Genetic Algorithm

Ide komputasi evolusi diperkenalkan pada tahun 1960 oleh I. Rechenberg dalam karyanya "Evolution strategi" (Evolutionsstrategie dalam dokumen asli). Idenya kemudian dikembangkan oleh peneliti lain. Algoritma Genetika (GAs) diciptakan oleh John Holland dan dikembangkan oleh dia dan para mahasiswa dan koleganya. Hal ini menyebabkan buku Belanda "adaptasi di Alam dan Buatan Sistem" diterbitkan pada tahun 1975.
Pada tahun 1992 John Koza telah menggunakan algoritma genetika untuk berevolusi program untuk melakukan tugas tertentu. Ia menyebut metodenya "pemrograman genetika" (GP). Program LISP digunakan, karena program dalam bahasa ini dapat dinyatakan dalam bentuk "pohon parse", yang merupakan obyek GA bekerja pada.
Kromosom

Semua organisme hidup terdiri dari sel-sel. Dalam setiap sel ada set yang sama kromosom. Kromosom adalah string DNA dan berfungsi sebagai model bagi seluruh organisme. Sebuah kromosom terdiri dari gen, blok DNA. Setiap gen menyandi protein tertentu. Pada dasarnya dapat dikatakan, bahwa masing-masing gen mengkodekan suatu sifat, seperti warna mata. Pengaturan yang mungkin untuk suatu sifat (misalnya biru, coklat) disebut alel. Setiap gen memiliki posisi sendiri di kromosom. Posisi ini disebut lokus.

Set lengkap materi genetik (semua kromosom) disebut genom. Khusus set gen dalam genom disebut genotipe. Genotipe ini dengan perkembangan kemudian setelah lahir dasar untuk fenotipe organisme, karakteristik fisik dan mental, seperti warna mata, kecerdasan dll
Reproduksi

Selama reproduksi, pertama terjadi rekombinasi (atau crossover). Gen dari orang tua bentuk dalam beberapa cara kromosom baru. Keturunan dibuat baru kemudian dapat bermutasi. Mutasi berarti, bahwa unsur-unsur DNA yang sedikit berubah. Perubahan ini terutama disebabkan oleh kesalahan dalam menyalin gen dari orang tua.

Kesesuaian suatu organisme diukur dengan keberhasilan organisme dalam hidupnya.
Jika kita memecahkan beberapa masalah, kita biasanya mencari beberapa solusi, yang akan menjadi yang terbaik antara lain. Ruang dari semua solusi layak (artinya objek di antara mereka solusi yang diinginkan) disebut ruang pencarian (juga ruang keadaan). Setiap titik dalam ruang pencarian merupakan salah satu solusi yang layak. Setiap solusi yang layak dapat "ditandai" oleh nilai atau kesesuaian untuk masalah. Kami sedang mencari solusi kami, yang merupakan salah satu titik (atau lebih) diantara solusi yang layak - yang merupakan salah satu titik dalam ruang pencarian.

Para mencari solusi kemudian sama dengan mencari beberapa ekstrim (minimum atau maksimum) dalam ruang pencarian. Ruang pencarian dapat menjadi utuh dikenal dengan waktu penyelesaian masalah, tetapi biasanya kita tahu hanya beberapa poin dari dan kami menghasilkan poin lain sebagai proses mencari solusi terus.
Masalahnya adalah bahwa pencarian bisa sangat rumit. Orang tidak tahu ke mana harus mencari solusi dan di mana untuk memulai. Ada banyak metode, bagaimana menemukan beberapa solusi yang sesuai (mis. belum tentu solusi yang terbaik), untuk mendaki bukit misalnya, tabu search, simulated annealing dan algoritma genetika. Solusi ditemukan oleh metode ini sering dianggap sebagai solusi yang baik, karena tidak sering mungkin untuk membuktikan apa yang optimal yang nyata.
NP-hard Masalah

Contoh masalah yang sulit, yang tidak dapat diselesaikan int "tradisional" jalan, masalah NP.

