Artificial Intelligence (AI)

Slides:



Advertisements
Presentasi serupa
ALGORITMA GENETIKA.
Advertisements

Algoritma Genetika Kelompok 2 Ferry sandi cristian ( )
Disusun Oleh: Ainiyatul Muthoharo ( )
ALGORITMA GENETIKA.
Algoritma Genetika.
Genetic Algoritms.
Algoritma Genetik  Setiap mahluk hidup selalu mengembangkan dirinya un tuk berusaha bertahan diri guna menyesuaikan dengan tuk berusaha bertahan diri.
ALGORITMA GENETIKA Disusun Oleh : Anjas Purnomo ( )
Yufis Azhar – Teknik Informatika - UMM
Algoritma Runut-balik (Backtracking)
Masalah Dan Solusi ( Pemecahan Masalah) Pada dasarnya tiap mahluk memiliki masalah, tetapi tiap mah luk juga memiliki cara untuk memecahkan masalahnya.
ALGORITMA GENETIKA.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Informatics Theory & Programming (ITP) Informatics Eng. Dept. – IT Telkom.
Informatics Theory & Programming (ITP) Informatics Eng. Dept. – IT Telkom.
Kuliah Sistem Fuzzy Pertemuan 13 “Algoritma Genetika” (lanjutan)
Dr. Rahma Fitriani, S.Si., M.Sc
ALGORITMA GENETIKA Pertemuan 12.
Kuliah Sistem Fuzzy Pertemuan 12 “Algoritma Genetika”
ALGORITMA GENETIKA. KELOMPOK 6 CINDY RAHAYU ( ) MIA RAHMANIA ( ) M. ISKANDAR YAHYA ( ) Teknik Informatika 5A UIN.
Studi Kasus Dr. Suyanto, S.T., M.Sc. HP/WA:
Evolution Strategies (ES)
Pembimbing : Imas S. Sitanggang, S.Si, M.Kom Irman Hermadi, S.Kom, MS
Fuzzy EAs Dr. Suyanto, S.T., M.Sc. HP/WA:
Dasar-Dasar Algoritma Genetika
Oleh : Desca Marwan Toni (G )
KOMPUTASI KECERDASAN BUATAN
Imam Cholissodin | Algoritma Evolusi Teknik Optimasi Imam Cholissodin |
Evolutionary Computation
Evolution Strategies (ES)
Imam Cholissodin | Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin |
Paralelisasi dan Distribusi
PROSES PEMBUATAN KEPUTUSAN
Evolutionary Programming (EP)
Differential Evolution (DE)
Metode Linier Programming
Evolutionary Algorithms (EAs)
Grammatical Evolution (GE)
ALGORITMA GENETIKA.
Pertemuan 13 ALGORITMA GENETIKA
Evolving ANN Dr. Suyanto, S.T., M.Sc. HP/WA:
Oleh : Yusuf Nurrachman, ST, MMSI
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Konvergensi Prematur dan Pencegahannya
Genetic Programming (GP) Dan Evolutionary Programming (EP)
GENETICS ALGORITHM Nelly Indriani W. S.Si., M.T KECERDASAN BUATAN.
Pertemuan 14 Algoritma Genetika.
Metode Linier Programming
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
CSH4313 Kecerdasan Kolektif (Swarm Intelligence) Bee Colony Optimization (BCO) Semester Ganjil 2017/2018 Dr. Suyanto, S.T., M.Sc. Web:
PD Tingkat n (n > 1 dan linier) Bentuk umum :
Algoritma AI 2.
SOLUSI PERSAMAAN NON LINEAR
Pertemuan 13 ALGORITMA GENETIKA
Artificial Intelligence (AI)
Jaringan Syaraf Tiruan Artificial Neural Networks (ANN)
ALGORITMA GENETIKA.
Pertemuan 13 Algoritma Genetika.
METODE BIG M.
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.1
KOMPUTASI KECERDASAN BUATAN
ALGORITMA GENETIKA.
Algoritma Genetika.
CSH4313 Kecerdasan Kolektif (Swarm Intelligence) Ukuran Performansi
Pertemuan 15 ALGORITMA GENETIKA
Metode Newton-Raphson Choirudin, M.Pd
Fomulasi Variabel Keputusan:
PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA
Persamaan non Linier Indriati., ST., MKom.
Algoritma Genetika. Melakukan Optimasi Fitness Contoh Fungsi Fitnes Y = - (x 2 - 1) GA akan melakukan optimasi terhadap fungsi tersebut.
Transcript presentasi:

Artificial Intelligence (AI) Kecerdasan Buatan Artificial Intelligence (AI) 3 SKS Dosen: Muhammad Fachrie, M.Cs. AI - Pertemuan 8

Algoritma Genetika AI - Pertemuan 8

Berapakah nilai x dan y agar nilai z maksimum? Problem Jika dimiliki sebuah persamaan berikut ini: dimana: Berapakah nilai x dan y agar nilai z maksimum? AI - Pertemuan 8

Berapakah nilai x1 s.d. x5 agar nilai f(x) maksimum? Problem 2 Jika persamaannya: dimana Berapakah nilai x1 s.d. x5 agar nilai f(x) maksimum? AI - Pertemuan 8

Solusi Algoritma Genetika Mampu menemukan solusi dari permasalahan yang sifatnya kombinatorial. Meniru proses “evolusi” dan “genetika” pada makhluk hidup AI - Pertemuan 8

Studi Kasus Menentukan nilai x dan y sedemikian sehingga nilai z maksimum. dimana: AI - Pertemuan 8

Prosedur Komputasi pada AG 2 1 3 4 6 5 AI - Pertemuan 8

Bekerja dengan AG Buat skema pengkodean individu  kromosom Bangun fungsi fitness Definisikan operator GA, yang meliputi: Seleksi orang tua Rekombinasi Mutasi Seleksi survivor AI - Pertemuan 8

Maksimasi Fungsi Pada kasus yang disebutkan sebelumnya, merupakan kasus maksimasi fungsi. Nilai maksimum z? AI - Pertemuan 8

Representasi Individu (Kromosom) x y AI - Pertemuan 8

Fungsi Fitness AI - Pertemuan 8

Prosedur Evolusi Bangkitkan sejumlah N kromosom Dekodekan kromosom Lakukan penghitungan fitness Seleksi orang tua Rekombinasi Mutasi Seleksi survivor Looping dari langkah 1, sampai ditemukan solusi AI - Pertemuan 8

Prosedur 1 s.d. 3 AI - Pertemuan 8

Prosedur 4 Metode: roulette wheel AI - Pertemuan 8

Prosedur 5 Rekombinasi/ cross over AI - Pertemuan 8

Prosedur 6 Mutasi AI - Pertemuan 8

Prosedur 7 Seleksi survivor AI - Pertemuan 8

Prosedur 8 Setiap satu siklus disebut dengan satu generasi (iterasi). Siklus/ looping berhenti ketika sudah menemukan solusi optimal atau ketika siklus mencapai jumlah generasi/ iterasi yang ditentukan. AI - Pertemuan 8

Generasi 1 AI - Pertemuan 8

Generasi 100 AI - Pertemuan 8