Professional Documents
Culture Documents
Kecerdasan Buatan
Pertemuan 10
Algoritma Genetika
Neural Computing
Inductive Learning
Case-based Reasoning
and Analogical
Reasoning
Genetic Algorithms
Statistical methods
Explanation-based
Learning
Aplikasi
Optimasi
Pemrograman Otomatis
Machine Learning
Model Ekonomi
Model Ekologis
Interaksi antara Evolusi dan Belajar
Pendahuluan
Algoritma Genetika
Komponen-komponen
Algoritma Genetika
Skema Pengkodean
Nilai Fitness
Seleksi Orang Tua
Penyilangan atau Crossover
Mutasi
Elitisme
Penggantian Populasi
Algoritma Genetika Standar
X1
X2
Orang Tua 1
Orang Tua 2
g1
Anak 1
Anak 2
g20
g10 g11
g1
g10 g11
g20
Mutasi
X1
Kromosom
Asal
g1
Hasil mutasi
0
g1
11
11
11
11
g10
0
g10
11
gg20
20
11
11
11
11
11
gg20
20
Bilangan random yang dihasilkan lebih kecil dari probabilitas mutasi pmu
terjadi pada gen g10 sehingga gen g10 berubah dari 1 menjadi 0
Evaluasi
Fungsi
Tujuan
Bangkitkan
Populasi
Baru
Apakah Kriteria
Optimasi
Tercapai ?
Seleksi
Rekombinasi
Mutasi
Individuindividu
Terbaik
Hasil
Sampai Jumpa
di
Pertemuan 13
Selamat Belajar, Semoga
Sukses