Ada banyak tugas yang kita tahu cepat (polinomial) algoritma. Ada juga beberapa masalah yang tidak mungkin diselesaikan algorithmicaly. Untuk beberapa masalah terbukti bahwa mereka tidak dipecahkan dalam waktu polinomial.

Tapi ada banyak tugas penting, yang sangat sulit untuk menemukan solusi, tapi begitu kami memilikinya, mudah untuk memeriksa solusi. Fakta ini menyebabkan masalah NP-lengkap. NP singkatan polinomial nondeterministic dan itu berarti bahwa adalah mungkin untuk "menebak" solusi (oleh beberapa algoritma nondeterministic) dan kemudian cek, baik dalam waktu polinomial. Jika kita memiliki mesin yang bisa menebak, kita akan dapat menemukan solusi pada beberapa waktu yang wajar.

Mempelajari masalah NP-lengkap untuk kesederhanaan terbatas pada masalah, di mana jawabannya bisa ya atau tidak. Karena ada tugas dengan output rumit, kelas masalah yang disebut masalah NP-hard telah diperkenalkan. Kelas ini tidak terbatas sebagai kelas masalah NP-lengkap.

Untuk NP-masalah merupakan ciri bahwa beberapa algoritma sederhana untuk menemukan solusi jelas pada pandangan pertama - hanya mencoba semua solusi yang mungkin. Tetapi algoritma ini sangat lambat (biasanya O (2 ^ n)) dan bahkan untuk sedikit contoh yang lebih besar dari masalah itu tidak dapat digunakan sama sekali.

Hari ini tidak ada yang tahu jika beberapa algoritma cepat tepat ada. Membuktikan atau tidak membuktikan ini tetap sebagai tugas besar bagi para peneliti baru (dan mungkin Anda! :-)). Saat ini banyak orang berpikir, bahwa seperti sebuah algoritma tidak ada dan sehingga mereka mencari beberapa metode alternatif - contoh metode ini algoritma genetika.

Contoh masalah NP adalah satisfiability masalah, masalah salesman keliling atau masalah ransel. Kompendium masalah NP tersedia.

Genetic Algorithm
Keterangan Dasar
Algoritma genetik terinspirasi oleh teori Darwin tentang evolusi. Solusi untuk masalah dipecahkan oleh algoritma genetika adalah berevolusi.

Algoritma dimulai dengan satu set solusi (diwakili oleh kromosom) yang disebut populasi. Solusi dari satu populasi yang diambil dan digunakan untuk membentuk populasi baru. Hal ini didorong oleh harapan, bahwa populasi baru akan lebih baik dari yang lama. Solusi yang dipilih untuk membentuk solusi baru (keturunan) yang dipilih sesuai dengan kebugaran mereka - yang lebih cocok mereka adalah lebih banyak kesempatan mereka untuk bereproduksi.

Hal ini diulang sampai beberapa kondisi (contoh untuk jumlah populasi atau peningkatan solusi yang terbaik) adalah puas.

Contoh
Seperti yang Anda sudah tahu dari bab tentang ruang pencarian, pemecahan masalah dapat sering dinyatakan sebagai mencari ekstrim fungsi. Ini adalah persis apa masalahnya ditampilkan di sini adalah. Beberapa fungsi yang diberikan dan GA mencoba untuk menemukan minimum fungsi.
Anda dapat mencoba untuk menjalankan algoritma genetika di applet berikut dengan menekan tombol Start. Grafik merupakan beberapa ruang pencarian dan garis vertikal merupakan solusi (titik-titik dalam ruang pencarian). Garis merah adalah solusi terbaik, baris hijau adalah orang-orang lain.
Tombol Start dimulai algoritma, Langkah melakukan satu langkah (yaitu membentuk satu generasi baru), Berhenti berhenti algoritma dan Reset ulang penduduk.

