ALGORITMA GENETIKA Pertemuan 12.

Slides:



Advertisements
Presentasi serupa
Penyelesaian TSP dengan Algoritma Genetik
Advertisements

P – 6 MEKANISME EVOLUSI GENETIKA POPULASI SELEKSI ALAM DAN ADAPTASI
ALGORITMA GENETIKA.
GAOT Speaker: Moch. Rif’an Inisializega function[pop]=initializega(num,bounds,evalFN,evalOps,options) Parameter input: Num : jumlah.
Algoritma Genetika Kelompok 2 Ferry sandi cristian ( )
Disusun Oleh: Ainiyatul Muthoharo ( )
Pengujian Kesetimbangan Hardy-weinberg
Struktur Dasar Algoritma
ALGORITMA GENETIKA.
PEMULIAAN TANAMAN MENYERBUK SILANG
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 ( )
MEKANISME EVOLUSI.
Yufis Azhar – Teknik Informatika - UMM
Hill Climbing.
Algoritma Genetik (lanjutan)
Masalah Dan Solusi ( Pemecahan Masalah) Pada dasarnya tiap mahluk memiliki masalah, tetapi tiap mah luk juga memiliki cara untuk memecahkan masalahnya.
Dr.Ir. Yandra Arkeman, M.Eng
ALGORITMA GENETIKA.
BAB IX: PEMULIAAN TANAMAN MENYERBUK SILANG
(RECURRENT SELECTION)
GENETIK TANAMAN MENYERBUK SILANG : JAGUNG
Informatics Theory & Programming (ITP) Informatics Eng. Dept. – IT Telkom.
Informatics Theory & Programming (ITP) Informatics Eng. Dept. – IT Telkom.
Genetika populasi 1. Iftachul Farida ( ) 2. Alfian N. A
Kuliah Sistem Fuzzy Pertemuan 13 “Algoritma Genetika” (lanjutan)
PENGENALAN KECERDASAN KOMPUTASIONAL
Struktur Dasar Algoritma
Kuliah Sistem Fuzzy Pertemuan 12 “Algoritma Genetika”
PEMBENTUKAN SEL GAMET MONOHIBRID SEMIDOMINAN DIHIBRID
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:
Genetika Pelatnas IBO Danang Crysnanto.
PENGENALAN KECERDASAN KOMPUTASIONAL
Fuzzy EAs Dr. Suyanto, S.T., M.Sc. HP/WA:
KULIAH 2 DASAR GENETIKA DALAM PEMULIAAN TERNAK Pertemuan 3.
Genetika populasi.
Dasar-Dasar Algoritma Genetika
Oleh : Desca Marwan Toni (G )
Imam Cholissodin | Algoritma Evolusi Teknik Optimasi Imam Cholissodin |
Evolution Strategies (ES)
Soft Computing Genetic Algorithm © Sekolah Tinggi Teknik Surabaya.
Imam Cholissodin | Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin |
Paralelisasi dan Distribusi
BAB III: PEMULIAAN TANAMAN MENYERBUK SILANG
Grammatical Evolution (GE)
ALGORITMA GENETIKA.
Pertemuan 13 ALGORITMA GENETIKA
PEMBENTUKAN SEL GAMET MONOHIBRID SEMIDOMINAN DIHIBRID
METODE PEMULIAAN TANAMAN
Oleh : Yusuf Nurrachman, ST, MMSI
Konvergensi Prematur dan Pencegahannya
GENETICS ALGORITHM Nelly Indriani W. S.Si., M.T KECERDASAN BUATAN.
Pertemuan 14 Algoritma Genetika.
Artificial Intelligence (AI)
Tugas Matrikulasi Genetika dan pemuliaan Ikan
Algoritma AI 2.
Pertemuan 13 ALGORITMA GENETIKA
ALGORITMA GENETIKA.
Pertemuan 13 Algoritma Genetika.
BIOLOGI UMUM Dra. Hj. Noorhidayati, M.Si Dra. Siti Wahidah, M.Pd
ALGORITMA GENETIKA.
GENETIKA POPULASI.
Algoritma Genetika.
Pertemuan 15 ALGORITMA GENETIKA
Evolusi Populasi.
Algoritma Genetika. Melakukan Optimasi Fitness Contoh Fungsi Fitnes Y = - (x 2 - 1) GA akan melakukan optimasi terhadap fungsi tersebut.
Suhri (p021003).  Mutasi adalah peristiwa perubahan sifat gen (susunan kimia gen) atau kromosom sehingga menyebabkan perubahan sifat yang baka (diturunkan)
Transcript presentasi:

ALGORITMA GENETIKA Pertemuan 12

Algoritma Genetika Algoritma genetika adalah algortima yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi Algoritma genetika ini ditemukan oleh John Holland dan dikembangkan oleh David Goldberg

Definisi penting dalam algoritma genetika Gen , sebuah nilai yang menyatakan satuan dasar yg membentuk arti tertentu. Allele, nilai dari gen kromosom, gabungan gen – gen yg membentuk nilai Individu, menyatakan satu nilai yang menyatakan salah satu solusi yang mungkin

Definisi penting dalam algoritma genetika(lanjutan) Populasi , merupakan sekumpulan individu yg akan dproses bersama Generasi, menyatakan satu – satuan siklus proses evolusi Nilai Fitness, menyatakan sebearapa baik nilai dari suatu individu

Hal yg Menggunakan Algortima Genetika Mendefinisikan Individu Mendefinisikan nilai fitness Menentukan proses pembangkitan populasi awal Menentukan proses seleksi yg digunakan Menentukan proses perkawinan silang dan mutasi gen yg digunakan

Pengertian Individu Individu bisa dikatakan sama dengan kromosom, yang merupakan kumpulan gen. Gen bisa biner , float dan kombinatorial

Nilai Fitness Nilai fitness adalah nilai yang menyatakan baik tidaknya suatu solus ( individu). Niali fitness dijadikan acuan dalam mencari nilai optimal

Siklus algoritma genetika Populasi Awal – Evaluasi Fitness – Seleksi Individu – Reproduksi – Populasi Baru – Evaluasi Fitness ,dan berulang

Populasi Awal Populasi awal adalah proses membangkitkan sejumlah individu secara acakatau melebihi prosedur tertentu

Seleksi Seleksi dilakukan untuk mendapatkan induk yg baik Seleksi dapat dilakukan dengan menggunakan dua macam teknik , yaitu mesin roullete dan turnamen

Cross Over Cross over merupakan salah satu operator dalam algortima genetika yang melibatkandu ainduk untuk menghasilkan keturunan baru. Cross over dilakukan dengan melakukan pertukaran den dari dua induk secara acak.

Mutasi Gen Mutasi Gen merupakan operator yg menukar nilai gen dengan nilai inversinya , misal gennya bernilai 0 menjadi 1. Setiap individu mengalami mutasi gen dengan probabilitas mutasi yg digunakan.