Aplikasi Algoritma Genetika

Bagikan ke :

Tweet

Ada 3 keuntungan utama dalam mengaplikasikan Algoritma Genetika pada masalah-masalah optimasi (Sam’ani, 2012) :

1. Algoritma Genetika tidak memerlukan kebutuhan matematis banyak mengenai masalah optimasi.
2. Kemudahan dan kenyamanan pada operator-operator evolusi membuat Algoritma Genetika sangat efektif dalam melakukan pencarian global.
3. Algoritma Genetika menyediakan banyak fleksibelitas untuk digabungkan dengan metode heuristic yang tergantung domain, untuk membuat implementasi yang efisien pada masalah-masalah khusus.

Algoritma genetika telah banyak diaplikasikan untuk penyelesaian masalah dan pemodelan dalam bidang teknologi, bisnis dan entertainment (Sam’ani, 2012) antara lain:

1. Optimasi Algoritma Genetika untuk optimasi numeric dan optimasi kombinatorial seperti Traveling Salesman Problem (TSP), perancangan Intergrated Circuit atau IC, job shop scheduling, optimasi video, dan suara.
2. Pemograman otomatis Algoritma genetika telah digunakan untuk melakukan proses evolusi terhadap program komputer untuk merancang struktur komputasional, seperti cellular automatis dan sorting networks.
3. Machine learning Algoritma genetika telah berhasil diaplikasikan untuk memprediksi struktur protein. Algoritma genetika juga berhasil diaplikasikan dalam perancangan neural networks (jaringan syaraf tiruan) untuk melakukan proses evolusi terhadap aturan-aturan pada learning classifier systems atau symbolic prosuction systems. Algoritma genetika juga digunakan untuk mengontrol robot.
4. Model Ekonomi Algoritma genetika telah digunakan untuk memodelkan proses-proses inovasi dan pembangunan bidding strategis.
5. Model Sistem Imunisasi Algoritma genetika telah berhasil digunakan untuk memodelkan berbagai aspek pada sistem imunisasi alamiah, termasuk somatic mulation selama kehidupan individu dan menentukan keluarga dengan gen ganda (multi –gen families) sepanjang waktu evolusi.
6. Model Ekologis Algoritma genetika telah berhasil digunakan untuk memodelkan fenomena ekologis seperti host-parasite co-evolutions, simbiosis dan aliran sumber daya dalam ekologi.
7. Interaksi antara Evolusi dan Belajar Algoritma genetika telah digunakan untuk mempelajari bagaimana proses belajar suatu individu bisa mempengaruhi proses evolusi suatu species dan sebaliknya.

Eko Saputro

Saya ini cuma Mahasiswa Informatika Biasa yang amburadul dan masih sangat jauh dari kata sempurna. Selain itu juga Tidak Puas dengan Keadilan Kampus. Tapi tetep semangat dan saya yakin kesuksesan tidak dengan IPK (alasan lama).