Irawati, I'il (2011) Penerapan algoritma genetika dalam pencarian nilai maksimum fungsi / I'il Irawati. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Kata kunci Algoritma Genetika Pencarian Nilai Maksimum Fungsi. Algoritma genetika merupakan teknik pencarian nilai optimum secara stokastik berdasarkan prinsip dasar dari teori evolusi. Algoritma genetika biasa digunakan untuk memecahkan suatu pencarian nilai dalam suatu masalah optimasi misalnya dalam teori graf. Beberapa diantaranya adalah dalam pencarian pohon rentangan minimum penyelesaian travelling salesman problem (TSP) penjadwalan penugasan dan shortest path. Pencarian nilai maksimum fungsi yang merupakan salah satu permasalahan optimasi juga dapat diselesaikan dengan menggunakan algoritma ini. Algoritma genetika diawali dengan suatu populasi yang terdiri dari individu-individu yang masing-masing individu mempresentasikan nilai xi atau yi. Selanjutnya xi atau yi yang ada ditentukan nilai fitnessnya yang akan digunakan untuk mencari solusi terbaik. Individu-individu yang memiliki pertahanan yang tinggi akan terseleksi dan mempunyai kesempatan untuk melakukan pindah silang dan mutasi. Sedangkan individu yang tidak terseleksi akan mati dengan sendirinya. Semakin lama algoritma dijalankan semakin banyak generasi dengan karakteristik yang bagus akan bermunculan sehingga solusi yang diperoleh akan mendekati nilai yang optimum. Tulisan ini mendeskripsikan penerapan algoritma genetika dalam pencarian nilai maksimum fungsi. Fungsi yang dimaksud adalah fungsi yang kontinu dan terbatas pada suatu selang tutup yang titik ujung kanannya merupakan bilangan positif. Dalam pembahasan contoh pencarian nilai maksimum fungsi probabilitas pindah silang sebesar 0 6 dan probabilitas mutasi sebesar 0 02 memberi pengaruh yang signifikan terhadap kekonvergenan individu-individu menuju solusi optimum. Jika proses mutasi tidak dilakukan maka proses pencarian nilai maksimum fungsi tersebut dengan menggunakan algoritma genetika sulit untuk konvergen. Kelebihan algoritma genetika yang tidak dimiliki uji turunan kedua dalam mencari nilai maksimum fungsi satu variabel adalah dapat diperoleh nilai xi berbeda yang menghasilkan nilai fungsi yang sama. Dengan demikian dapat diketahui bahwa fungsi yang dianalisis bukan merupakan fungsi injektif. Selain itu algoritma ini bermanfaat untuk mencari nilai optimum pada suatu fungsi yang memuat dua/lebih variabel yang di dalamnya banyak terdapat nilai optimum lokal yang sulit diselesaikan dengan uji turunan kedua. Namun kelemahan algoritma ini adalah waktu yang dibutuhkan dalam mencari nilai maksimum fungsi lebih lama dibandingkan dengan menggunakan uji turunan kedua.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 30 Sep 2011 04:29 |
| Last Modified: | 09 Sep 2011 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/17077 |
Actions (login required)
 |
View Item |