25
optimasi
berubah
menjadi
solusi
yang
lebih
baik.
Secara
tradisional,
solusi
direpresentasikan dalam bentuk biner yaitu 0 dan 1.
Algoritma Genetika memerlukan dua hal untuk didefinisikan :
Representasi genetika dari sebuah domain solusi
Fungsi fitness untuk
mengevaluasi domain solusi
Standard representasi dari sebuah solusi adalah sebuah array bits. Properti
utama
yang
membuat
representasi
genetika
ini
nyaman adalah
bagian-bagiannya yang
mudah
untuk
diubah
sehubungan
dengan
ukuran
tetapnya,
yang mengfasilitasi
operasi
crossover.
Fungsi
fitness
didefinisikan representasi genetika
dan
mengukur
kualitas
solusi
yang telah direpresentasikan. Fungsi fitness selalu berdasarkan atas masalah.
Kelebihan
–
kelebihan
yang
dimiliki
oleh
Genetic
Algorithm
adalah (Menurut
GA
memiliki
kemampuan
untuk
mencari
nilai
optimal
secara
paralel,
melalui
proses kerjasama antara berbagai unit, yang disebut kromosom individu.
GA
tidak
memerlukan
perhitungan
matematika
yang
rumit
seperti
differensial
yang diperlukan oleh algoritma optimisasi yang lain.
Sementara, Genetic Algorithm pun memiliki beberapa kekurangan, yaitu :
Tidak
memiliki rumusan
yang pasti, bagaimana
mentransfer parameter
permasalahan ke
dalam
kode
genetik.
Dengan
kata
lain,
hal
ini
memerlukan
pengalaman dan wawasan dari desainer.
 |