TUGAS KOMPUTASI EVOLUSIONER

Ahmad Mughofir 06523084 Masalah riil yang bisa diselesaikan dengan Algoritma Genetika 1. 2. 3. 4. Masalah pedagang keliling antar kota(mencari rute paling optimum dengan algoritma GA). Penerapan algoritma genetic pada permainan catur jawa. Penerapan algoritma genetika Pada Perencanaan Lintasan Kendaraan. Penerapan Algoritma Genetika dalam peningkatan kinerja fuzzy clustering untuk pengenalan pola. 5. Aplikasi algoritma genetik untuk optimasi penjadwalan kegiatan belajar mengajar. 6. Penerapan algoritma genetika untuk masalah penjadwalan job shop pada lingkungan industri pakaian. 7. Penggunaan algoritma genetika untuk optimasi jaringan neural buatan-fuzzy dan aplikasinya pada system penciuman elektronik. 8. Penerapan algoritma genetika untuk permasalahan distribusi rantai pasok. 9. Penerapan algoritma genetika untuk penjadwalan dokter. 10. Penerapan algoritma genetika untuk optimasi gerakan mesin bor otomatis. 11. Penerapan algoritma genetika untuk kompresi citra fractal. 12. Aplikasi algoritma genetic untuk pencarian nilai fungsi maksimum. 13. Penerapan algoritma genetika pada permainan. rubik's cube. 14. Penerapan algoritma genetika untuk optimisasi representasi eigenfaces dalam system pengenalan sudut pandang dan wajah manusia. 15. Implementasi algoritma genetika pada knapsack problem untuk optimasi pemilihan buah kemasan kotak. 16. Algoritma genetika untuk menentukan jenis kurva dan parameter himpunan fuzzy. 17. Penerapan algoritma genetika untuk menentukan koridor jalan kereta api. 18. Penerapan algoritma genetika pada penentuan. komposisi pakan ayam petelur. 19. Algoritma genetik untuk pemilihan peubah penjelas dalam model regresi menggunakan SAS/IML. 20. Aplikasi algoritma genetika. untuk penentuan tata letak mesin. 21. Aplikasi algoritma genetika untuk. merancang fungsi keanggotaan pada kendali logika fuzzy. 22. Aplikasi algoritma genetika dalam optimasi. pancaran link radio komunikasi berbasis. antena array empat elemen. 23. Penerapan algoritma genetik untuk optimasi transfer daya. 24. Algoritma genetika penerapan algoritma genetika untuk optimasi fungsi linier. 25. Penerapan algoritma genetik pada permainan triple triad.

Masalah pedagang keliling antar kota(mencari rute paling optimum dengan algoritma GA) Berikut contoh persoalan TSP yang diselesaikan dengan menggunakan algoritma genetika. Terdapat 5 buah kota yang akan dilalui oleh seorang pedangang keliling, misalnya Kota A,B,C,D,E. Perjalanan dimulai dari kota A dan berakhir di kota A. Jarak antar kota diperlihatkan pada graf di bawah ini:

Misalkan kita menggunakan 6 buah populasi dalam satu generasi, yaitu: Kromosom[1] = [B D E C] = 0001 Kromosom[2] = [D B E C] = 0010 Kromosom[3] = [C B D E] = 0100 Kromosom[4] = [E B C D] = 0011 Kromosom[5] = [E C B D] = 0101 Kromosom[6] = [C D E B] = 0111 Kita akan menghitung nilai fitness dari tiap kromosom yang telah dibangkitkan: Fitness[1] = AB+BD+DE+EC+CA = 7 + 2 + 6 + 3 + 5 = 23 Fitness[2] = AD+DB+BE+EC+CA = 9 + 2 + 8 + 3 + 5 = 27 Fitness[3] = AC+CB+BD+DE+EA = 5 + 7 + 2 + 6 + 9 = 29 Fitness[4] = AE+EB+BC+CD+DA = 9 + 8 + 7 + 4 + 9 = 37 Fitness[5] = AE+EC+CB+BD+DA = 9 + 3 + 7 + 2 + 9 = 30 Fitness[6] = AC+CD+DE+EB+BA = 5 + 4 + 6 + 8 + 7 = 30