Langkah-langkah persiapan secara umum yang harus
dilakukan pada penggunaan algoritma genetika adalah sebagai berikut;
1.
Menentukan
bentuk representasi genetik. Gen dikodekan berdasarkan suatu skema tertentu.
Pengkodean gen dapat direpresentasikan menggunakan:
a. Representasi Bit, allele dari setiap gen hanya dapat
memiliki nilai bilangan biner 0 atau 1.
b. Representasi Floating Point, allele dari setiap gen memiliki nilai
bilangan pecahan riil positif.
c. Representasi Integer, allele dari setiap gen memiliki nilai
bilangan bulat yang biasanya positif.
2.
Menentukan
cara untuk menciptakan populasi awal.
3.
Menentukan
fungsi fitness. Fungsi ini tergantung
pada kasus optimasi yang ingin diselesaikan.
4.
Menentukan
operasi-operasi genetik yang akan digunakan
5.
Menentukan
parameter-parameter pengendali jalannya proses algoritma genetika, yaitu;
a.
Ukuran
populasi (UkPop), yaitu banyaknya individu yang terdapat dalam populasi.
b.
Jumlah
maksimum generasi (Generasi), yaitu jumlah maksimum iterasi yang akan
dijalankan pada algoritma genetik.
c.
Probabilitas
crossover (Pc),
yang menentukan besarnya kemungkinan individu untuk melakukan operasi
pindah silang.
d.
Probabilitas
mutasi (Pm), yang menentukan besarnya kemungkinan
individu terkena mutasi.
e.
Probabilitas
reproduksi (Pr), yang menentukan besarnya kemungkinan
individu untuk melakukan reproduksi.
6.
Menentukan suatu
kriteria untuk menghentikan jalannya algoritma, yaitu:
a. Apabila generasi saat ini telah mencapai
jumlah maksimum generasi.
b. Apabila solusi yang paling optimal telah
ditemukan.
7.
Menentukan
individu terbaik yang terdapat dalam populasi pada saat kriteria pemberhentian
jalannya algoritma terpenuhi.
Setelah melakukan langkah-langkah persiapan secara umum
penggunaan algoritma genetika maka langkah-langkah implementasi Algoritma
Genetika dalam bentuk yang paling sederhana dan hanya menggunakan
operator-operator genetik dasar terdiri dari langkah-langkah berikut (Nurwijaya, 2007):
1.
Bangkitkan
populasi awal yang terdiri dari kromosom-kromosom yang masing-masing mewakili
sebuah individu. Individu-individu dalam populasi awal tersebut dibangkitkan
secara acak.
2.
Langkah-langkah
berikut dilakukan secara berulang hingga kondisi terminasi terpenuhi:
a.
Kalkulasi
dan simpan nilai fitness masing-masing individu dalam populasi sebagai
parameter utama proses seleksi.
b.
Hasilkan
populasi baru dengan melakukan operasi-operasi genetik dasar yang dipilih
secara probabilistik. Untuk setiap operator genetik diberikan suatu
probabilitas tertentu yang menentukan tingkat kemungkinan operator tersebut
terjadi. Individu yang akan mengalami operasi genetik dipilih melalui proses
seleksi.
i.
Reproduksi,
setiap individu memiliki peluang untuk dapat terus berlanjut ke generasi
berikutnya, peluang ini sebanding dengan tingkat fitness individu
tersebut. Operasi ini dilakukan dengan mereproduksi individu tersebut lalu
memasukkannya ke populasi baru.
ii.
Crossover (Kawin Silang), setiap individu memiliki
kemungkinan untuk melakukan perkawinan dengan individu lain yang besarnya
proporsional dengan nilai fitness. Hasil perkawinan adalah dua offspring
yang selajutnya dimasukkan ke populasi baru.
iii.
Mutasi,
Operasi ini menghasilkan individu baru dengan cara melakukan perubahan secara
acak pada kromosom.
3.
Individu
yang memiliki nilai fitness tertinggi dari semua generasi mewakili solusi dari
permasalahan optimal yang didapat saat itu.
Referensi:
Nurwijaya, 2007. Analisis Penggunaan Algoritma Genetika
Untuk Optimalisasi Jaringan Syaraf Tiruan. Bandung: Sekolah Teknik Elektro
dan Informatika, Institut Teknologi Bandung.
Posts