Aplikasi Algoritma Genetik

• Prediksi dinamis sistem nonlinear, analisis data
• Perencanaan lintasan Robot
• Perkembangan LISP program (pemrograman genetik)
• Strategi perencanaan
• Pencarian bentuk molekul protein
• TSP dan urutan penjadwalan
• Control-pipa gas, keseimbangkan tiang, penginderaan rudal.
• Desain tata letak semikonduktor, desain pesawat, konfigurasi keyboard, jaringan komunikasi
• Penjadwalan- pada pabrik, fasilitas penjadwalan, alokasi sumber daya
• Machine Belajar, baik arsitektur dan berat, meningkatkan klasifikasi algoritma, sistem klasifikasi
• Desain proses pemfilteran Signal.
• Optimasi Kombinatorial, perjalanan salesman (TSP), Pengurutan penjadwalan, routing, pengepakan, graph pewarnaan dan partisi.

Pendahuluan Algoritma Genetika

Salah satu yang menjadi prinsip mendasar dalam dunia kita adalah pencarian untuk sebuah keadaan optimal. Ini dimulai pada mikrokosmos di mana atom dalam fisika mencoba untuk membentuk ikatan 1 dalam rangka meminimalkan energi elektron mereka. Ketika molekul dalam keadaan padat selama proses pembekuan, mereka mencoba untuk menganggap struktur kristal energi yang optimal. Proses ini, tentu saja, tidak didorong oleh niat yang lebih tinggi tetapi murni hasil dari hukum fisika.

Hal yang sama berlaku untuk prinsip biologis kelangsungan hidup yang bersama-sama dengan evolusi biologis, mengarah pada adaptasi yang lebih baik dari spesies ke lingkungan mereka. Di sini, sebuah spesies yang dapat beradaptasi dengan baik pada lingkungan lokal, secara optimum akan mendominasi semua hewan lain di sekitarnya. Dimana Homo sapiens telah mencapai tingkat ini, mereka dapat beradaptasi dengan semut, bakteri, lalat, kecoa, dan segala macam makhluk menyeramkan lain.
Selama manusia ada, kita berusaha untuk kesempurnaan di banyak daerah. Kita ingin mencapai tingkat maksimum kebahagiaan dengan paling sedikit usaha. Pada sisi keuntungan ekonomi, misalkan penjualan harus dimaksimalkan dan biaya harus serendah mungkin. Oleh karena itu, optimasi merupakan salah satu ilmu tertua yang bahkan meluas ke kehidupan sehari-hari.
Jika sesuatu adalah penting, umum, dan cukup abstrak, selalu ada disiplin matematika yang berurusan dengan hal seperti itu. Global optimum adalah cabang matematika terapan dan analisis numerik yang terfokus dengan baik, untuk mencapai optimasi. Tujuan dari global optimum adalah untuk menemukan elemen terbaik x* dengan menetapkan himpunan X berdasarkan seperangkat kriteria F = { f1, f2, ..,fn}.
Kriteria ini dinyatakan sebagai fungsi matematika, dan ini yang disebut dengan fungsi tujuan.
Definisi 1.1 (Fungsi Tujuan). Sebuah fungsi objektif f:X→Y dengan Y ⊆ R
adalah fungsi matematika yang akan dikenakan optimasi.

Regresi Linier

Pendahuluan
Permasalahan yang sering muncul dalam penelitian adalah banyak data yang kita jumpai dalam bentuk sekumpulan nilai (berupa angka dalam tabel). Sedangkan kita perlu mengetahui hubungan antara dua variable tersebut dan memperkirakan variable tak bebas y berdasarkan variable bebas x, sehingga kita perlu :
-Mencari bentuk kurva yang dapat mewakili data diskret tersebut,
- Mencari nilai data pada titik-titik diantara nilai-nilai yang diketahui.
Metode ini dikenal sebagai Curve Fitting (pencocokan Kurva)
Dua metode pendekatan yang didasarkan pada jumlah kesalahan yang terjadi pada data dibagi menjadi :

a.Regresi kuadrat terkecil ( least square method): Apabila data menunjukkan kesalahan cukup besar
b.Interpolasi : Apabila data yang diketahui cukup benar

ANALISIS REGRESI
Proses penentuan suatu fungsi pendekatan menggambarkan kecenderungan data dengan simpangan minimum antara nilai fungsi dengan data, disebut regresi.
Contoh. Dalam percobaan benda uji tulangan baja untuk mendapatkan hubungan antara besaran gaya dan perpindahan, sehubungan dengan penentuaan sifat bahan, diperoleh data sebagai berikut.

