GA Chapter 2

Setelah dilakukan pengkodean, GA diinisialisasi untuk sebuah populasi dengan N kromosom. Gen yang mengisi kromosom akan dibangkitkan secara acak, yang biasanya dilakukan dengan distribusi seragam.

Komponen Algoritma Genetika [BACK]

Skema Pengkodean [BACK]

Terdapat 3 skema pengkodean:

§ Real number encoding (gen dalam interval 0 sampai R, dimana R merupakan bilangan real positif, dan biasanya R=1)

§ Discrete decimal encoding, (setiap gen bisa bernilai 1-9)

§ Binary encoding (setiap gen hanya bisa bernilai 1 atau 0)

Contoh :

Nilai Fitness [BACK]

Merupakan nilai yang menyatakan baik atau tidaknya suatu individu.
Dijadikan sebagai acuan dalam mencapai nilai optimal dalam algoritma genetika.

Untuk mendapatkan nilai fitness yang baik, jauh dari peluang nilai konvergen pada optimum lokal, nilai fitness dapat dicari dengan :

Seleksi Orang Tua [BACK]
Seleksi dilakukan untuk mendapatkan calon induk yang baik. Seleksi dapat dilakukan dengan 2 cara, yaitu dengan Rotated Wheel dan Tournament.

Crossover [BACK]

Crossover merupakan operator dalam algoritma genetika yang melibatkan dua induk untuk menghasilkan keturunan yang baru.
Proses crossover bisa dalam bentuk:

one point CO
n-point CO
uniform CO

Mutasi [BACK]
Mutasi dapat merubah susunan gen dengan swapping, insertion, inversion, dan displacement.

Elitisme [BACK]

Proses elitisme merupakan proses meng-copy individu dengan nilai fitness tertinggi

Pergantian Populasi [BACK]

Semua N individu dalam suatu generasi akan digantikan dengan N individu baru hasil crossover dan mutasi.
Individu yang dihilangkan merupakan individu dengan nilai fitness terendah/individu tua.