Algoritma Genetika Power Point

8/18/2019 Algoritma Genetika Power Point

1/28

ALGORITMA GENETIKAOLEH:

PUJA AHMAD HABIBI (1113091000112)

DODI SUKMANA (1113091000061)


2/28

ALGORITMA GENETIKA

Algorit! "#$#ti%! !&!l!' !lgorit! !$g #!$!!t%!$ *ro+#+ +#l#%+i

!l!i!' !$g &i%#$!l $g!$ *ro+#+ #,ol-+i.

D!l! *ro+#+ #,ol-+i/ i$&i,i&- +#!r! t#r-+#$#r-+ #$g!l!i *#r-!'!$g#$ -$t-% #$#+-!i%!$ $g!$ li$g%-$g!$ 'i&-*$!. H!$! i$&i,i&-i$&i,i&- !$g %-!t !$g !*- #rt!'!$4.

Pro+#+ +#l#%+i !l!i!' i$i #li!t%!$ *#r-!'!$ g#$ !$g t#r5!&i *!&!

i$&i,i&- #l!l-i *ro+#+ *#r%#!$gi!%!$.D!l! !lgorit! g#$#ti%! i$i/*ro+#+ *#r%#!$gi!%!$ i$i #$5!&i *ro+#+ &!+!r !$g #$5!&i*#r'!ti!$ -t!!/ $g!$ &!+!r #r*i%ir:B!g!i!$! #$&!*!t%!$%#t-r-$!$ !$g l#i' !i%4.


3/28

Beberapa Definisi Penting Dalam

Algoritma Genetika

Genotype Gen!" seb#a$ nilai yang menyatakan sat#an %asar

yang membent#k s#at# arti tertent# %alam sat# kesat#an gen

yang %inamakan kromosom& Dalam algoritma genetika" gen ini

bisa ber#pa nilai biner" float" integer ma#p#n karakter&

Allele" nilai %ari gen&

Kromosom" gab#ngan gen ' gen yang membent#k nilai tertent#&

In%i(i%#" menyatakan sat# nilai ata# kea%aan yang menyatakan

sala$ sat# sol#si yang m#ngkin %ari permasala$an yang

%iangkat

Pop#lasi" mer#pakan sek#mp#lan in%i(i%# yang akan %iproses

bersama %alam sat# sikl#s proses e(ol#si&

Generasi" menyatakan sat#)sat#an sikl#s proses e(ol#si&

Nilai *itness" menyatakan seberapa baik nilai %ari s#at#

in%i(i%# ata# sol#si yang %i%apatkan&


4/28

H!lH!l !$g H!r-+ Dil!%-%!$ D!l!M#$gg-$!%!$ Algorit! "#$#ti%!

M#$i$i+i%!$ i$&i,i&-" %imana in%i(i%# menyatakan sala$ sat# sol#sipenyelesaian! yang m#ngkin %ari permasala$an yang %iangkat&

M#$i$i+i%!$ $il!i it$#++" yang mer#pakan #k#ran baik)ti%aknya seb#a$in%i(i%# ata# baik)ti%aknya sol#si yang %i%apatkan&

Menent#kan proses *#!$g%it!$ *o*-l!+i !7!l& +al ini biasanya %ilak#kan%engan mengg#nakan pembangkitan a,ak seperti random-walk&

Menent#kan proses +#l#%+i yang akan %ig#nakan&

Menent#kan proses *#r%!7i$!$ +il!$g ro++o,#r! %an -t!+i g#$ yang akan%ig#nakan&


5/28

Pengertian In%i(i%#

In%i(i%# bisa %ikatakan sama %engan kromosom" yang mer#pakan k#mp#langen& Gen ini bisa biner" float" %an kombinatorial&

In%i(i%# menyatakan sala$ sat# sol#si yang m#ngkin& Misalkan %alam T-Pin%i(i%# menyatakan .al#r yang %itemp#$" %alam penent#an nilai maksimal

