Rangkuman Materi Video Pertemuan XII,XIII,XIV,

Nama: Andri Nur Insan
Kelas: INF A 2018
NIM: 18.01.013.018

Pemateri: Anditya Arifianto
Materi: Genetic Algrithm

     Algoritma Genetika adalah algorima yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara terus-menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan. Dalam algritma genetika ini, proses perkembangbiakan ini menjadi proses dasar yang menjadi perhatian utama, dengan dasar berfikir. Dikenalkan oleh John Holland (1975).

·         Struktur Umum Algoritma Genetika Bila P(t) dan C(t) adalah induk dan keturunan pada generasi t, struktur umum algoritma genetika adalah sebagai berikut:
prosedur algoritma genetika :
begin
t ← 0;
 inisialisasi P(t);
evaluasi P(t);
while (kondisi terminasi tidak terpenuhi) do rekombinasi P(t) untuk menghasilkan anak
            C(t);
evaluasi C(t);
seleksi P(t+1) dari P(t) dan C(t);
t ← t+1;
 end
 end

·         Algoritma Genetika mempunyai metodologi optimasi sederhana sebagai berikut:
1. Menentukan populasi solusi sejumlah tertentu
2. Menghitung nilai fitnes function semua solusi yang ada di dalam populasi
3. Memilih beberapa solusi dengan nilai fitnes function yang paling tinggi
4. Melakukan optimasi dengan cara mutasi dan crossover sebanyak yang diperlukan
5. Menentukan solusi terbaik sebagai solusi terhadap permasalahan yang dioptimasi

·         Properties of genetic algorithm
1.      Individual - Solusi apapun yang mungkin
2.      Populasi – Kelompok dari semua individu
3.      Search Space – Semua solusi yang mungkin untuk masalah tersebut
4.      Chromossom – Blueprint for an individual
5.      Fitness – Kualitas Solusi
6.      Rekombination – Mendekomposisikan dua larutan berbeda dan kemudian mencampurkan bagian-bagiannya secara acak untuk membentuk larutan baru
7.      Mutation – Melakukan secara acak solusi kandidat

·         Chromosome
Kromosom terdiri atas beberapa gen. Kromosom digunakan untuk merepresentasikan suatu solusi yang mungkin dari permasalahan yang akan diselesaikan menggunakan algoritma genetika. Kromosom bisa dinyatakan dalam banyak cara, seperti kromosom biner, kromosom real, kromosom permutasi, dan lain sebagainya. Populasi dalam algoritma genetika adalah sekumpulan kromosom. Dalam satu populasi, akan terdapat N buah kromosom dengan nilai N adalah suatu parameter yang ditetapkan oleh user.

·         Fitness
Fungsi fitness merupakan ukuran kinerja suatu individu agar tetap bertahan hidup yaitu mengukur kelayakan sebuah kromosom untuk dipelihara atau ditiadakan. Dalam hal ini fungsi fitness identik dengan fungsi tujuan dari masalah yang dioptimalkan yaitu volume pendapatan kayu yang maksimal. Fungsi tujuan ditentukan berdasarkan nilai fitness tertinggi. Semakin tinggi nilai fitness akan memberikan hasil yang semakin dekat dengan fungsi tujuan.

·         Parent Selection
Proses ini bertujuan untuk memilih dua kromosom sebagai parent yang selanjutnya akan dilakukan proses crossover dan mutasi pada parent terpilih.

·         Crossover and Mutation
Proses crossover adalah proses persilangan, yaitu membentuk dua offspring (kromosom anak) baru dari dua parent. Hanya offspring yang memenuhi syarat pada permasalahan yang akan ditambahkan ke populasi yang ada. Proses mutasi yaitu mengganti suatu gen dengan gen yang baru. Proses crossover dan mutasi biasanya dilakukan secara acak.

·         Survivor Selection
Proses ini bertujuan untuk memilih N kromosom dari gabungan antara populasi sebelumnya dan offspring yang dihasilkan. Lalu, N kromosom yang terpilih akan digunakan sebagai populasi untuk perulangan atau iterasi berikutnya