Algoritma genetika
Algoritma genetika adalah metode optimisasi berbasis komputasi evolusioner yang meniru proses seleksi alam dalam biologi untuk menemukan solusi yang optimal atau mendekati optimal terhadap suatu permasalahan optimisasi. Metode ini memanfaatkan konsep populasi, kromosom, gen, dan operator genetika seperti mutasi dan crossover yang bekerja secara iteratif. Algoritma genetika banyak digunakan di berbagai bidang seperti kecerdasan buatan, ilmu komputer, rekayasa, bioinformatika, serta robotika, karena kemampuannya mengatasi permasalahan yang kompleks dan memiliki ruang solusi yang luas.
1. Konsep dasar
- Optimisasi
- Komputasi evolusioner
- Seleksi alam
- Populasi (algoritma genetika)
- Kromosom (algoritma genetika)
- Gen (algoritma genetika)
- Operator genetika
2. Representasi solusi
- Representasi biner
- Representasi real
- Representasi permutasi
- Representasi pohon
- Representasi berbasis graf
3. Operator genetika
- Seleksi (algoritma genetika)
- Crossover
- Mutasi (algoritma genetika)
- Reproduksi
- Inversi (algoritma genetika)
4. Strategi seleksi
- Roulette wheel selection
- Tournament selection
- Rank-based selection
- Stochastic universal sampling
- Elitisme
5. Parameter algoritma
6. Variasi algoritma genetika
- Algoritma genetika steady-state
- Algoritma genetika paralel
- Algoritma genetika adaptif
- Algoritma genetika hibrida
- Algoritma genetika multiobjektif
7. Aplikasi
- Optimisasi fungsi
- Perancangan sirkuit
- Penjadwalan
- Perancangan perangkat lunak
- Pengendalian robot
- Bioinformatika