Algoritma Genetika (ALGEN) - Berikut Penjelasan Lengkapnya

PENGERTIAN

Pengertian dari algoritma genetika adalah algoritma yang memanfaatkan proses seleksi alamiah yang biasa dikenal dengan proses evolusi. Algoritma genetika sebenarnya terinspirasi oleh dari prinsip genetika dan proses seleksi alam (teori evolusi yang dikemukakan oleh darwin) yang ditemukan di universitas michigan di amerika serikat oleh Jhon Holland pada tahun 1975 dan dipopulerkan oleh salah satu muridnya yang bernama David Goldberg. Konsep yang digunakan oleh algoritma genetika ialah proses alamiah dimana siapa yang terkuatlah maka dia yang akan berevolusi dan akan terus hidup. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan. Proses perkembangbiakan ini didasarkan pada analogi struktur genetik dan perilaku kromosom dalam populasi individu dengan menggunakan dasar ialah:

Tiap individu didalam suatu populasi bersaing untuk sumber daya alam dan juga untuk mendapatkan pasangangannya.
Mereka yang selalu menang didalam kompetisi akan mampu menghasilkan keturunan yang terbaik, dan mereka yang kalah dalam kompetisi akan menghasilkan keturunan yang sebaliknya.
Gen yang berasal dari individu yang baik akan menyebar pada seluruh populasi melalui proses perkembangbiakan, tidak menutup kemungkinan akan menyebabkan adanya suatu gen yang lebih baik daripada generasi yang lama.
Setiap pergantian generasi maka biasanya generasi yang baru akan lebih cocok dengan lingkungan mereka. Dengan kata lain generasi baru ini lebih mudah beradaptasi dengan perubahan lingkungan yang terjadi.

Gambaran dari proses seleksi alam

CIRI-CIRI MASALAH YANG MEMERLUKAN ALGORITMA GENETIKA

Ruang untuk pencariannya sangat besar, kompleks, dan sulit dipahami.
Pengetahuan dasar yang kurang memadai untuk menyederhanakan ruang pencarian yang sangat besar menjadi ruang pencarian yang kecil.
Mempunyai kemungkinan akan jumlah solusi yang tak terhingga.
Membutuhkan solusi real time yaitu solusi yang bisa didapatkan dengan cepat sehingga mampu diimplementasikan pada permasalahan yang mempunyai perubahan cepat.

HAL-HAL YANG MESTI DILAKUKAN DALAM MENGGUNAKAN ALGORITMA GENETIKA

Mendefinisikan Individu, dimana individu menyatakan salah satu solusi (penyelesaiaan) yang mungkin dari permasalahan yang diangkat.
Mendefinisikan Nilai Fitness, yang merupakan ukuran baik tidaknya sebuah individu atau baik tidaknya solusi yang didapatkan.
Menentukan Proses Pembangkitan Populasi Awal. Hal ini biasanya dilakukan dengan menggunakan pembangkitan acak seperti random-walk.
Menentukan Proses Seleksi yang Akan Digunakan
Menentukan Proses Perkawinan Silang (Cross-over) dan Mutasi Gen yang Akan Digunakan

APLIKASI ALGORITMA GENETIKA

Algoritma genetika telah digunakan untuk memecahkan permasalahan seperti:

Optimasi: Algoritma genetika banyak digunakan dalam berbagai tugas optimasi, termasuk optimasi untuk numerik dan permasalahan optimasi kombinatorial seperti Travelling Salesman Problem (TSP), Job shop schedulling, dan optimasi video dan suara.
Pemrograman Otomatis: Algoritma genetika telah digunakan untuk berevolusi terhadap program komputer untuk melakukan tugas-tugas yang spesifik.
Machine Learning: Algoritma genetika banyak digunakan untuk machine learning termasuk klasifikasi dan prediksi struktur protein. Algoritma genetika juga telah digunakan untuk merancang jaringan syaraf tiruandan untuk mengendalikan sebuah robot.

Gambaran siklus dari algoritma genetika

BEBERAPA DEFINISI PENTING DALAM ALGORITMA GENETIKA

Genotype (GEN). Sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Dalam algoritma genetika, gen ini bisa berupa nilai biner, float, integer maupun karakter, ataupun kombinatorial.
Allele. Nilai dari gen.
Kromosom. Gabungan dari gen-gen yang membentuk nilai tertentu.
Individu. Menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang memungkinkan dari permasalahan yang tengah diangkat.
Populasi. Merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi.
Generasi. Menyatakan satu-satuan siklus dari proses evolusi.
Nilai Fitness. Menyatakan seberapa baik nilai dari suatu individu atau solusi yang telah didapatkan.