Genetic Algorithm

19 03 2010

Genetic Algorithm adalah sebuah teknik searching untuk mencari solusi dari suatu permasalahan optimasi. Teknik ini diinspirasi dari biologi evolutionary termasuk masalah inheritance, mutation, selection, and crossover. Metode ini melakukan proses searching dengan langkah-langkah sebagai berikut:
1. Populasi diciptakan secara random
2. Setiap individu dari populasi dievaluasi
3. Beberapa individu dipilih untuk berdasarkan nilai fitnessnya
4. Individu yang terpilih tersebut kemudian dimodifikasi (di-crossover atau dimutasi)
5. Semua individu yang dimodifikasi disatukan menjadi satu populasi baru. Apabila individu yang baru yang terbentuk mempunyai nilai fitness yang lebih rendah dari orang tuanya, individu yang baru tidak dimasukkan di dalam populasi baru, dan dapat tetap menggunakan individu yang lama.
6. Apabila banyaknya jumlah pembentukan populasi telah mencapai angka tertentu, atau level fitness yang memuaskan sudah dicapai, maka proses dihentikan. Apabila belum, populasi baru kemudian digunakan untuk melakukan proses yang sama mulai dari tahap nomor 2.

Menyimpulkan pada langkah-langkah yang tersebut di atas, maka metode ini memerlukan pendefinisian representasi genetic dari domain solusi, dan fungsi fitness untuk mengevaluasi domain solusi.

Khusus untuk modifikasi crossover dan mutasi, crossover melakukan kombinasi ulang dari dua atau lebih parents dan mutasi melakukan perubahan terhadap 1 atau lebih dari bagian-bagian yang terdapat pada individu yang dimodifikasi. Bagian-bagian dari individu yang akan dimodifikasi dalam proses ini dapat ditentukan secara random. Kedua jenis fungsi modifikasi ini sangat berguna karena dapat menghindarkan proses searching dari permasalahan local minima.

Referensi:
Goldberg D. A. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning, Kluwer Academic Publishers, Boston, MA.


Actions

Information

2 responses

5 05 2010
Euler

Salam Kenal Pak Yudiagusta….

Menarik sekali ini blog artikelnya masalah TI, Pak bisa diberi contoh aplikasi yang menarik utk di bahas atau dijadikan jdul thesis mengenai genethic algoritma ini. Kalo bisa kirim lewat email aja pak.

Terima kasih banyak.

5 05 2010
Yudi Agusta

Scheduling sangat bagus dan cocok untuk genetic algorithm. Apapun yang berhubungan dengan scheduling seperti nurse rotation scheduling, lecture scheduling, flight landing scheduling dan lain-lain akan sangat menarik.

Semoga menjawab pertanyaannya.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s




%d bloggers like this: