siapa pengarang

kekurangan kelebihan (apakah tujuan tercapai,ada yg tertinggal?,apa yang kurang meyakinkan pengalaman pribadi) ) penutup

Algoritma Genetika adalah prosedur pencarian yang menirukan evolusi biologis.buk u berjudul "Genetic Algorithms in Search, Optimization, and Machine Learning" Davi d E.Golberg ,seorang murid langsung dari john holland sang pencetus algortima ini, mempresentasikan topik ini dengan gaya yang ringan dan informal,namun tetap memb erikan deskripsi ilmiah formal .Buku ini utamanya ditujukan untuk pemahaman topik ini pada mahasi swa tahap sarjana:mengenalkan konsep algoritma genetika dan menunjukan bagaimana algoritma ini digunakan pada machine learning dan optimasi. Pada chapter pertama " A gentle introduction to genetic algoritm"diperkenalkan a lgoritma genetika sebagai metode alternatif untuk optimasi dari metode heuristik yang dipakai secara umum dan untuk menimbulkan keyakinan diberikan contoh sederhana y ang dapat diterapkan langsung dengan "hitungan jari".Selain itu didefinisikan te rminologi dalam algortima genetika yang diadopsi dari teori evolusi. Di Chapter dua diberikan fondasi matematika dari algoritma genetika,yang walaupu n tidak terlalu mendetail namun membangkitkan pemahaman secara intuitif.Terdapat contoh bandit be-k anak buah untuk mengilustrasikan pentingnya keseimbangan antara eksp lorasi dan eksploitasi dalam algoritma pencarian. Chapter tiga membahas implementasi AG di komputer yaitu langkah reproduction,cro ss over dan mutation dan memberikan penekanan tentang pentingnya fitness scaling dan pemilihan fitness function Pada chapter empat dibahas teknik-teknik algoritma genetika tingkat lanjut,yang merupakan hasil pengembangan dari algoritma genetika dasar. Pada chapter empat disajikan 5 fungsi masalah fungsi minimisasi De Jung,juga dis ampaikan perkembangan algoritma genetika dalam teknik stoktastik,lengkap dengan kode untuk teknik tersebut, penulis lalu menyajikan hasil karyanya sendiri (optimasi jaringan pipa gas dan o ptimasi struktural). Untuk chapter 5 diberikan operator-operator (yang disebut operator mikro) yang d apat dipakai untuk mengembangkan algoritma genetika dari tingkat dasar.Kelompok operator ini adalah adopsi dari evolusi biologi yang bekerja di level kromosom,o perator tersebut yaitu:dominance dan diploidy, reordering operators, segmentatio n, translocation, duplication and deletion.Sebagai contoh implementasi diberikan me tode memori populasi jangka panjang yang dimungkinkan oleh operator dominance da

n diploidy,disertakan kode untuk metode tersebut. Chapter 6 dan 7 beralih fokus ke Pembelajaran mesin (machine learning) berbasis algortima genetika.Pada chapter 6 dituturkan latar belakang,prinsip kerja dari c lassifier sytem lalu bagaimana algoritma genetika dapat berperan dalam learning sistem klasifikasi,kemudian diberikan contoh seder hana algortima genetika dalam sistem klasifikasi,yang tertuang dalam kode,bertu juan untuk menkonkretkan penjelasan yang diberikan sebelumnya. Chapter 7 adalah pendalaman dari chapter sebelemunya dengan penyertaan contoh-co ntoh,dimulai dengan sistem CS-1 lalu CL-ONE sebuah sistem yang mampu mengkonvers i kecerdasan buatan berbasis knowledge ke bentuk yang representatif.Contoh lain yang diungkapkan adalah bagaimana pada tah un 1985 Crammer menyederhanakan kesamaan turing untuk kalkulasi fungsi rekursif dan program perkalian biner.Pada uraian-uraian tersebut diungkapkan kesulitan-kesulitan yang dihadapi dalam implementasi tersebut dan ca ra penyelesaianya. Chapter 8 adalah chapter terakhir yang merefleksi kembali apa yang telah dibahas pada chapter 1 sampai 8,juga bagaimana David E Goldberg penulis buku ini meliha t kemungkinan-kemungkinan masa depan untuk algoritma genetika. Untuk setiap bab disertakan ikhtisar,soal-soal latihan yang diselesaikan dengan menggunakan komputer.Juga di akhir buku disertakan apendiks yang berisikan ringk asan konsep-konsep statistik yang mungkin dibutuhkan untuk mengerti penjelasan yang bersifat statistik dalam buku ini.pada apendiks selanjutnya disediakan rangkuman kode pascal yang dibutuhkan d alam memprogram metode-metode dalam buku ini. Menurut pengalaman saya,pengguna buku ini untuk kepentingan pembuatan tugas akhi r,buku ini sangat baik sebagai langkah awal untuk 'membuka' pengertian algoritma genetika dan memberikan dasar prinsip-prinsip algoritma genetika yang mudah dimengerti dalam waktu yang relatif cepat selain dengan gaya bertutur yang ringan juga dibantu de ngan contoh - contoh dan soal dari tiap bab yang menurut saya perlu dicoba untuk memberikan pemahaman pen uh,namun sayangnya contoh - contoh yang diberikan kebanyakan terlalu mendasar,se hingga untuk melangkah ke persoalan yang lebih sulit diperlukan masukan dari membaca buku lai n dengan topik yang sama.Selain itu perlu digarisbawahi kode yang digunakan adal ah paskal yang sekarang jarang digunakan sehingga kode perlu dikonversi dahulu sebelum digunakan.

This is a great book to begin your journey on Genetic Algorithms (GA). The autho r is a pioneering authority on the subject and has explained the basics of a GA in a very gentle and easy to understand manner. The book has a great variety of

specific but diverse examples, which may not be useful at first glance, but gives an insight to where all the t echnique has been applied!