Struktur Dasar Algoritma Genetika. Bab ini memperkenalkan terminologi dasar yang dibutuhkan pada memahami mekanisme pemecahan Genetika.
Struktur Dasar Algoritma Genetika. Bab ini memperkenalkan terminologi dasar yang dibutuhkan pada memahami mekanisme pemecahan Genetika. Juga, skema umum mekanisme pemecahan Genetika disajikan di kedua kode semu serta bentuk grafis. Pembaca disarankan dalam benar memahami semua konsep yang diperkenalkan di bab ini dan menjaga mereka pada pikiran ketika membaca bagian lain dari tutorial ini juga.
Istilah Dasar Algoritma Genetika
Sebelum memulai diskusi tentang algoritma Genetika, adalah penting untuk menjadi akrab dengan sebagian terminologi dasar yang akan digunakan di semua tutorial ini.
- Populasi : Ini adalah bagian dari semua kebolehjadian solusi yang (dikodekan) untuk perkara yang diberikan. Populasi pada prosedur pemecahan Genetika analog dengan populasi bagi manusia kecuali bahwa alih-alih manusia, kita mempunyai Calon jalan keluar yang mewakili manusia.
- Kromosom : Sebuah kromosom yaitu salah satu solusi itu pada perkara yang diberikan.
- Gene : Sebuah gen adalah salah satu posisi elemen dari suatu kromosom.
- Allele : Ini adalah nilai gen yang diperlukan pada kromosom tertentu
- Genotipe : genotipe adalah penduduk di ruang perhitungan. Dalam ruang perhitungan, solusi diwakili dengan cara yang dapat dengan mudah dipahami dan dimanipulasi menggunakan sistem komputasi.
- Fenotipe : fenotip adalah penduduk di ruang solusi dunia nyata yang sebenarnya di mana solusi diwakili dengan cara mereka diwakili dalam situasi dunia nyata.
- Decoding dan Encoding : Untuk masalah sederhana, fenotip dan ruang genotipe yang sama. Namun, dalam sebagian besar kasus, fenotip dan ruang genotipe yang berbeda. Decoding adalah proses transformasi solusi dari genotipe ke ruang fenotipe, sedangkan encoding adalah proses transformasi dari fenotip untuk genotipe ruang. Decoding harus cepat seperti yang dilakukan berulang-ulang dalam Algoritma Genetika selama perhitungan nilai fitness.
 |
| Gambar 1. Dasar Algoritma Genetika |
Diantaranya, menimbang-nimbang 0/1 di masalah Knapsack. Ruang Fenotip terdiri dari solusi yang hanya berisi angka item barang yang akan diambil.
Namun, di ruang genotipe dapat direpresentasikan menjadi string biner dengan panjang n (dimana n yaitu jumlah item). Sebuah 0 pada posisi xrepresents bahwa item xth diambil sementara 1 mewakili sebaliknya. Ini yaitu kasus di mana genotipe dan fenotipe ruang yang berbeda.
- Manfaat Fitness : Sebuah manfaat fitness hanya didefinisikan yaitu fungsi yang mengambil solusi sebagai input serta menghasilkan kesesuaian solusi sebagai keluaran. Pada sebagian kasus, fungsi kebugaran serta manfaat tujuan mungkin sama, sementara di lain itu mungkin berbeda dari perkara.
- Operator genetik : ini mengubah komposisi genetik keturunan. Ini termasuk crossover, mutasi, seleksi, dll
Struktur Dasar Algoritma Genetika
Struktur dasar dari Algoritma Genetika adalah sebagai berikut:
- Kita mulai dengan populasi awal (yang dapat dihasilkan secara acak atau diunggulkan oleh heuristik lainnya), pilih parents dari populasi ini untuk kawin. Terapkan crossover dan mutasi operator pada parents untuk menghasilkan baru off-springs. Dan akhirnya ini off-springs menggantikan individu yang ada dalam populasi dan mengulangi proses. Dengan cara ini algoritma genetika benar-benar mencoba untuk meniru evolusi manusia sampai batas tertentu.
- Setiap langkah-langkah berikut akan dibahas sebagai bab terpisah nanti dalam tutorial ini.
Sebuah kode semu umum untuk Algoritma Genetika dijelaskan dalam program berikut :
GA()
initialize population
find fitness of population
while (termination criteria is reached) do
parent selection
crossover with probability pc
mutation with probability pm
decode and fitness calculation
survivor selection
find best
return best
COMMENTS