Evolutionary Computing(Algoritma Genetika)

Pengertian

   Algoritma Genetika adalah algoritma 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.
   
   Pada algoritma genetika, untuk mencari solusi optimal maka individu akan mengalami evolusi dari generasi ke generasi dengan terjadinya variasi genetika dan seleksi alam. Seleksi alam dianggap sebagai proses optimasi dari individu-individu tersebut.


Prosedur Algoritma Genetik

   Algoritma genetik yang umum menyaratkan dua hal untuk didefinisikan: 

   1.  Representasi genetik dari penyelesaian

        Hal utama yang membuat representasi genetik ini menjadi tepat adalah bahwa bagian-bagiannya mudah diatur karena ukurannya yang tetap, yang memudahkan operasi persilangan sederhana. Representasi panjang variabel juga digunakan, tetapi implementasi persilangan lebih kompleks dalam kasus ini. Representasi seperti pohon diselidiki dalam pemrograman genetik.

   2. Fungsi kemampuan untuk mengevaluasinya.

        Representasi penyelesaian mungkin berbentuk larik bits, dimana tiap bit mewakili objek yang berbeda, dan nilai bit (0 atau 1) menggambarkan apakah objek tersebut. Kemampuan penyelesaian adalah jumlah nilai dari semua objek di dalam ransel jika representasi itu valid, atau jika tidak 0.

Aplikasi Algoritma Genetika

Berikut adalah contoh aplikasi algoritma genetika yang digunakan untuk menyelesaikan masalah kombinasi. Misalkan ada persamaan a+2b+3c+4d = 30, kita mencari nilai a, b, c, dan d yang memenuhi persamaan

Titik-titik pada peta menunjukkan lokasi - lokasi yang ada. Setiap titik mempunyai cabang - cabang yang menghubungkan titik tersebut dengan titik yang lain. Jarak antar titik telah didefinisikan terdahulu. Dalam sistem ini dibatasi setiap titik maksimum mempunyai 4 cabang. Setiap cabang dalam satu titik akan diberi nomor. Sebagai contoh pada peta dalam gambar 1, titik 1 mempunyai 2 cabang dan diberi nomor 0 dan 1. Cabang 0 menghubungkan titik 1 dengan titik 2 sedangkan cabang 1 menghubungkan titik 1 dengan titik 6.

Start awal = titik 1

Kromosom = 01 00 11 10 00 11 10 = 14 bit

Rute = 1 –– 6 –– 7 –– 8 –– 4 –– 3 –– 2 –– 3

Kelebihan Algoritma Genetika

Beberapa hal yang termasuk kelebihan dari Algoritma Genetika adalah sebagai berikut (Haupt dan Haupt, 2004):

• Mengoptimalkan dengan variabel kontinu atau diskrit,
• Tidak memerlukan informasi derivatif,
• Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya,
• Berkaitan dengan sejumlah besar variabel,
• Baik untuk komputer paralel,
• Mengoptimalkan permukaan variabel dengan biaya yang sangat kompleks.
• Memberikan daftar variabel yang optimal, bukan hanya solusi tunggal,
• Dapat menyandikan variabel sehingga optimasi dilakukan dengan mengkodekan variabel, dan
• Bekerja dengan data numerik yang dihasilkan, data eksperimen, atau analitis fungsi.

Kekurangan Algoritma Genetika

kekurangan utama yaitu tidak adanya jaminan solusi yang dihasilkan adalah solusi terbaik (bila dibandingkan dengan pencarian melalui evaluasi lengkap pada semua kemungkinan solusi).

referensi:
http://juti.if.its.ac.id/index.php/juti/article/view/59
http://zakariandyss.blogspot.co.id/2016/03/algoritma-genetika-dan-contoh.html
http://algoritmagenetikate2010.blogspot.co.id/2013/07/contoh-aplikasi-algoritma-genetika.html
http://informatika.web.id/struktur-umum-algoritma-genetika.htm
http://informatika.web.id/algoritma-genetika.htm