2.

Nilai Fitness
Suatu individu dievaluasi berdasarkan
suatu fungsi tertentu sebagai ukuran
performansinya
Dalam evolusi alam, individu yang bernilai
fitness tinggi yang akan bertahan hidup
Contoh pada optimasi, kita ingin
memaksimalkan fungsi h f = h dan
untuk meminimalkan fungsi h f = 1/h
dimana f = nilai fitness
 Contoh diketahui, x1, x2 [-2,5],
bagaimana nilai fitnessnya untuk
mencari nilai maksimum dari h(x1, x2) =
x 12 + x 22 .
Fungsi h mencapai nilai ekstrem
maksimum 50 pada x1= 5 dan x2 = 5.
Nilai fitness untuk masalah tersebut
adalah h itu sendiri
 3. Seleksi Orang Tua
Pemilihan 2 kromosom sebagai orang tua,
yang akan dipindahsilangkan, biasanya
dilakukan secara proporsional sesuai
dengan nilai fitnessnya.
Metode yang umum digunakan roulette-
wheel.
Contoh :
Kromosom Nilai Fitness

K1 1 K1
K2

K2 2 K3
K4

K3 0,5
K4 0,5
Jumlah 4
 4. Crossover
Sebuah kromosom yang mengarah pada solusi
yang bagus bisa diperoleh dari proses
memindah-silangkan 2 buah kromosom
Pindah silang berakibat buruk, jika ukuran
populasinya sangat kecil probabilitas tertentu
pc
Artinya, crossover dapat dilakukan hanya jika
suatu bilangan random [0,1] yang dibangkitkan
kurang dari pc yang ditentukan.
Pada umumnya, pc diset mendekati 1, misalnya
0,8
 Contoh crossover
Titik Potong X1 X2

Orang Tua 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Orang Tua 2 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

g1 g2 g3 g4 g5 g6 g7 g8 g9 g10 g11 g12 g13 g14 g15 g16 g17 g18 g19 g20

Anak 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Anak 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 5. Mutasi
Untuk semua gen yang ada, jika bilangan
random yang dibangkitkan kurang dari
probabilitas mutasi pmut yang ditentukan
maka ubah gen tersebut menjadi nilai
kebalikannya.
Biasanya pmut diset sebagai 1/n, dimana n
adalah jumlah gen dalam kromosom.
Berarti mutasi hanya terjadi pada sekitar 1
gen saja
 Contoh Mutasi
X1 X2

Kromosom Asal 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Hasil Mutasi 0 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1

g1 g2 g3 g4 g5 g6 g7 g8 g9 g10 g11 g12 g13 g14 g15 g16 g17 g18 g19 g20
 6. Elitisme
Karena seleksi dilakukan secara random,
maka tidak ada jaminan bahwa suatu
individu bernilai fitness tertinggi akan
selalu terpilih.
Untuk menjaga agar individu bernilai
fitness tertinggi tersebut tidak hilang
selama evolusi, maka perlu dibuat satu
atau beberapa kopinya elitisme
 7. Penggantian Populasi
Skema yang sering dipakai generational
replacement, yaitu semua individu (misal N
individu dalam 1 populasi) dari suatu generasi
digantikan sekaligus oleh N individu baru hasil
pindah silang dan mutasi.
Secara umum skema penggantian populasi
dapat dirumuskan berdasarkan suatu ukuran
generational gap G.
Ukuran ini menunjukkan persentase populasi
yang digantikan dalam setiap generasi.
Pada skema generational replacement, G=1
 Skema yang paling ekstrem adalah hanya
mengganti 1 individu dalam setiap
generasi, yaitu G =1/N, dimana N adalah
jumlah individu dalam populasi (steady-
state reproduction)
 Algoritma Genetika Standar
1. Satu populasi dengan N kromosom (individu)
2. Binary Encoding
3. Linear fitness encoding
4. Roulette-wheel selection
5. Pindah silang 1 titik potong
6. Probabilitas pindah silang dan probabilitas
mutasi bernilai tetap selama evolusi
7. Elitisme, 1 atau 2 buah kopi dari individu
bernilai fitness tertinggi
8. Generational replacement. Penggantian
semua individu sekaligus