang terpilih dalam proses
crossover
Kromosom target (104)
[ 22 21 11
11 21]
[ 3 18 13 22]
Kromosom 1 (95)
[44 18 8
8 22]
[ 4 16 8 13]
Kromosom 2 (88)
[3316 13 13]
perbandingan antara kromosom diatas dengan target tidak sesuai dengan
syarat crossover, sehingga kromosom diatas tidak dapat digunakan pada proses crossover.
Kromosom 2 (84)
proses mutasi
APLIKASI PADA
TRAVELLING
SALESMAN
PROBLEM (TSP)
PENERAPAN ALGORITMA
GENETIKA PADA TSP
GEN
ALEL
KROMOSOM
: KOTA
INDIVIDU
POPULASI
Generasi sebagai
batas iterasi pada
program
GENERASI = 10
10
GENERASI = 50
Kenaikan nilai fitness,
bergantung
probabilitas mutasi
Grafik menunjukkan
nilai mulai stabil
GENERASI = 100
Semakin mendekati
nilai yang diharapkan
GENERASI = 500
1000
Start generasi
500
Start generasi
1000
KESIMPULAN
Terima Kasih