Jika absis - x menyatakan perpanjangan dan ordinal , - y sebagai besaran gaya aksial, maka persamaan y = aebx dapat merupakan fungsi kurva untuk menyatakan hubungan x dan y. Konstanta a dan b dapat ditentukan sehingga analisis kurva bagi hasil benda uji dapat diuji ketelitiannya sebagai rumusan pendekatan hubungan antara gaya dan perpanjangan.

Regresi Kuadrat Terkecil (LEAST SQUARES METHOD)

Gambar 1. Analisis kurva data pengamatan.
Metode ini berasumsi bahwa kurva terbaik yang dihasilkan adalah kurva yang mempunyai jumlah total kuadrat kesalahan minimum (least square error) dari data.
Misal data :(x1,y1), (x2,y2) , ..., (xn,yn), dimana adalah variable bebas dan adalah variable terikat. pencocokan Kurva mempunyai deviasi (error) e dari setiap titik data e1=y1-f(x1), e2=y2-f(x2), ..., en=yn-f(xn). Menurut metode ini, kurva terbaik mempunyai karakteristik:

dengan f(x) merupakan suatu polinomial pendekatan: Y= a0+ a1.x +a2.x2 + ... + an.xn
Dimana:
n: derajat dari polinomial yang dipergunakan
maka bila:
f(x)=a+ a1.x merupakan bentuk linier
f(x)= a0 + a1.x +a2.x2 merupakan bentuk kurva derajat dua
f(x)= a0 + a1.x +a2.x2+a3.x3 merupakan bentuk kurva derajat tiga
Koefisien Korelasi
Untuk mengetahui derajat kesesuaian dari persamaan yang didapat, dihitung nilai koefisien korelasi yang berbentuk:

dimana
r: koefisien korelasi
Untuk perkiraan yang sempurna nilai r = 1. Apabila r = 0 perkiraan suatu fungsi sangat jelek. Koefisien korelasi ini juga dapat digunakan untuk memilih suatu persamaan dari beberapa alternatif yang ada, terutama di dalam regresi garis tidak lurus.

REGRESI LINIER
Metode ini memakai Suatu garis lurus : y=a+ b.x
Untuk menentukan harga pendekatan terhadap sekumpulan data: (x1,y1), (x2,y2) , ..., (xn,yn) dimana n
Mempunyai kuadrat kesalahan:

dimana a dan b adalah koefisien yang tidak diketahui, sedangkan semua dan sudah ada. Untuk memperoleh kesalahan kuadrat terkecil maka koefisien a dan b harus menghasilkan turunan pertama NOL.

selanjutnya a dan b dapat ditentukan dengan cara substitusi dari persamaan (IV):

Integer Programming

INTEGER PROGRAMMING
Pemrograman bulat dibutuhkan ketika keputusan harus dilakukan dalam bentuk bilangan bulat (bukan pecahan yang sering terjadi bila kita menggunakan metode simpleks).
Model matematis dari pemrograman bulat sebenarnya sama dengan model linear programming, dengan tambahan batasan bahwa variabelnya harus bilangan bulat.
Banyak aplikasi dari integer programming, misalnya dalam penghitungan produksi sebuah perusahaan, dimana hasil dari perhitungannya haruslah bilangan bulat, karena perusahaan tidak dapat memproduksi produknya dalam bentuk setengah jadi. Misal perusahaan perkitan motor tidak bisa merakit 8,5 motor A dan 4,6 motor B perhari, tetapi haruslah bilangan bulat, dengan metode pembulatan, bisa kita hasilkan misalnya 5 motor A dan 2 motor B per hari.