%ari */"y! in%i(i%# menyatakan nilai /"y!&


6/28

Nilai *itness

Nilai fitness a%ala$ nilai yang menyatakan baik ti%aknya s#at# sol#siin%i(i%#!&

Nilai fitness ini yang %i.a%ikan a,#an %alam men,apai nilai optimal %alamalgoritma genetika&

Algoritma genetika bert#.#an men,ari in%i(i%# %engan nilai fitness yangpaling tinggi&

Dalam T-P" karena T-P bert#.#an meminimalkan .arak" maka nilai fitnessnyaa%ala$ in(ersi %ari .arak&

0ika nilai fitness semakin besar" maka sistem yang %i$asilkan semakin baikKromosom %engan nilai fitness yang tinggi ini akan memberikan probabilitas

yang tinggi #nt#k berepro%#ksi pa%a generasi selan.#tnya


7/28

-ikl#s Algoritma Genetika

-ikl#s Algoritma Genetika ole$ Da(i% Gol%berg

-ikl#s Algoritma Genetika yang %iperbar#i ole$ Mi,$ale1i,2


8/28

Ko*o$#$ Ko*o$#$ Ut!! Algorit! "#$#ti%!

Ter%apat bebetapa komponen #tama algoritma genetika" yait#3

4& Teknik Pengko%ean" Teknik pengko%ean %isini melip#ti penyan%ian gen %ari kromosom& Gen mer#pakan bagian

%ari kromosom& -at# gen biasanya akan me1akili sat# (ariabel& Gen %apat %irepresentasikan %alam bent#k"

string bit" po$on " array bilangan real" %aftar at#ran" elemen perm#tasi" elemen program" ata# representasi

lainnya yang %apat %implementasikan #nt#k operator genetika&

5& Membangkitkan Pop#lasi A1al" Membangkitkan se.#mla$ kromosom ses#ai %engan #k#ran pop#lasi! #nt#k

%i.a%ikan anggota pop#lasi a1al& Pop#lasi it# sen%iri ter%iri %ari se.#mla$ kromosom yang merepresentasikan

sol#si yang %iinginkan&

6& -eleksi" -eleksi akan menent#kan in%i(i%#)in%i(i%# mana sa.a yang akan %ipili$ #nt#k %ilak#kan rekombinasi

%an bagaimana offspring terbent#k %ari in%i(i%#)in%i(i%# terpili$ terseb#t& Langka$ pertama yang %ilak#kan

%alam seleksi ini a%ala$ pen,arian nilai fitness& Masing)masing in%i(i%# %alam s#at# 1a%a$ seleksi akanmenerima probilitas repro%#ksi yang tergant#ng pa%a nilai ob.ektif %irinya sen%iri ter$a%ap nilai ob.ektif %ari

sem#a in%i(i%# %alam 1a%a$ seleksi terseb#t& Nilai fitness inila$ yang nantinya akan %ig#nakan pa%a ta$ap)

ta$ap seleksi berik#tnya

7& Pin%a$ -ilang8ross)O(er! Mengkombinasikan %#a kromosom parent in%#k! ber%asar nilai

probabilitas crossover nya #nt#k meng$asilkan offspring

:& M#tasi" Meng#ba$ se.#mla$ gen ber%asar nilai probabilitas m#tasinya #nt#k meng$asilkan kromosom bar#&


9/28

8#%$i% P#$g%o!$

Teknik pengko%ean a%ala$ bagaimana mengko%ekan gen %ari kromosom" %imana gen mer#pakanbagian %ari kromosom& -at# gen biasanya akan me1akili sat# (ariabel&

Gen %apat %irepresentasikan %alam bent#k 3 bit" bilangan real" %aftar at#ran" elemen perm#tasi"elemen program ata# representasi lainnya yang %apat %iimplementasikan #nt#k operator genetika&

