Algoritma genetika (Algen) berupa langkah-langkah pencarian solusi masalah yang didasari mekanisma seleksi alam dan genetika alami. Banyak teknik pencarian yang dalam penggunaannya membutuhkan informasi yang banyak agar dapat bekerja dengan baik. Sedangkan Algen lebih sederhana hanya membutuhkan Objective Function untuk melakukan pencarian efektif dengan lebih baik dan struktur yang lebih baik.
1. Pengenalan Algoritma Genetika [Kembali]
Manusia merupakan ciptaan Allah yang istimewa. Keistimewaan manusia terletak pada adanya akal fikiran yang menjadikan manusia berbeda dengan ciptaan Allah yang lain. Seperti pepatah minang mengatakan, alam takambang menjadi guru. Alam dengan segala keteraturannya dipelajari dan diolah untuk kesejahteraan manusia.
Saat ini, perkembangan ilmu pengetahuan telah sampai pada informasi bahwa mahluk hidup berevolusi berdasarkan prinsip seleksi alam. Pada tahun 1975, Holland dalam bukunya "Adaptation in natural and artificial systems" menjelaskan bagaimana menerapkan prinsip evolusi alami sebagai upaya peningkatan teknik penyelesaian masalah. Teknik ini yang kemudian dikenal sebagai algoritma genetika. Secara umum teknik ini merupakan sebuah simulasi evolusi sebagai upaya untuk menyelesaikan masalah yang rumit dari berbagai sumber yang ada.
1.A Kajian Sisi Biologis
Genetika berperan penting dalam pengaruhnya terhadap persamaan dan perbedaan dari setiap orang Kata ini berasal dari bahasa Yunani "Genesis" yang berarti "tumbuh" atau "menjadi".Secara garis besar sistem yang dipelajari dari ilmu genetika terdiri :
1. Sel
2. Kromosom
3. Genetik
4. Reproduksi
5. Seleksi Alam
2. Apa Itu Algoritma Genetika [kembali]
Evolusi dari komputasi diperkenalkan oleh I. Rechenberg pada tahun 1960 dalam "Evolution Strategies". Ide ini kemudian dikembangkan oleh peneliti lain. Algoritma genetika dikenalkan oleh John Holland pada tahun 1975 dalam "Adaptation in natural and artificial systems"
a. Stochastic (acak)merupakan keacakan dalam algoritma genetika. Antara reproduksi dan seleksi memerlukan prosedur yang acak.
b.Populasi Solusi
Algoritma setiap perulangan menggabungkan kembali berbagai solusi untuk mendapatkan hasil yang lebih baik.
c. Robustness (kokoh) menentukan seberapa konsisten solusi tersebut untuk menyelesaikan masalah lain.
Meskipun begitu, algoritma genetika bukanlah obat mujarab yang dapat menyelesaikan semua masalah. Namun algoritma genetika patut dicoba.
Evolusi dari komputasi diperkenalkan oleh I. Rechenberg pada tahun 1960 dalam "Evolution Strategies". Ide ini kemudian dikembangkan oleh peneliti lain. Algoritma genetika dikenalkan oleh John Holland pada tahun 1975 dalam "Adaptation in natural and artificial systems"
2.1 Search Space [kembali]
Pada umumnya dalam memecahkan masalah, kita selalu mencari solusi terbaik diantara banyak pilihan solusi yang ada. Setiap kemungkinan solusi yang ada disebut sebagai "Search Space". Setiap Space tersebut menggambarkan 1 kemungkinan solusi. Setiap kemungkinan tersebut bisa ditandai berdasarkan "Fitness Value" tergantung pada masalah yang sedang dibahas. Kesulitan pada tahap ini adalah dalam menentukan "Local Minima" dan "Starting Point" seperti pada gambar berikut
2.2 Dunia Algoritma Genetika [kembali]
Algoritma genetika memiliki fitur penting yaitu :a. Stochastic (acak)merupakan keacakan dalam algoritma genetika. Antara reproduksi dan seleksi memerlukan prosedur yang acak.
b.Populasi Solusi
Algoritma setiap perulangan menggabungkan kembali berbagai solusi untuk mendapatkan hasil yang lebih baik.
c. Robustness (kokoh) menentukan seberapa konsisten solusi tersebut untuk menyelesaikan masalah lain.
Meskipun begitu, algoritma genetika bukanlah obat mujarab yang dapat menyelesaikan semua masalah. Namun algoritma genetika patut dicoba.
2.3 Evolusi dan Algoritma Genetika [kembali]
John Holland, memiliki dua tujuan pada algoritma genetika. Yaitu memahami proses adaptasi alami dan merancang sistem cerdas yang memiliki komponen yang mirip dengan sistem alami. Adapun idenya adalah sebagai berikut:
Kumpulan genetik dari populasi tertentu berisi solusi atau solusi yang lebih baik pada tiap masalah. Solusi ini tidak aktif karena kombinasi genetik yang dipengaruhi oleh subjeknya. Metode Holla menjadi sangat efektif karena Holland mempertimbangkan mutasi dan rekombinasi genetik (crossover).
Pada dasarnya, tujuan peningkatan (optimisasi) adalah mencari algoritma yang baik dan mampu menyelesaikan masalah. Tidak ada metode khusus untuk menyelesaikan semua masalah tersebut.
Pada dasarnya ada beberap teknik pencarian yang telah ada :
a. Gradient-Base Local Optimization Method
b. Random Search
c. Stochastic Hill Climbing
d. Simulated Annealing
e. Symbolic Artificial Intelligence
Algoritma genetika sederhana
Secara garis besar, algoritma perulangan memiliki proses sebagai berikut:
a. Selection
b. Reproduction
c. Evaluation
d. Replacement
Secara garis besar, algoritma perulangan memiliki proses sebagai berikut:
a. Selection
b. Reproduction
c. Evaluation
d. Replacement
4.A Kelebihan dan Kekurangan
4.B Penerapan
Tidak ada komentar:
Posting Komentar