ALGORITMA GENETIKA
Karena
genetika adalah algoritma yang sangat sederhana yang membutuhkan teknnik atau
skill engenering bagaimana kita bias mendesain solusinya.
-
Solusi didalam
algoritma genetika harus dapat dimasukkan stream suatu solusi atau cromosom
-
Skills
engenering dibutuhkan untuk mendesain suatu solusi
-
Metaheuristic search
adalah fungsi untuk memilih heuristic dimana hasilnya mungkin bukan yang
terbaik mencari solusi yang cukup bagus hanya saja tidak lengkap dengan cara
seperti imi kemungkinan heuristic nya tidak sempurna karena pencarian yang
tidak lengkap
-
Kelebihan dari genetic
algoritem adalah kecepatannya karena dia mencarinya dengan cara bersama-sama
dia mendapat solusi yang sangat bagus
-
Evolutionary computation
adalah abstrasi dari teori evolusi biologis yang digunakan untuk mendesain
fungsi optimasi kemudian di implementasikan ke computer
-
Genetic algoritems
(algoritma genetika) adalah suatu sapset dari algoritem evolution yang menggunakan
teknik termotivasi dari evolutionary biologi
Konsep
-
Individu adalah
kandidat solusi
-
Populasi adalah
kelompok individu
-
Search space
-
Cromosom
-
Fitess adalah
nilai kualitas dari solusi
-
Recombination dimana
kita meggabungkan dua solusi untuk dapat mengumpulkan solusi yang baru
-
Multation secara
random mengubah atau merusak
Cromosom untuk genetic algoritem
solusinya adalah ere untuk cromosom desain awal dari algoritma genetika yaitu
tidak ada yang bias menghalangi isi dari ere nya nilai real
Contoh kasus
X1 dan X2
F(X1,X2) = X 31
+ 1
x
inrage (-2,3)
Comments
Post a Comment