Dengan %emikian kromosom %apat %irepresentasikan %engan mengg#nakan3

-tring bit 3 4;;44 %st&

Array bilangan real 3 &

Elemen perm#tasi 3 E5" E4;" E: %st& Daftar at#ran 3 R4" R5" R6 %st&

Elemen program 3 pemrograman genetika

-tr#kt#r lainnya&


10/28

M#!$g%it%!$ Po*-l!+i A7!l

Membangkitkan pop#lasi a1al a%ala$ proses membangkitkan se.#mla$ in%i(i%#se,ara a,ak ata# melal#i prose%#r tertent#& k#ran #nt#k pop#lasi tergant#ng

pa%a masala$ yang akan %iselesaikan %an .enis operator genetika yang akan

%iimplementasikan& -etela$ #k#ran pop#lasi %itent#kan" kem#%ian %ilak#kan

pembangkitan pop#lasi a1al&

Teknik %alam pembangkitan pop#lasi a1al ini a%a beberapa ,ara" %iantaranya

a%ala$ sebagai berik#t3

4& Ran%om Generator" Inti %ari ,ara ini a%ala$ melibatkan pembangkitan bilangan

ran%om #nt#k nilai setiap gen ses#ai %engan representasi kromosom yang%ig#nakan" sala$ sat# ,onto$ pengg#naan ran%om generator a%ala$ pengg#naan

r#m#s berik#t #nt#k pembangkitan pop#lasi a1al 3 IPOP C ro#n%ran%om" ! %imana

IPOP a%ala$ gen yang nantinya berisi pemb#latan %ari bilangan ran%om yang

%ibangkitkan sebanyak N 0#mla$ pop#lasi! F N 0#mla$ Gen %alam tiap ipop bits

kromosom!&


11/28

M#!$g%it%!$ Po*-l!+i A7!l

5& Pen%ekatan Tertent# Memas#kkan Nilai Tertent# ke %alam Gen! 8ara inia%ala$ %engan memas#kkan nilai tertent# ke %alam gen %ari pop#lasi a1al yang

%ibent#k&

6& Perm#tasi Gen -ala$ sat# ,ara perm#tasi gen %alam pembangkitan

pop#lasi a1al a%ala$ pengg#naan perm#tasi 0osep$#s %alam permasala$ankombinatorial seperti T-P&


12/28

S#l#%+i

-eleksi %ilak#kan #nt#k men%apatkan ,alon in%#k yang baik& In%#k yang baikakan meng$asilkan ket#r#nan yang baikH&

-emakin tinggi nilai fitness s#at# in%i(i%# semakin besar kem#ngkinannya#nt#k terpili$&

-eleksi %apat %ilak#kan %engan mengg#nakan %#a ma,am teknik" yait# mesinro#llete" %an t#rnamen&


13/28

-eleksi %engan Mesin Ro#lette

8alon in%#k yang akan %ipili$ ber%asarkan nilai fitness yang %imilikinya"

semakin baik in%i(i%# terseb#t yang %it#n.#kkan %engan semakin besar nilaifitnessnya akan men%apatkan kem#ngkinan yang lebi$ besar #nt#k terpili$

sebagai in%#k& Misalkan sa.a roulette wheel mer#pakan tempat #nt#kmenamp#ng sel#r#$ kromosom %ari tiap pop#lasi" maka besarnya tempat %ariroulette Wheel terseb#t men#n.#kkan seberapa besar nilai fitness yang%imiliki ole$ s#at# kromosom" semakin besar nilai fitness terseb#t" maka

semakin besar p#la tempat yang terse%ia


14/28

-eleksi %engan T#rnamen

Pa%a meto%e seleksi %engan t#rnamen" %itetapkan s#at# nilai to#r #nt#kin%i(i%#)in%i(i%# yang %ipili$ se,ara ran%om %ari s#at# pop#lasi& In%i(i%#)

in%i(i%# yang terbaik %alam kelompok ini akan %iseleksi sebagai in%#k&Parameter yang %ig#nakan pa%a meto%e ini a%ala$ #k#ran to#r yang bernilai

antara 5 sampai N .#mla$ in%i(i%# %alam s#at# pop#lasi!&


15/28

Seleksi Steady State

Meto%e ini ti%ak banyak %ig#nakan %alam proses seleksi karena %ilak#kan%engan memperta$ankan in%i(i%# yang terbaik& Pa%a setiap generasi" akan

