algoritma genetika penjadwalan mata kuliah ahmad fauzi

22:00 Pemrograman Web 10 Comments

video

Algoritma ini ditemukan di Universitas Michigan, Amerika Serikat oleh John
Holland (1975) melalui sebuah penelitian dan dipopulerkan oleh salah satu
muridnya, David Goldberg (1989). Dimana mendefenisikan algoritma genetik
ini sebagai metode algoritma pencarian berdasarkan pada mekanisme seleksi
alam dan genetik alam.
Algoritma genetik adalah algoritma yang berusaha menerapkan
pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan-masalah
(problem solving). Pendekatan yang diambil oleh algoritma ini adalah dengan
menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu
kumpulan untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada
suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness.
Generasi ini akan merepresentasikan perbaikan-perbaikan pada populasi
awalnya. Dengan melakukan proses ini secara berulang, algoritma ini
diharapkan dapat mensimulasikan proses evolusioner.
Pada akhirnya, akan didapatkan solusi-solusi yang paling tepat bagi
permasalahan yang dihadapi. Untuk menggunakan algoritma genetik, solusi
permasalahan direpresentasikan sebagai khromosom. Tiga aspek yang penting
untuk penggunaan algoritma genetik:
1. Defenisi fungsi fitness
2. Defenisi dan implementasi representasi genetik
3. Defenisi dan implementasi operasi genetik

Jika ketiga aspek di atas telah didefinisikan, algoritma genetik akan
bekerja dengan baik. Tentu saja, algoritma genetik bukanlah solusi terbaik untuk
memecahkan segala masalah. Sebagai contoh, metode tradisional telah diatur
untuk untuk mencari penyelesaian dari fungsi analitis convex yang “berperilaku
baik” yang variabelnya sedikit. Pada kasus-kasus ini, metode berbasis kalkulus
lebih unggul dari algoritma genetik karena metode ini dengan cepat menemukan
solusi minimum ketika algoritma genetik masih menganalisa bobot dari populasi
awal.
Untuk problem-problem ini pengguna harus mengakui fakta dari
pengalaman ini dan memakai metode tradisional yang lebih cepat tersebut. Akan
tetapi, banyak persoalan realistis yang berada di luar golongan ini. Selain itu,
untuk persoalan yang tidak terlalu rumit, banyak cara yang lebih cepat dari
algoritma genetik. Jumlah besar dari populasi solusi, yang merupakan
keunggulan dari algoritma genetik, juga harus mengakui kekurangannya dalam
dalam kecepatan pada sekumpulan komputer yang dipasang secara seri-fitness
function dari tiap solusi harus dievaluasi. Namun, bila tersedia komputerkomputer
yang paralel, tiap prosesor dapat mengevaluasi fungsi yang terpisah
pada saat yang bersamaan. Karena itulah, algoritma genetik sangat cocok untuk
perhitungan yang paralel.

Nama : Ahmad Fauzi
NPM : 1134073
Kelas : D4 TI 3A

10 komentar: