92
dimulai
dari
populasi
dari
individu
yang
ditentukan secara
acak
dan
terjadi
di
setiap
generasi. Pada
setiap
generasi, kecocokan
individu
dalam
populasi
dievaluasi kembali,
beberapa
individu
dipilih
dari
populasi
mereka
berdasarkan
dari kecocokan
mereka dengan
fungsi fitness, dan diubah (direkombinasikan dan
mungkin bermutasi secara acak)
untuk
membentuk suatu populasi
baru. Populasi
baru
tersebut
kemudian
digunakan untuk
iterasi
selanjutnya dari
algoritma.
Biasanya,
algoritma
akan
berhenti
ketika
jumlah
maksimum dari
generasi
telah
dihasilkan
atau
tingkat
kecocokan
yang
telah
ditentukan
telah
terpenuhi
untuk
populasi
tersebut. Jika algoritma
tersebut telah berhenti akibat
jumlah
maksimal
dari generasi, sebuah solusi yang memuaskan mungkin belum tercapai.
Genetic algorithm
dapat digunakan dalam bidang
ilmu komputer,
ekonomi, kimia, matematika fisika dan bidang – bidang lainnya.
Genetic
algorithm
membutuhkan
dua
hal
untuk
ditentukan
yaitu
sebuah
representasi
genetika dari
wilayah solusi dan fitness function untuk
mengevaluasi
wilayah solusi.
Representasi standar
dari
solusi
adalah
sebuah
kumpulan
bilangan
biner.
Kumpulan dari tipe
lain dan susunan
lainnya dapat digunakan dengan cara
yang
sama.
Hal
utama
yang
membuat
representasi genetik
ini dapat
digunakan adalah
bagian dimana
bagian – bagiannya
dapat
dengan
mudah diatur akibat
ukurannya
yang
tetap,
yang
memungkinkan operasi
persilangan
yang
sederhana.
Representasi
dari
panjang
variabel
mungkin
juga
dapat
digunakan, tetapi
penggunaan
persilangan
lebih
rumit
dalam
hal
ini.
Representasi
yang
seperti
 |