download

Kuliah
Sistem Fuzzy
Pertemuan 13
“Algoritma Genetika”
(lanjutan)
Studi Kasus
Algoritma Genetika
 Optimasi
Fungsi
 Traveling Salesman Problem
 Pelatihan JST
 Membangun Struktur JST
Optimasi Fungsi


Contoh Permasalahan Optimasi
Jika diketahui α = 0.05 dan β = 25, berapakah nilai
maksimum fungsi Ψ di bawah ini ?
n
n
i


1
1

2 
 n ( x1 , x2 ,.....xn )  
exp     xi  cos xi i  jx j 
2 2n
i 1
j 1

 i 1





Fungsi Ψ bernilai maksimum 1 untuk x1  x2 .....  xn  0
Selesaikan masalah ini dengan menggunakan Algoritma
Genetika Standar
Gunakan bantuan program Matlab
Traveling Salesman Problem (TSP)


Contoh Permasalahan TSP
Pada TSP, jumlah jalur yang mungkin diperoleh
dengan menggunakan rumus Permutasi.
n!
n Pk 
(n  k )!

n = jumlah seluruh kota, dan
 k = jumlah kota yang terseleksi.
Terdapat dua jenis TSP

Asimetris, dan
 Simetris

Asimetris, dengan ketentuan :
- Biaya dari kota 1 ke kota 2 ≠ biaya dari kota 2 ke
kota 1
- Jumlah jalur yang mungkin merupakan permutasi
jumlah kota dibagi jumlah kota, mis. 10 kota
10!
 362.880
10 P10 
10(10  10)!
Terdapat dua jenis TSP
(lanjutan)

Simetris, dengan ketentuan :
- Biaya dari kota 1 ke kota 2 = biaya dari kota 2 ke
kota 1
- Jumlah jalur yang mungkin merupakan permutasi
jumlah kota dibagi dengan 2 x jumlah kota
10!
 181.440
10 P10 
2 x10 x(10  10)!
Misalkan 10 Kota yang harus disinggahi
(koordinat 2 dimensi)
3
7
9
2
6
4
10
1
5
8
Implementasi TSP dengan MATLAB






Dalam Implementasi TSP dengan menggunakan Matlab perlu memperhatikan komponen-komponen Algoritma Genetik, yaitu
Skema Pengkodean
Nilai Fitness
Linear Fitness Ranking
Pindah Silang
Mutasi
Hasil perhitungan urutan 10 ota yang harus disinggahi
(koordinat 2 dimensi)
3
7
9
2
6
4
10
1
5
Jalur Terbaik
8
Sampai Jumpa
di
Ujian Akhir Semester
Selamat Belajar, Semoga
Sukses

Download Report