Pengertian Algoritma Genetika
Algoritma Genetika dikembangkan pertama kali oleh John Holand dari New York, Amarika Serikat yang dipublikasikan dalam bukunya yang berjudul “Adaption in Natural and Artificial Systems” tahun 1975. Algoritma Genetika merupakan Teknik untuk menemukan solusi optimal dari permasalahan yang mempunyai banyak solusi. Teknik ini akan melakukan pencarian dari beberapa solusi yang diperoleh sampai mendapatkan solusi terbaik sesuai dengan kriteria yang telah ditentukan atau yang disebut sebagai fungsi fitness. Algoritma ini masuk dalam kelompok algoritma evolusioner dengan menggunakan pendekatan evolusi Darwin di bidang Biologi seperti pewarisan sifat, seleksi alam, mutasi gen dan kombinasi (crossover). Karena merupakan Teknik pencarian optimal dalam bidang ilmu komputer, maka algoritma ini juga termasuk dalam kelompok algoritma metaheuristik.
Pengaplikasian Algoritma Genetika
Aplikasi algoritma genetika dapat ditemukan di berbagai bidang terutama bidang-bidang yang memerlukan solusi kombinatorik seperti penjadwalan, peramalan, jarak terpendek dan kombinasi ransum atau bahan. Algoritma genetika sering dipakai untuk melakukan simulasi dengan Komputer untuk mendapatkan solusi terbaik berdasarkan calon-calon solusi yang visible. Proses pencarian solusi terbaik dimulai dengan merepresentasikan solusi-solusi yang mungkin terjadi berdasarkan domain yang biasanya dalam bentuk string biner (0 dan 1). Dari representasi ini dibentuk populasi individual secara acak yang membentuk suatu generasi. Kemudian dari setiap populasi yang terbentuk dievaluasi dengan menggunakan fungsi fitness untuk dapat memilih populasi terbaik. Kemudian populasi dimodifikasi dengan mutasi dan kombinasi untuk mendapatkan populasi baru. Proses ini diulang sampai mendapatkan individu dari populasi yang mencapai nilai fitness.
Terdapat berbagai pengaplikasian algoritma genetika dalam kehidupan sehari hari, diantaranya :
1. Analisis DNA
2. Bisnis
3. Memproses Gambar
4. Penentuan Rute Jalan
5. Neural Network
6. Pembelajaran Mesin dan Robotika
Metode-metode Algoritma Genetika
Algoritma genetika bertujuan utk mencari individu yg mempunyai nilai fitness yang paling optimal (bisa maksimum atau minimum, tergantung pada kebutuhan). Dalam algoritma genetika, gen ini bisa bernilai biner, float, integer maupun karakter. Cromosom adalah gabungan dari gen-gen yg membentuk arti tertentu. Individu adalah kumpulan gen, bisa dikatakan sama dengan kromosom. Individu menyatakan salah satu kemungkinan solusi dari suatu permasalahan. Populasi adalah sekumpulan individu yg akan diproses secara bersama-sama dalam satu siklus proses evolusi. Generasi menyatakan satu satuan siklus proses evolusi. Nilai fitness menyatakan seberapa baik nilai dari suatu individu atau solusi yg didapatkan. Nilai inilah yg dijadikan acuan untuk mencapai nilai optimal. Terdapat beberapa metode dalam Algoritma Genetika, diantaranya :
- Seleksi: Mekanisme untuk memilih individu (string) untuk reproduksi sesuai dengan fitnessnya (nilai fungsi tujuan).
- Crossover: Metode penggabungan informasi genetik dari dua individu; jika pengkodean dipilih dengan benar, dua orang tua yang baik menghasilkan anak-anak yang baik.
- Mutasi: Dalam evolusi nyata, materi genetik dapat diubah secara acak dengan reproduksi yang salah atau deformasi gen lainnya, misalnya oleh radiasi gamma.
- Sampling: Prosedur yang menghitung generasi baru dari yang sebelumnya dan keturunannya.
Sekian ya pembahasan mengenai Algoritma Genetika, untuk kalian yang ingin belajar tentang kecerdasan buatan bisa klik Artificial Intelligence
0 Response to "Yuk Mengenal Algoritma Genetika -- Kecerdasan Buatan Masa Kini"
Post a Comment