%ipili$ beberapa kromosom %engan nilai fitnessnya yang terbaik sebagaiin%#k" se%angkan kromosom)kromosom yang memiliki nilai fitness terb#r#k

akan %igantikan %engan offspring yang bar#& -e$ingga pa%a generasiselan.#tnya akan ter%apat beberapa pop#lasi yang berta$an


16/28

-eleksi RANK)BA-ED

Meto%e rank)base% m#n,#l #nt#k mengatasi permasala$an yang a%a pa%aro#llete 1$eel yait# mem#ngkinan bagi in%i(i%# %engan probabilitas ke,il

%alam $al ini in%i(i%# yang k#rang baik #nt#k berpel#ang ik#t terpili$ %alamproses seleksi %engan meningkatkan probabilitas mengg#nakan ranking

ber%asarkan in%i(i%# yang k#rang baik ke in%i(i%# yang paling baik& nt#kin%i(i%# yang k#rang baik akan men%apatkan ranking 4 se%angkan yang paling

baik men%apatkan ranking N&


17/28

Pi$&!' Sil!$g (ro++O,#r)

8ross O(er Pin%a$ -ilang! mer#pakan sala$ sat#operator %alam algoritma genetika yang

melibatkan %#a in%#k #nt#k meng$asilkan

ket#r#nan yang bar#&

8ross o(er %ilak#kan %engan melak#kan

pert#karan gen %ari %#a in%#k se,ara a,ak" p

pengko%ean!" prob8Oprobabilitas ,rosso(er!

Ma,am)ma,am 8ross)O(er yang banyak

%ig#nakan antara lain3 pert#karan gen se,aralangs#ng %an pert#karan gen se,ara aritmatika&

Proses ,ross o(er %ilak#kan pa%a setiap in%i(i%#

%engan probabilitas ,ross)o(er yang %itent#kan&


18/28

8rossO(er -at# Titik

8rosso(er sat# titik %an banyak titik biasanya %ig#nakan #nt#krepresentasi kromosom %alam biner& Pa%a ,rosso(er sat# titik" posisi

,rosso(er k kC4"5"&&&"N4! %engan NCpan.ang kromosom %iseleksi se,araran%om& ariabel)(ariabel %it#kar antar kromosom pa%a titik terseb#t #nt#k

meng$asilkan anak& Pa%a Gambar %iba1a$ %iil#strasikan 8rosso(er sat# titik&


19/28

8rossO(er Banyak Titik

Pa%a ,rosso(er banyak titik" m posisi penyilangan kkC4"5"&&&"N)4"

iC4"5"&&&"m!i %engan NCpan.ang kromosom %iseleksi se,ara ran%om %anti%ak %iperbole$kan a%a posisi yang sama" serta %i#r#tkan naik& ariabel)

(ariabel %it#kar antar kromosom pa%a titik terseb#t #nt#k meng$asilkananak& Pa%a Gambar %iba1a$ %iil#strasikan 8rosso(er D#a Titik %an pa%a

Gambar %iba1a$ %iil#strasikan 8rosso(er lebi$ %ari %#a titik&


20/28

8rossO(er Banyak Titik


21/28

8rossO(er Aritmatika

8rosso(er aritmatika %ig#nakan #nt#k representasi kromosom ber#pa bilangan

float pe,a$an!& 8rosso(er ini %ilak#kan %engan menent#kan nilai rsebagai bilangan ran%om lebi$ %ari ; %an k#ran %ari 4& -elain it# .#ga

