Cara Kerja Algoritma Genetika
Last updated
Last updated
Algoritma ini bekerja dengan sebuah populasi yang terdiri dari individu individu, yang masing-masing mempresentasikan sebuah solusi yang mungkin bagi persoalan yang ada. Dalam kaitan ini, individu dilambangkan dengan sebuah nilai fitness yang akan digunakan untuk mencari solusi terbaik dari persoalan yang ada.
Pertahanan yang tinggi dari individu memberikan kesempatan untuk melakukan reproduksi melalui perkawinan silang dengan individu yang lain dalam populasi tersebut. Individu baru yang dihasilkan dalam hal ini dinamankan keturunan, yang membawa beberapa sifat dari induknya. sedangkan individu dalam populasi yang tidak terseleksi dalam reproduksi akan mati dengan sendirinya.
Melalui cara ini, beberapa generasi dengan karakteristik yang bagus akan bermunculan dalam populasi tersebut, untuk kemudian dicampur dan ditukar dengan karakter lain. Dengan mengawinkan semakin banyak individu, maka akan semakin banyak kemungkinan terbaik yang dapat diperoleh.
Sebelum Algoritma Genetika dapat dijalankan, maka sebuah kode yang sesuai (representatif) untuk persoalan harus dirancang. Untuk ini maka titik solusi dalam ruang permasalahan dikodekan dalam bentuk kromosom/string yang terdiri atas komponen genetik terkecil yaitu gen. Dengan teori evolusi dan teori genetika, di dalam penerapan Algoritma Genetika akan melibatkan beberapa operator, yaitu:
Operasi Evolusi yang melibatkan proses seleksi (selection) di dalamnya.
Operasi Genetika yang melibatkan operator pindah silang (crossover) dan mutasi (mutation).
Untuk memeriksa hasil optimasi, kita membutuhkan fungsi fitness, yang menandakan gambaran hasil/solusi yang sudah dikodekan. Selama berjalan, induk harus digunakan untuk reproduksi, pindah silang dan imitasi untuk menciptakan keturunan. Jika Algoritma Genetika didesain secara baik, populasi akan mengalami konvergensi dan akan didapatkan sebuah solusi yang optimum.
Setidaknya ada 6 langkah untuk menggunakan algoritma genetika yaitu
Mendefinisikan individu, dimana individu menyatakan salah satu solusi (penyelesaian) yang mungkin dari permasalahan yang diangkat.
Mendefinisikan nilai fitness, yang merupakan ukuran baik-tidaknya sebuah individu atau baik-tidak-nya solusi yang didapatkan.
Melakukan proses pembangkitan populasi awal. Hal ini biasanya dilakukan dengan menggunakan pembangkitan acak seperti random-walk.
Melakukan proses seleksi yang akan digunakan.
Melakukan proses perkawinan silang (cross-over) dan
Melakukan mutasi gen yang akan digunakan.
Sumber:
