Perbandingan antara algoritma genetika dengan algoritma PSO - Baik algoritma genetika maupun yang PSO bermula dari pemunculan generasi awal yang nantinya akan menjadi bakal generasi yang optimal, hanya beda di nama, kalau dalam algoritma genetika bernama populasi yang terdiri dari beberapa gen yang akan membentuk kromosom, sedangkan dalam PSO bernama swarm (sekawanan) yang terdiri dari particle.
Algoritma genetika dalam penerapannya, individu-individu yang terbentuk secara acak diawal akan dibandingkan nilai-nilai fitnessnya,jika nilai fitnessnya lebih besar, maka kromosom itu berpotensi untuk menjadi generasi selanjutnya. Proses ini dinamakan seleksi, lalu yang nilai fitnessnya masih kecil-kecil dan seimbang akan dikawin silang atau sering disebut crossover agar mempunyai nilai fitness yang lebih tinggi, selanjutnya dilanjutkan dengan mutasi atau menggantikan kromosom yang hilang karena nilai fitnessnya kecil dengan nilai tertentu. Mutasi ini berperan unuk menggantikan gen yang hilang dari populasi akibat proses seleksi yang memungkinkan munculnya kembali gen yang tidak muncul pada inisialisasi populasi. Mutasi diterapkan dengan probabilitas sangat kecil. Jika mutasi dilakukan terlalu sering, maka akan menghasilkan individu yang lemah karena konfigurasi bit pada kromosom yang unggul akan dirusak.
Untuk dalam PSO,particle akan bergerak secara acak untuk mencari sebuah tujuan (optimasi) dengan asumsi particle satu mengetahui jarak/route particle yang lain di setiap iterasi. Algoritma dasar PSO terdiri dari tiga tahap, yaitu pembangkitan posisi serta kecepatan partikel, update velocity (update kecepatan), update position (update posisi). Partikel berubah posisinya dari suatu perpindahan (iterasi) ke posisi lainnya berdasarkan pada update velocity.
Algoritma genetika dalam penerapannya, individu-individu yang terbentuk secara acak diawal akan dibandingkan nilai-nilai fitnessnya,jika nilai fitnessnya lebih besar, maka kromosom itu berpotensi untuk menjadi generasi selanjutnya. Proses ini dinamakan seleksi, lalu yang nilai fitnessnya masih kecil-kecil dan seimbang akan dikawin silang atau sering disebut crossover agar mempunyai nilai fitness yang lebih tinggi, selanjutnya dilanjutkan dengan mutasi atau menggantikan kromosom yang hilang karena nilai fitnessnya kecil dengan nilai tertentu. Mutasi ini berperan unuk menggantikan gen yang hilang dari populasi akibat proses seleksi yang memungkinkan munculnya kembali gen yang tidak muncul pada inisialisasi populasi. Mutasi diterapkan dengan probabilitas sangat kecil. Jika mutasi dilakukan terlalu sering, maka akan menghasilkan individu yang lemah karena konfigurasi bit pada kromosom yang unggul akan dirusak.
Untuk dalam PSO,particle akan bergerak secara acak untuk mencari sebuah tujuan (optimasi) dengan asumsi particle satu mengetahui jarak/route particle yang lain di setiap iterasi. Algoritma dasar PSO terdiri dari tiga tahap, yaitu pembangkitan posisi serta kecepatan partikel, update velocity (update kecepatan), update position (update posisi). Partikel berubah posisinya dari suatu perpindahan (iterasi) ke posisi lainnya berdasarkan pada update velocity.
Agar contoh dan pembahasannya agar lebih jelas silahkan download makalahnya "Perbandingan Antara Algoritma Genetika Dengan Algoritma PSO" disini ==>> download
Semoga bermanfaat.
No comments:
Post a Comment