Professional Documents
Culture Documents
Coding
Implementasi GA bekerja berdasarkan pada nilai x yang dikodekan (coded x
value). Tujuan dari coding adalah untuk menciptakan representasi dari x yang
setiap posisinya dapat di-modified, dipotong dan dipertukarka menjadi new x.
Kode-x seperti chromosome dalam genetika, atau dengan kata lain informasi
yang dibawa dapat dimodifikasi (modifiable carrier of information).
Implementasi metoda pengkodean didasarkan pada representasi binary string
dari suatu angka (string 0 atau 1). Dalam contoh dibawah ini dapat terlihat
contoh dari nilai-nilai binary-coded x sbb. Untuk penyederhanaannya
digunakan bilangan integer positip sepanjang 8 bit.
examples of coding
x xc (binary coded x)
114 01001110
132 00100001
1
Algoritma keseluruhan.
Suatu populasi awal (parental generation) dibangkitkan secra random (nilai x
dipilih secara acak, dan kemudian nilai y dihitung). Atas dasar generasi ini GA
diciptakan offspring generation menggunakan operator genetika Selection,
Crossover dan Mutation. Individu tiruan generasi baru akan menjadi parental
generation untuk offspring generation berikutnya. Dengan tiap generasi baru
ini nilai kebugaran keseluruhan dari populasi akan meningkat. Proses
pembentukan offspring generations berdasarkan pembentukan generasi baru,
diulangi-ulang sampai dicapai hasil yang optimum.
Sketsa berikut menggambarkan satu iterasi dalam implementasi GA untuk
menciptakan 2 individu baru. Langkah-langkah tersebut diulang lagi sampai
jumlah individu dalam offspring generation sama dengan parental generation.
Seleksi
Seleksi merupakan suatu proses pemilihan individu dari populasi untuk
menciptakan individu baru. Individu yang tepat adalah individu dengan
dengan kebugaran yang baik. Operator ini mengimplementasikan prinsip ”
yang paling bugar akan bertahan” (survival of the fittest). Implementasi dari
seleksi turnamen memilih sepasang individu (ayah, ibu) untuk menciptakan
dua individu baru dalam bentuk offspring generation. Pasangan individu yang
tepat adalah individu dengan nilai y tinggi, karena yang ingin dicapai adalah
nilai maksimum fungsi.
Examples: Selection
(based on the test function F0 ; 0.0 < x < 10)
parents x xc (binary-coded y
x)
P1 4 00100000 0.108
P2 8 00010000 1.22 E-08
P3 7 11100000 2.68 E-04
2
Contoh diatas menunjukkan tiga nilai-x,y. P1 dan P3 terpilih sebagai individu
ayah dan ibu, karena kebugarannya lebih tinggi dari P2.
Pindah-silang (Crossover)
Setelah pemilihan dua pasangan individu, langkah selanjutnya adalah prose
pindah-silang. Crossover adalah proses menciptakan coded xc baru dengan
kombinasi dari dua coded xc. Disini digunakan algoritma crossover satu-titik.
Tergantung pada nilai probabilitas yang telah ditentukan (pc: probabilitas
crossover; 0 < pc < 1) nilai-nilai xc dari pasangan individu dikompbinasikan
atau tidak.
Jika nilai xc dikombinasikan (crossover = true) maka nilai binary-coded x dari
pasangan individu (suatu bit-string) akan dipotong dua bagian dengan
pemilihan titik crossover secara random. Dua coded xc baru dihasilkan
melalui alternatif kombinasi dari bagian-bagian tersebut.
Example: Crossover
(based on function F0; 0.0 < x < 10; crossover point= 1)
Mutasi (Mutation)
Langkah terakhir dari GA adalah mutasi. Mutasi merupakan proses merubah
nilai coded xc secara acak, dengan mengimplementasikan satu-titik algoritma
mutasi. Pelaksanaan mutasi didasarkan pada probabilitas mutasi (pm; 0 < pm
< 1.0). jika nilai xc dimutasikan maka nilai dari posisi yang dipilih secara acak
dari binary-coded xc berubah. Bila nilai pada posisi tersebut 0, akan berubah
menjadi 1 dan sebaliknya. Contoh berikut C1 tidak dimutasi; C2 dimutasi.
Posisi 3 dari binary-string xc dirubah.
Example: Mutation
(based on function F0 ; 0.0 < x < 10; mutation position = 3)
3
Example: Crossover
(based on function F0; 0.0 < x < 10; crossover point= 1)
Parents x xc (binary-coded x) Y-Wert
PF 1 00100000 0.108
PM 7 11100000 2.68 E-04
Example: Mutation
(based on function F0 ; 0.0 < x < 10; mutation position = 3)
before mutation xc (binary-coded x) x Y
C1 10100000 5 0.798
C2 01100000 6 0.108
4
5