1. Algoritma Genetika untuk Optimasi [Kembali]
Setelah dilakukan pengkodean, GA diinisialisasi untuk sebuah populasi dengan N kromosom. Gen yang mengisi kromosom akan dibangkitkan secara acak, yang biasanya dilakukan dengan distribusi seragam.
2. Komponen Algoritma Genetika [Kembali]
Ada 3 jenis utama:- Binary Encoding: Gen diwakili oleh digit biner (0 atau 1).
- Real-number Encoding: Gen adalah bilangan real dalam interval tertentu.
- Discrete Decimal Encoding: Gen diwakili oleh angka bulat dalam rentang 0-9.
Pendekodean menentukan bagaimana variabel dikonversi menjadi nilai yang digunakan dalam kromosom. Contoh perhitungan dengan real-number dan binary encoding menunjukkan bagaimana pendekodean ini mempengaruhi hasil.
Contoh:
Merupakan nilai yang menyatakan baik ata2u tidaknya suatu indvidu, dan dijadikan sebagai acuan dalam mencapai nilai optimal dalam algoritma genetika.
Untuk mendapatkan nilai fitness yang baik, jauh dari peluang nilai konvergen pada optimum lokal, nilai fitness dapat dicari dengan:
Dilakukan untuk mendapatkan calon induk yang baik (roulette wheel)
Merupakan operator dalam algoritma genetika yang melibatkan 2 induk untuk menghasilkan keturunan yang baru.
Proses crossover bisa dalam bentuk:
- One point CO
- N-point CO
- Uniform CO
Dapat merubah susunan gen dengan swapping, insertion, inversion, dan displacement.
Proses meng-copy individu dengan nilai fitness tertinggi.
- Pergantian Populasi [Kembali]
- Semua N individu dalam suatu generasi akan digantikan dengan N individu baru hasil crossover dan mutasi.
- Individu yang dihilangkan merupakan individu dengan nilai fitness terendah/individu tua.
- HTML↠ klik disini
- Video ↠ klik disini
0 Komentar