ALGORITMA GENETIKA

DISUSUN OLEH :

SHINTIA PUSPITA (1310141007)

JANITRA H

(1310141009)

WILDAN A

(1310141026)

YEHESKIEL R

(1310141028)

PENGERTIAN ALGORITMA GENETIKA

Populasi
awal

Evaluasi
Fitness

Seleksi
individu

Reproduksi :
Crossover
dan Mutasi
Populasi
baru

Parameter Algoritma
Genetika
Gen
Allele
Kromosom
Individu
Populasi
Nilai Fitness

Aplikasi Algoritma Genetika

Aplikasi GA untuk mencari kata secara acak
Aplikasi GA untuk penyelesaian TSP

Aplikasi Algoritma Genetika Untuk

Mencari Nama Secara Acak
Tentukan sebuah kata sebagai target
misalnya kata BUKU
Bangkitkan Populasi Awal misal :
Fitness = total abjad x jumlah gen - ( E )
E = An Tn, dimana : Tn adalah parameter gen dari target
An adalah parameter acak gen

Analisa Progarm
1. Mengitung nilai fitness target :
BUKU

[ 2 21 11 21]

Syarat mutasi hanya 1 gen saja yang

ditukar
2 syarat Crossover :
1. minimal n/2 dari jumlah gen
2. yang ditukar harus berurutan

E = | [2-2] + [21-21] + [11-11] + [21-21]

=0
Fitness = (26*4) E
= 104 0
= 104
2. Membuktikan kromosom yang mempunyai nilai fitness tertinggi langsung masuk ke dalam proses mutas
[ 2 21 1121
21]

Kromosom target (104)

[ 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]

Kromosom target (104)

[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.

Menetukan kromosom lain kembali yang terpilih dalam proses

[crossover
1121
21]
Kromosom target (104)
22 21 11
[ 3 18 9 21]
[ 4 4 8 22]
[ 44 18 8
8 22
22]
Kromosom 1 (95)
[3
3 4 9
9 21
21]

Kromosom 2 (84)

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)
[ 2 21 11 21
21]
[ 4 19 9 21]
Kromosom 1 (95)
[ 4 18 8
8 22
22]
[ 2318 8 22]
Kromosom 2 (79)
[ 23 19 9921
21]

proses mutasi

Hasil Running program

APLIKASI PADA
TRAVELLING
SALESMAN
PROBLEM (TSP)

PENERAPAN ALGORITMA
GENETIKA PADA TSP

GEN

: LETAK KOTA (GEOGRAFIS)

ALEL

: INFORMASI LETAK KOTA (NUMERIK)

KROMOSOM

: KOTA

INDIVIDU

: JALUR TEMPUH KOTA SATU KE KOTA LAIN

POPULASI

: PROBABILITAS JALUR TEMPUH X KOTA

NILAI FITNESS : JALUR TEMPUH TERBAIK

INISIALISASI TSP PADA PROGRAM

MATLAB

Generasi sebagai
batas iterasi pada
program

ALUR KERJA PROGRAM

Proses pemilihan individu terbaik

Elitisme digunakan untuk menjaga nilai

individu terbaik generasi agar tidak
berubah

Fungsi ini digunakan sebagai

penentu peringkat nilai fitness
terbaik generasi

HASIL KELUARAN PROGRAM

GENERASI = 10

Panjang Jalur Terbaik

sementara
Panjang Jalur yang
diharapkan = 40

10

GENERASI = 50
Kenaikan nilai fitness,
bergantung
probabilitas mutasi
Grafik menunjukkan
nilai mulai stabil

Panjang Jalur Terbaik

sementara

GENERASI = 100

Semakin mendekati
nilai yang diharapkan

GENERASI = 500

1000

Berdasarkan generasi terbanyak, Panjang Jalur paling optimum = 47,884

Start generasi
500

Start generasi
1000

KESIMPULAN

ALGORITMA GENETIKA adalah salah satu metode dalam AI yang

mengacu pada genetika alamiah (seleksi alam).

Pada program, hasil paling optimum bergantung pada jumlah

iterasi (generasi) yang disisipkan. Semakin banyak generasi,
maka semakin besar kemungkinan nilai optimum dicapai.

Toleransi nilai diperlukan untuk mencapai nilai optimum dari

suatu program

Terima Kasih