JURNAL TEKNIK INFORMATIKA STUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA

Penulis : Chastine Fatichah, Imam Artha Kusuma, Yudhi Purwananto

Keywords: heuristic algorithm, estimation of distribution algorithm, bivariate marginal distribution 

Jurnal Penelitian | JURNAL TEKNIK INFORMATIKA STUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA | Genetic Algorithm (GA) bekerja dengan rangkaian populasi yang berukuran tetap. Dari populasi yang ada, kromosom yang lebih baik akan lebih dipilih dibandingkan dengan kromosom yang buruk. Rangkaian baru dihasilkan dengan menggunakan rekombinasi/penyilangan operator dan mutasi. Rekombinasi populasi menggabungkan informasi yang terkandung di dalam dua kromosom sedangkan mutasi melakukan gangguan pada rangkaian kromosom untuk menjaga keanekaragaman populasi dan mengenalkan informasi baru. Proses ini diketahui dapat menyebabkan gangguan pada kromosom yang menyebabkan algoritma ini berpenampilan buruk pada masalah yang membutuhkan hasil optimum. Hal ini akhirnya menuntun pada pendekatan baru dalam melakukan rekombinasi yang dinamakan Estimation of Distribution Algorithm (EDA). 

EDA pertama kali diperkenalkan dalam lingkup Evolutionary Computation oleh Muehlenbein dan Paab (1996) [4].Perkembangan dari EDA lebih lanjut adalah Univariate Marginal Distribution Algorithm(UMDA) (Muehlenbeim, 1998), Population Based Incremental Learning (PBIL) (Baluja, 1994) dan Compact Genetic Algorithm (cGA) (Harik, 1998). 

Ketiga algoritma tersebut memberikan hasil yang baik pada kromosom dengan dependensi yang rendah di antara variabel-variabelnya, tetapi tidak memberikan hasil yang baik untuk tingkat ketergantungan yang lebih tinggi. Untuk memecahkan masalah tersebut, diperkenalkanlah Bivariate Marginal Distribution Algorithm (BMDA) (Pelikan dan Muehlenbeim, 1999). 

Hal yang menarik mengenai pendekatan baru dalam proses rekombinasi ini adalah apakah pendekatan baru tersebut benar-benar dapat menunjukkan nilai lebih dibanding GA. Untuk itu, perlu kiranya untuk membandingkan algoritma dengan pendekatan baru tersebut dengan GA.

Silahkan Download Disini :

JURNAL TEKNIK INFORMATIKA STUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA