Kecerdasan Buatan Pertemuan XII,XIII,XIV
Introduktion to Artifical Inteligence-CII2M3
Genetic Algorithm
Genetika adalah algoritma yang sangat simple sangat sederhana yang butu teknik dan skill engineering untuk mendesain solusinya,setelah mendesain solusi maka kita akan mempelajari genetikal algoritma kita akan mempelajari
- 1.Chromose
- 2.Fitnes
- 3.Parent Selektion
- 4.Crossover and Mutation
- 5.Survivor Selection
Dalam Genetic Algoritma terdapat beberapa solusi
- Genetic algoritma models its solution as astring/array
- Default form is 1-dimensional array
Solution in Genetic Algoritma
- Also called a chromosome (nama umumnya)
- Also called an individual Solution
- Engineering skills are needed in order to design a solution
- Occam’s Razor: the Simpler the better
Contoh promosom yang paling simple
Trevelling salesman problem
Yaitu mengunjugi sebuah kota yang ada di peta, targetnya adalah urutan dari kota kota yang akan di kunjungi harus di rubah menurut array, desain untuk bisa mendafatkan
Knapsack Problame
Untuk yang hobi ngegame
Knapseck problem
Untuk mencari solusi untuk mendapatkan profil setinggi mungkin, untuk genetika algoritma sehingga bisa mencari solusi array yang paling simpel nya misalnya kita memiliki suatu daftar barang misalnya ada 100 barang contoh solusinya untuk desain suatu array misalnya bisa mengambil 7 barang misalnya isi artinya adalah integer yang mengandung ID barang dari 1 solusi ini kita bisa lihat berapa kualitas barang yang kita ambil
Berikut kita masuk ke teorinya
Metaheuristic search
fungsi ristik digunakan untuk mencari atau mendesain heuristik inferfek kalau informasinya tidak lengkap fungsi heuristik nya salah meta search adalah algoritma yang tetap bisa berjalan meskipun isi nya tidak sempurna tetap bisa mencari solusi yang sebagus mungkin meskipun informasinya kurang lengkap algoritma ini bagus untuk mencari solusi yang kasusnya nya cukup rumit fungsi untuk mencari nilai terkecil nya mulai dicari dari nilai minimum bisa menggunakan pendekatan searching pertamanya dan bisa mendapatkan x
Random search bisa start dari suatu tempat dan ditelepon ke tempat lain secara random sehingga bisa ditempuh kan posisi terendahnya loncat 1 kali dari 100 kali itu merupakan salah satu cara proses pencarian itu merupakan cara mencari untuk random tanpa Gaiden sehingga kecil kemungkinan untuk mendapatkan posisi terbaiknya
Ada juga simulated annealing yaitu ekspor dari suatu sisi menuju suara terendah dan ada konsep coba-coba untuk naik secara bergelombang untuk mencapai tujuan sampai menuju titik terendahnya itu simulated annealing di sini juga bisa mencari solusi menggunakan algoritma genetika
Chromosome example bisa menggunakan biner
Bisa mengunakan biner in coding dan bisa juga menggunakan integer di koding, prosesnya sama hanya saja biner bitnya 2 dan integer 1 sampe 10, dengan desain seperti ini
Fungsi fitness
yaitu menilai kualitas dari solusi atau kualitas dari individu
Objective Fungtion
Fungsi rillnya fungsi yang di cari oftimasi
Meminimasi
Memanimisai jarak makin kecil jarak makin tinggi fitness
Jika semuanya di maksimasi maka semuanya hanya di jumlahkan saja.
Nama : TRISNO ADITIA
Nim : 18.01.013.130
0 komentar:
Posting Komentar