%itent#kan posisi %ari gen yang %ilak#kan ,rosso(er mengg#nakanbilangan ran%om&


22/28

8rossO(er #nt#k Representasi Kromosom

Perm#tasi

Partial)Mappe% 8rosso(er PMF!& PMF %i,iptakan ole$ Gol%berg %an Lingle&

PMF mer#pakan r#m#san mo%ifikasi %ari pin%a$ silang %#a)poin& +al

yang penting %ari PMF a%ala$ pin%a$ silang 5)poin %itamba$ %engan

beberapa prose%#r tamba$an& PMF memp#nyai langka$ ker.a sebagaiberik#t3

Langka$ 43 Tent#kan %#a posisi pa%a kromosom %engan at#ran a,ak& -#bstring

yang bera%a %alam %#a posisi ini %inamakan %aera$ pemetaan&

Langka$ 53 T#kar %#a s#bstring antar in%#k #nt#k meng$asilkan proto),$il%&

Langka$ 63 Tent#kan $#b#ngan pemetaan %i antara %#a %aera$ pemetaan&

Langka$ 73 Tent#kan kromosom ket#r#nan menga,# pa%a $#b#ngan pemetaan&


23/28

8rossO(er #nt#k Representasi Kromosom

Perm#tasi


24/28

M#tasi Gen

M#tasi Gen mer#pakan operator yang men#kar

nilai gen %engan nilai in(ersinya" mialnyagennya bernilai ; men.a%i 4&

-etiap in%i(i%# mengalami m#tasi gen %engan

probabilitas m#tasi yang %itent#kan&

M#tasi %ilak#kan %engan memberikan nilai

in(ersi ata# menggeser nilai gen pa%a genyang terpili$ #nt#k %im#tasikan&


25/28

H!l *#$ti$g !$g '!r-+ &i%#t!'-i &!l!*#!%!i!$ Algorit! "#$#ti%!

Algoritma Genetika a%ala$ algoritma yang %ikembangkan %ari prosespen,arian sol#si mengg#nakan pen,arian a,ak" ini terli$at pa%a proses

pembangkitan pop#lasi a1al yang menyatakan sek#mp#lan sol#si yang %ipili$se,ara a,ak&

Berik#tnya pen,arian %ilak#kan ber%asarkan proses)proses teori genetika yangmemper$atikan pemikiran bagaimana memperole$ in%i(i%# yang lebi$ baik"

se$ingga %alam proses e(ol#si %apat %i$arapkan %iperole$ in%i(i%# yang

terbaik&


26/28

o$to' P#$gg-$!!$ Algorit! "#$#ti%!

Algoritma Genetika nt#k Men,ari Nilai

Maksimal *#ngsi

*/!CeJ5/ &sin6/! In%i(i%# menyatakan nilai /" %alam

men%efinisikan nilai / sebagai in%i(i%#"

%apat %ig#nakan nilai biner ata# nilai

float& Pa%a algoritma genetika %asar

%ig#nakan nilai biner& *#ngsi %i atas bila

%igambarkan akan men.a%i3

Dari gambar %i atas terli$at ba$1a

penyelesaian bera%a pa%a nilai ;/4& 0a%i

%engan mengg#nakan ? bit biner

%i%efinisikan 3

;;;;;;;; berarti ;

44444444 berarti 4

In%i(i%# %inyatakan %alam ? gen biner" %enganbatas ; sampai %engan 4" berarti 4 bit setara

%engan 5)?&-ebagai ,onto$3

4;;;4;;4 C 45??4!5:< C ;&:6:5;;44;4;; C 74


27/28

o$to' H!+il Algorit! "#$#ti%!


28/28

Algorit! "#$#ti%!U$t-% L!$g%!' B#ri%-t$!

Algoritma Genetika sangat $an%al #nt#k melak#kan proses pen,arian %anoptimasi&

-ala$ sat# $al yang menggembirakan a%ala$ ke,epatan komp#tasi algoritmagenetika #nt#k proses optimasi bisa %ikatakan sangat baik&

Proses)proses optimasi yang memb#t#$kan ke,epatan komp#tasi %engankompleksitas yang tinggi memb#t#$kan algoritma genetika&

Documents

Algoritma Genetika Power Point