Soft Computing Genetic Algorithm © Sekolah Tinggi Teknik Surabaya.

Presentasi berjudul: "Soft Computing Genetic Algorithm © Sekolah Tinggi Teknik Surabaya."— Transcript presentasi:

1 Soft Computing Genetic Algorithm © Sekolah Tinggi Teknik Surabaya

2 Bagian-Bagian dari GA 1 populasi = n individu 1 individu = 1 kromosom
alle 1 individu = 1 kromosom , sehingga individu dalam sebuah populasi sering disebut sebagai kromosom 1 1 1 gen loci kromosom © Sekolah Tinggi Teknik Surabaya

3 Istilah-istilah... Fitness
Nilai yang menunjukkan kualitas sebuah kromosom/ individu. contoh: Fitness : jumlah soal yang salah Fitness : nilai matematika dalam satu kelas Offspring individu baru yang terbentuk dari regenerasi (mutasi dan crossover). © Sekolah Tinggi Teknik Surabaya

4 Contoh Soal: Tugas Petugas 1 2 3 4 Budi (1) 5 Adi (2) 8 7 Amir (3) 6 Jono (4) Dalam sebuah perusahaan terdapat 4 petugas, dengan 4 pekerjaan yang berbeda. Terdapat biaya yang berbeda untuk setiap petugas pada setiap posisi/ pekerjaan. Misal: jika Budi (pekerja 1) mengerjakan pekerjaan 2, maka biaya yang harus dikeluarkan adalah 5 satuan. Masalahnya: mencari biaya minimum untuk 4 pekerjaan tersebut. © Sekolah Tinggi Teknik Surabaya

5 Pertanyaan: Berapakah jumlah gen penyusun kromosomnya?
Apa yang menjadi Gen-nya? Apa yang menjadi Alle-nya? Apa fitness-nya? Bagaimana cara menghitung fitnessnya? © Sekolah Tinggi Teknik Surabaya

6 Mendapat pekerjaan ke-4
Jawaban: Gen: Petugas Alle: Tugas Fitness: Biaya terkecil 1 4 3 2 Terdapat banyak kombinasi yang dapat digunakan. Contohnya adalah seperti yang disebutkan di atas. Petugas 2 Mendapat pekerjaan ke-4 © Sekolah Tinggi Teknik Surabaya

7 Crossover Menggabungkan pasangan (2) kromosom induk untuk menghasilkan (2) individu baru. Latar belakang: Melakukan persilangan antara dua kromosom induk untuk menghasilkan individu-individu baru yang (harapannya) lebih baik dari induknya. © Sekolah Tinggi Teknik Surabaya

8 Jenis Crossover [1]: Jika antar gen dalam satu kromosom boleh memiliki nilai kembar One Point Two Point Uniform Arithmatic Heuristic Referensi: Jenis-jenis Crossover tersebut adalah jenis-jenis yang dapat diterapkan untuk susunan kromosom yang boleh berulang. Dimana satu kromosom boleh memiliki gen dengan alle yang sama. © Sekolah Tinggi Teknik Surabaya

9 One Point Contoh: Sebuah kromosom tersusun atas 8 gen
Pilih 2 kromosom sebagai parent Random 1 – 8  misal hasilnya 5 maka : Parent 1: 11001|010 Parent 2: 00100|111 Tukarkan bagian yang dipisahkan oleh bilangan random tersebut sehingga diperoleh: Offspring 1: 11001|111 Offspring 2: 00100|010 © Sekolah Tinggi Teknik Surabaya

10 Two Point Contoh: Sebuah kromosom tersusun atas 8 gen
Pilih 2 kromosom sebagai parent Ambil dua titik random  misal 3 dan 6 maka : Parent 1: 110|010|10 Parent 2: 001|001|11 Tukarkan bagian yang dipisahkan oleh bilangan random tersebut sehingga diperoleh: Offspring 1: 110|001|10 Offspring 2: 001|010|11 © Sekolah Tinggi Teknik Surabaya

11 Jenis Crossover [2]: Jika setiap gen dalam satu kromosom tidak boleh memiliki nilai kembar Partially-Matched Crossover (PMX) Cycle Crossover (CX) dsb © Sekolah Tinggi Teknik Surabaya

12 Partially-Matched Crossover
Ambil 2 titik secara random A = 614|829|0735 B = 729|361|5480 Silangkan isi dari A dan B A’ = 614|361|0735 B’ = 729|829|5480 Beri status Hole (H) pada gen yang nilainya kembar dengan bagian yang baru saja ditukarkan A’ = HH4|361|07H5 B’ = 7HH|829|54H0 © Sekolah Tinggi Teknik Surabaya

13 Partially-Matched Crossover
Untuk masing-masing H Cek berapakah nilai pada posisi tersebut di PARENT A’ = HH4|361|07H5 B’ = 7HH|829|54H0 H[1] = 6  isi awalnya dilihat dari A: 614|829|0735 Cari pada PARENT lawan, berada di index berapakah angka 6 tersebut. B: 729|361|5480  pada index 4 Maka ambil angka pada index 4 dari A A: 614|829|0735 Ubah H[1] dengan nilai tersebut A’ = 2H4|361|07H5 Referensi: © Sekolah Tinggi Teknik Surabaya

14 Cycle Crossover (CX) Bentuk satu pola cycle dari kedua parent A : B : pola: Bentuk offspring dari pola tersebut A’ : 5 _ _ _ 4 _ 6 _ 8 B’ : 4 _ _ _ 6 _ 8 _ 5 Cari nilai-nilai yang belum ada pada offspring pertama dari parent 2 dan sebaliknya Dari B : Dari A : Lengkapi offspring Sehingga A’ : B’ : © Sekolah Tinggi Teknik Surabaya

15 Jenis Mutasi Flip Bit A : 1 0 0 1 1 1 0 0 1 A’ : 0 1 1 0 0 0 1 1 0
Boundary A : 1 3 | | A’ : 1 3 | | 9 8 0 Non-Uniform  Uniform  Gaussian  Referensi: © Sekolah Tinggi Teknik Surabaya

16 Metode Sampling Pendekatan Stokastik contoh: Roulette Wheel
Pendekatan Deterministik contoh: Elistist Selection (Elitism) Pendekatan (Gabungan) Stokastik Deterministik contoh: Tournament Selection © Sekolah Tinggi Teknik Surabaya

17 Roulette Wheel Bentuk probabilitas dari nilai fitness dari masing-masing kromosom Bentuk sebuah bilangan random Cari kromosom dengan probabilitas fitness >= nilai random yang terdekat © Sekolah Tinggi Teknik Surabaya

18 Elitism Elitism only means that the most fit handful of individuals are guaranteed a place in the next generation- generally without undergoing mutation. They should still be able to be selected as parents, in addition to being brought forward themselves. It suggests duplicating the most fit individual gets two reserved slots in the next generation. © Sekolah Tinggi Teknik Surabaya