Laporkan Masalah

Kajian tentang faktor-faktor reproduksi pada Algoritma genetik untuk penyelesaian masalah maksimum fungsi nonlinier dengan variabel terbatas

WIYANTA, Sri, Drs. Jazi Eko Istiyanto, MSc.,PhD

2004 | Tesis | S2 Ilmu Komputer

Algoritma genetik sekarang banyak digunakan pada masalah penyelesaian optimasi fungsi yang dirasa sangat rumit di bidang teknik dan sains. Pada penelitian ini dikaji masalah faktor-faktor reproduksi pada algoritma genetik, dalam menyelesaikan masalah maksimum fungsi nonlinear. Adapun faktor reproduksi adalah penyilangan dan mutasi kromosom. Penelitian ini membandingkan unjuk kerja enam metode penyilangan dan mutasi yang digunakan pada algoritma genetik. Dengan mengambil laju penyilangan 40%, 60%, dan laju mutasi 10%, 20%, serta diambil ukuran populasi 10 dan penurunan generasi sampai 1000, serta dengan membandingkan nilai fitness dan waktu kecepatan proses yang dicapai, diperoleh hasil bahwa : empat metode pertama yaitu ; cutpoint uniform, cutpoint nonuniform, aritmatika uniform, dan aritmatika nonuniform memberikan kerja yang baik dibanding dua metode yaitu berarah uniform dan berarah nonuniform. Diantara enam metode tersebut, metode cutpoint uniform adalah metode yang paling mudah dan layak dipakai.

Genetic algorithm is now widely used for problem solving of complicated optimization function in engineering and science. This research studies the problem of reproduction factors at genetic algorithm, in finishing of maximum non-linear function. A Reproduction factors is crossover and mutation of chromosome. This research compares the performance of six methods of crossover and mutation used by genetic algorithm. By taking rate of crossover 40%, 60%, and rate of mutation 10%, 20%, the measure of population 10 and measure generation 1,000, also by comparing fitness value and velocity of achieved process, the result obtained is that four first methods are uniform cut-point, non-uniform cut-point, uniform arithmetic, and non-uniform arithmetic give the most appropriate result compared to two methods --- uniform direction based and non-uniform direction based. Uniform cut-point method is the most appropriate among those six methods.

Kata Kunci : Komputer, Algoritma Genetik, Optimasi Fungsi, genetic algorithm, non-linear function, crossover, mutation, uniform cut-point, uniform arithmetic, uniform direction-based


    Tidak tersedia file untuk ditampilkan ke publik.