Algoritma Genetika
1. Search Algorithm
Algoritma genetika adalah algoritma pencarian (search algorithm) yang menggunakan prinsip seleksi alam dalam ilmu genetika untuk mengembangkan solusi terhadap permasalahan (Haupt dan Haupt, 2004). Algoritma Genetika merupakan kelas algoritma pencarian stokastik berdasarkan evolusi biologi (Negnevitsky M., 2005). Kemunculan Algortima Genetika diinspirasikan dari teori-teori dalam ilmu biologi, sehingga banyak istilah dan konsep biologi yang digunakan dalam Algoritma Genetika. Sesuai dengan namanya, proses-proses yang terjadi dalam Algoritma Genetika sama dengan apa yang terjadi pada evolusi biologi. Ide dasar algoritma genetika adalah mengelola suatu populasi individu yang merepresentasikan kandidat solusi sebuah permasalahan. Secara umum algoritma genetika memiliki lima komponen dasar (Michalewicz, 1996) yaitu:- Representasi genetik dari solusi-solusi masalah.
- Cara membentuk populasi awal dari solusi-solusi.
- Fungsi evaluasi yang me-rate (rating) solusi-solusi berdasarkan fitness mereka.
- Operator-operator genetik yang merubah komposisi genetik dari offspring selama reproduksi.
- Nilai-nilai untuk parameter algoritma genetika.
2. Kelebihan Algoritma Genetika
Beberapa hal yang termasuk kelebihan dari Algoritma Genetika adalah sebagai berikut (Haupt dan Haupt, 2004):- Mengoptimalkan dengan variabel kontinu atau diskrit,
- Tidak memerlukan informasi derivatif,
- Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya,
- Berkaitan dengan sejumlah besar variabel,
- Baik untuk komputer paralel,
- Mengoptimalkan permukaan variabel dengan biaya yang sangat kompleks (GA bisa melompat dari minimum lokal),
- Memberikan daftar variabel yang optimal, bukan hanya solusi tunggal,
- Dapat menyandikan variabel sehingga optimasi dilakukan dengan mengkodekan variabel, dan
- Bekerja dengan data numerik yang dihasilkan, data eksperimen, atau analitis fungsi.
Komentar 0