Genetic Algorithm (part I)

Gambar 1. Genetika DNA

Genetic Algorithm (GA) adalah salah satu search algorithm yang meniru konsep kerja genetika organisme hidup pada teori evolusi Darwin. Genetic Algorithm sendiri merupakan salah satu anggota dari kelompok evolutionary algorithms. Karena cara kerjanya yang dianggap dapat menghasilkan hasil yang baik dengan informasi yang cukup sedikit maka GA digolongkan dalam Metaheuristic. GA sendiri pertama kali dikenalkan oleh John Holland pada tahun 1960-an dan terus dikembangkan oleh muridnya Goldberg, hingga pada tahun 1989 Extended GA menjadi versi GA yang lebih baik.

Algoritma GA bekerja dengan cara membuat populasi data secara random. Data atau kromosom yang secara random dibuat ini nantinya berisi bagian - bagian yang disebut gene. Gene sendiri merupakan representasi data secara sifat yang nantinya dapat dimutasikan atau dikawinkan dengan gene dari data lain. Cara kerja algoritma yang melakukan proses peniruan terhadap proses evolusi Darwin ini membuat pencarian data secara random jauh lebih cepat daripada brute force yang mengenerate data secara satu persatu.

Gambar 2. Ilustrasi Genetic Algorithm

Penerapan Genetic Algorithm sangatlah luas, Berikut ini sebagian contohnya :

1. Bayesian inference links to particle methods in Bayesian statistics and hidden Markov chain models

2. Artificial Creativity

3. Kimia Kinetik (fase gas dan padat)

4. Traveling Salesman Problem

5. Data Center/Server Farm

6. Code Breaking

7. Computer architecture

8. Learning robot behavior using genetic algorithms

9. Image processing: Dense pixel matching

10. Learning fuzzy rule base using genetic algorithms

keunggulan dari penggunaan GA adalah konsepnya yang mudah dipahami, GA secara instrinsik parallel, jawaban semakin membaik dari waktu ke waktu. Kelemahan GA sendiri adalah jawaban yang tidak selalu pasti.