Algoritme Genetika [1]

Algoritme genetika merupakan salah satu algoritme yang dapat digunakan dalam penyelesaian masalah optimasi. Dalam prosesnya algoritme genetika mengadopsi teori evolusi. Algoritme genetika dicetuskan oleh John Holland dan teman-temanya pada tahun 1970-an. Dalam dunia biologi terdapat beberapa istilah yang digunakan dalam algoritme genetika, yaitu reproduksi, rekombinasi, dan mutasi.

Dalam dunia IT, Algoritme Genetika dapat diterapkan/diimplementasikan dalam beberapa kasus optimasi, sebagai contoh Pembuatan Jadwal Perkuliahan yang paling optimal dengan mempertimbangkan beberapa parameter yaitu kelas, ruang, dosen, mahasiswa,dan waktu. Parameter-parameter tersebut memiliki batasan(Constraint) antara satu dengan yang lainnya, dimana dalam satu “Waktu” tidak boleh ada “Dosen” yang mengajar di beberapa “Kelas” yang berbeda. Satu “Ruang” tidak boleh digunakan untuk proses belajar mengajar dalam “Waktu” yang bersamaan.

Beberapa penerapan lainnya dapat digunakan untuk Menentukan Lintasan Kendaraan yang paling optimal dari titik awal ke titik tujuan dengan beberapa batasan/penghalang di titik antara. Dapat juga diimplementasikan untuk memprediksi gunung meletus berdasarkan gejala dsb.

Hal terpenting dalam penyelesaian masalah menggunakan algoritme genetika adalah :
1. Representasi kromosom
Kromosom merupakan salah satu bagian dari kandidat solusi suatu permasalahan. Kemahiran dalam merepresentasikan permasalahan dunia nyata ke dalam bentuk kromosom merupakan syarat utama yang harus dipenuhi agar permasalahan tersebut dapat diselesaikan.

Representasi kromosom yang paling umum dan sering digunakan adalah dalam bentuk biner. Kromosom direpresentasikan dalam bit 1 0. Namun dalam kasus lain kromosom dapat dimungkinkan direpresentasikan ke dalam bentuk lainnya.

2. Fitness Function
Fitness function merupakan fungsi yang dapat menghasilkan sebuah nilai solusi dari permasalahan yang dihadapi.

Contoh kasus 1 :
Permasalahan : mencari nilai x yang paling optimal dari persamaan fungsi f(x) = x2, dengan x = 1 sampai dengan x = 10

Representasi kromosom : Dalam kasus ini nilai x merupakan solusi dari permasalahan yang dihadapi. Kromosom direpresentasikan ke dalam bentuk biner 4 digit
0 0 0 1 -> 1
0 0 1 0 -> 2
0 0 1 1 -> 3
..
.
1 0 1 0 -> 10

Fitness function-nya adalah f(x) = x2

Baik sampai disini dulu…mudah-mudahan bisa melajutkan tulisannya….bersambung

Advertisements

One thought on “Algoritme Genetika [1]

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 )

Google+ photo

You are commenting using your Google+ 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 )

Connecting to %s