Skema pengkodean pada Algoritma Genetika (Genetic Algorithm)

Menurut Gen dan Cheng (2000) menyatakan bahwa dalam merepresentasikan suatu solusi ke dalam kromosom terdapat empat (4) cara, yaitu; 1). menggunakan pengkodean secara biner, 2). pengkodean bilangan riil positif, 3). pengkodean bilangan bulat dan 4). struktur data umum. Pada Gambar 1 menjelaskan representasi tiga pengkodean dari empat pengkodean yang ada. Dalam postingan kali ini hanya akan mengimplementasikan pengkodean menggunakan bilangan biner.

Gambar 1. Skema Pengkodean

Berdasarkan Gambar 1(a) terdapat tiga individu x1, x2 dan x3 yang diwakili dengan masing-masing tiga gen dalam panjang kromosom sebanyak sembilan gen. Pada masalah klasifikasi setiap individu ini mewakili parameter yang digunakan dalam pengelompokkan.

Pengkodean bertujuan untuk memperoleh nilai biner dari setiap gen g dengan cara (persamaan 1) jika bilangan acak x [0,1) memiliki nilai x > 0.5 maka gen g=1, demikian juga sebaliknya. Setiap gen g berupa nilai bilangan biner 0 atau 1. Representasi setiap individu dengan jumlah gen tertentu disebut dengan panjang bit.

Pendekodean bertujuan untuk mendapatkan kembali nilai individu x dari bentuk biner dalam rentang nilai tertentu. Jika menggunakan rentang interval tertentu dengan batas atas Ra dan batas bawah Rb, maka untuk pendekodean individu X dengan cara biner dirumuskan dalam persamaan 2.

Referesi:

Gen, M. & Cheng, R., 2000. Genetic Algorithms and Engineering Optimization. s.l.:John Wiley & Sons, Inc.

Evaluasi Individu dalam Algoritma Genetika untuk kasus klasifikasi

Evaluasi individu bertujuan untuk mengukur nilai performansi (fitness) dari suatu individu x. Pada evolusi alamiah hanya individu yang memiliki nilai fitness yang tinggi yang akan mampu bertahan hidup. Sedangkan yang memiliki nilai rendah akan mati. Secara umum fitness f yang digunakan pada masalah optimasi untuk memaksimalkan nilai fungsi h maka f=h. Tetapi pada masalah klasifikasi yang digunakan adalah meminimalkan jarak, maka fungsi fitness adalah f=1/h dari suatu fungsi. Untuk mengatasi pembagian dengan nol, maka perlu dikalikan dengan bilangan a, yaitu bilangan yang dianggap sangat kecil. Hasil evaluasi individu untuk meminimalkan fungsi dirumuskan dalam persamaan berikut;

Rumusan untuk mendapatkan fitness ini sangat bergantung pada masalah yang akan diselesaikan. Jika rumusan evaluasi untuk mendapatkan fitnes adalah Eval(Vi) untuk setiap individu Vi(i=1,2,...,N), N adalah ukuran populasi, maka nilai fitness dari seluruh individu dalam populasi dirumuskan pada persamaan berikut