ALGORITMA GENETIKA

Komputer Cerdas Tenaga

I Gusti Ngurah Adi Mertana (1514122045)

Mohammad Nur Siddada (12041007)
PENGENALAN ALGORITMA GENETIK
Algoritma genetik adalah teknik pencarian yang di
dalam ilmu komputer untuk menemukan
penyelesaian perkiraan untuk optimisasi dan
masalah pencarian. Algoritma genetik adalah
kelas khusus dari algoritma evolusioner dengan
menggunakan teknik yang terinspirasi oleh biologi
evolusioner seperti warisan, mutasi, seleksi alam
dan rekombinasi (atau crossover).
PENGENALAN ALGORITMA GENETIK
Algoritma Genetik pertama kali dikembangkan
oleh John Holland pada tahun 1970-an di New
York, Amerika Serikat. Dia beserta murid-murid
dan teman kerjanya menghasilkan buku berjudul
"Adaption in Natural and Artificial Systems" pada
tahun 1975.
PENGENALAN ALGORITMA GENETIK
Menurut Suyanto dalam artificial Intelegence
(2007 : 205) menulis bahwa algoritma genetika
adalah algoritma pencarian yang didasarkan pada
seleksi alamiah dan genetika alamiah. Pada
awalnya Algoritma Genetika digunakan sebagai
pencarian parameter-parameter yang optimal.
Akan tetapi dalam perkembangannya, Algoritma
Genetika bisa diaplikasikan untuk berbagai
masalah seperti learning, peramalan,
pemrograman otomatis, dan sebagainya.
DEFINISI PENTING
 Genotype (Gen), dalam algoritma genetika, gen ini
bisa berupa nilai biner, float, integer maupun
karakter, atau kombinatorial.
 Allele, nilai dari gen.
 Kromosom, gabungan gen-gen yang membentuk nilai
tertentu.
 Individu, menyatakan satu nilai atau keadaan yang
menyatakan salah satu solusi yang mungkin dari
permasalahan yang diangkat.
 Populasi, merupakan sekumpulan individu yang
akan diproses bersama dalam satu siklus proses
evolusi.
 Generasi, menyatakan satu-satuan siklus proses
evolusi.
 Nilai Fitness, menyatakan seberapa baik nilai dari
suatu individu atau solusi yang didapatkan.
STRUKTUR UMUM
STRUKTUR UMUM
 Membangkitkan populasi awal
Populasi awal ini dibangkitkan secara random sehingga
didapatkan solusi awal. Populasi itu sendiri terdiri atas
sejumlah kromosom yang merepresentasikan solusi yang
diinginkan.
 Membentuk generasi baru
Untuk membentuk generasi baru, digunakan operator
reproduksi/ seleksi, crossover dan mutasi. Proses ini
dilakukan berulang-ulang sehingga didapatkan jumlah
kromosom yang cukup untuk membentuk generasi baru
dimana generasi baru ini merupakan representasi dari
solusi baru. Generasi baru ini dikenal denga istilah anak
(offspring).
 Evaluasi solusi
Pada tiap generasi, kromosom akan melalui proses
evaluasi dengan menggunakan alat ukur yang dinamakan
fitness.
KOMPONEN UTAMA
 Teknik Pengkodean
 Prosedur Inisialisasi

 Evaluasi Fitness

 Seleksi

 Perkawinan Silang ( Crossover)

 Mutasi
TEKNIK PENGKODEAN
Pengkodean adalah suatu teknik untuk
menyatakan populasi awal sebagai calon solusi
dari suatu masalah ke dalam suatu kromosom
sebagai suatu kunci pokok persoalan ketika
menggunakan algoritma genetika.
 Pengkodean Biner

 Pengkodean Bilangan Riil

 Pengkodean Bilangan Bulat

 Pengkodean Struktur Data

PROSEDUR INISIALISASI
 Ukuran populasi tergantung pada masalah yang
akan dipecahkan dan jenis operator genetika
yang akan diimplementasikan. Setelah ukuran
populasi ditentukan, kemudian harus dilakukan
inisialisasi terhadap kromosom yang terdapat
pada populasi tersebut.
EVALUASI FITNESS
Suatu individu dievaluasi berdasarkan suatu
fungsi tertentu sebagai ukuran performansinya.
Didalam evolusi alam, individu yang bernilai
fitness tinggi yang akan bertahan hidup.
Sedangkan individu yang bernilai fitness rendah
akan mati.
SELEKSI
Seleksi akan menentukan individu-individu mana
saja yang akan dipilih untuk dilakukan
rekombinasi dan bagaimana off-spring terbentuk
dari individu-individu terpilih tersebut.
 Langkah pertama: pencarian nilai fitness

 Langkah kedua: Nilai fitness yang diperoleh

digunakan pada tahap-tahap seleksi selanjutnya
SELEKSI
Ada beberapa metode untuk memilih kromosom
yang sering digunakan antara lain :
 Seleksi roda rolet (roulette wheel selection)

 Seleksi ranking (rank selection)

 Seleksi turnamen (tournament selection).

REKOMBINASI ATAU CROSSOVER
Proses rekombinasi atau yang lebih dikenal
dengan nama proses crossover adalah
menyilangkan dua kromosom sehingga
membentuk kromosom baru yang harapannya
lebih baik dari pada induknya. Tidak semua
kromosom pada suatu populasi akan mengalami
proses rekombinasi. Kemungkinan suatu
kromosom mengalami proses rekombinasi
didasarkan pada probabilitas crossover yang telah
ditentukan terlebih dahulu. Probabilitas crossover
menyatakan peluang suatu kromosom akan
mengalami crossover
REKOMBINASI ATAU CROSSOVER
 Single point crossover – pemilihan satu titik
crossover, string binary dari awal chromosome untuk
titik crossover adalah di-copy dari orang tua pertama
dan sisanya di-copy dari orang tua kedua.
 Two point crossover – pemilihan dua titik crossover,
string binary dari awal dari chromosome untuk titik
pertama crossover di-copy dari orang tua pertama,
bagian dari the first untuk titik crossover yang kedua
di-copy dari orang tua kedua dan sisanya di-copy dari
orang tua pertama.
 Uniform crossover – bit-bit secara acak di-copy dari
orang tua pertama atau kedua.
 Arithmetic crossover - beberapa operasi arithmetic
adalah ditampilkan untuk membuat offspring yang
baru.
MUTASI
 Mutasi adalah operator yang menghasilkan
perubahan acak secara spontan padakromosom.
Pada dasarnya akan mengubah secara acak nilai
suatu bit pada posisi tertentu, dengan mengganti
bit 1 dengan bit 0 atau sebaliknya.
MUTASI
Beberapa cara operasi mutasi diterapkan dalam
algoritma genetika menurut jenis pengkodean
terhadap phenotype, antara lain :
 Mutasi dalam Pengkodean Biner

 Mutasi dalam Pengkodean Permutasi

 Mutasi dalam Pengkodean Nilai Rill