Bab 1

DAFTAR ISI

1. Terminologi

BAB I PENDAHULUAN

AG termasuk dalam kategori evolutionary algorithms, yang juga mencakup genetic programming, evolution strategies, dan evolutionary programming.
Proses dalam AG mirip dengan evolusi biologi, di mana sekumpulan individu (spesies) dalam suatu area (populasi) bereproduksi, mengalami variasi, dan beradaptasi terhadap lingkungan.
Terminologi penting:

Pada proses evolusi, yang paling penting adalah fitness dan selection untuk proses reproduksi
Proses reproduksi seksual di dunia nyata akan menimbulkan kombinasi kromosom baru dari ibu dan bapaknya (crossover)
Saat terjadi kesalahan pengopian gen orang tua terkadang ada kesalahan, maka timbullah mutasi
Proses reproduksi aseksual hanya terjadi pada satu individu, sehingga tidak akan terjadi crossover, namun berpeluang menjadi mutasi

AG sangat berguna untuk masalah yang kompleks dan besar, di mana metode konvensional tidak efektif. Keuntungannya termasuk kemudahan implementasi dan kemampuan untuk menemukan solusi yang baik dengan cepat.
AG telah digunakan dalam berbagai bidang:

Optimasi: Menyelesaikan masalah seperti Traveling Salesman Problem (TSP) dan perancangan Integrated Circuit (IC)
Pemrograman Otomatis: melakukan proses evolusi terhadap program komputer untuk merancang struktur komputasional, seperti cellular automata dan sorting networks
Machine Learning: Memprediksi struktur protein dan merancang jaringan syaraf tiruan
Model Ekonomi: Memodelkan proses inovasi dan strategi penawaran
Model Sistem Imunisasi: Memodelkan aspek sistem imun alami dan evolusi gen
Model Ekologis: Mempelajari fenomena ekologis seperti co-evolusi antara host dan parasit
Interaksi antara Evolusi dan Pembelajaran: Mempelajari pengaruh pembelajaran individu terhadap evolusi spesies.