Contoh Soal:
Sebuah perusahaan manufaktur elektronik “Tiki Taka” memproduksi 2 buah produk TV dan Radio. Tiap‐tiap produk tersebut membutuhkan 2 tahapan produksi, yaitu penyolderan (perakitan komponen elektronik) dan assembling (perakitan komponen non‐elektronik) penyolderan membutuhkan waktu 5 jam untuk Radio dan 3 jam untuk TV, sedangkan assembling membutuhkan waktu 6 jam untuk Radio dan 8 jam untuk TV. Perusahaan tersebut hanya mempunyai waktu untuk penyolderan 18 jam dan assembling 36 jam kerja per minggu‐nya. Bila Radio memberikan keuntungan sebanyak Rp. 8000 dan TV memberikan keuntungan Rp. 7000 per unit, formulasi keputusan produksi perusahaan Tiki Taka adalah sebagai berikut:

Dengan metode linear programming dapat kita hitung bahwa solusi optimal dari Tiki Taka adalah memproduksi 3.27 Radio(X1) dan 1.636 TV(X2) . Kita menyadari bahwa perusahaan tidak bisa membuat dan menjual barang dalam bentuk pecahan, jadi kita memutuskan bahwa kita menghadapi permasalahan integer programming / pemrograman bulat.
Metode Round Off
Pemecahan paling mudah dari problem diatas adalah dengan melakukan pembulatan (round off) dari solusi optimal kita lakukan pembulatan menjadi X1 = 4 dan X2 = 2, tetapi pembulatan tersebut diluar area kemungkinan produksi (lihat grafik), jadi tidak bisa dilakukan. Pembulatan berikutnya adalah ke dalam area kemungkinan produksi, yaitu X1 = 0 dan X2 = 4, produksi tersebut bisa dilakukan tetapi belum tentu merupakan solusi optimal

Dari tabel diatas dapat kita ketahui bahwa solusi optimal dari permasalahan produksi tersebut adalah X1 = 3 dan X2 =1 dengan total keuntungan 31
Perhatikan bahwa batasan integer ini menyebabkan keuntungan lebih rendah daripada solusi optimal dari linear programming. Hasil dari integer programming tidak akan pernah melebihi nilai keuntungan optimal dari solusi LP.

Membuat link untuk membuka halaman target di halaman baru, kita perlu menambahkan kode target="_blank" ke kode link standar.

Contoh 1:
teks yang akan ditampilkan
atau
anchor text
(catatan: anchor text = teks yang akan ditampilkan, biasa juga disebut teks yang berisi link /merujuk ke halaman postingan lain)

Contoh source code link:
Hal Baru

Hasil linknya Klik disini Hal Baru


Contoh 2:
sepakbola

Hasil linknya seperti ini: sepakbola

Sebagai bahan perbandingan, kita bisa lihat contoh lain yang berbeda seperti di bawah ini, halaman target terbuka di halaman (tab)yang sama

teks yang akan ditampilkan
Contoh source code linknya:
Quiz

Hasil linknya Klik disini Quiz

Selain membuat link di dalam postingan, kita juga bisa membuat link di sidebar, header, maupun footer. Kode yang digunakan sama saja.

Selecting a location for your site

Selecting a location for your site

Quiz

Quiz Riset Operasi Kelas->Senin

Untuk mengetahui apakah HP asli atau tidak :

Dial *#06#
Akan tampil nomor imei(International Mobile Equipment Identity) dari HP.
Periksa digit ke 7 dan 8 dari nomor imei tersebut.
•Jika nomor pada digit tersebut adalah 02 atau 20 berarti HP anda di buat di Emirat Arab yang berarti kualitas JELEK.
•Jika nomor pada digit tersebut adalah 08 atau 80 berarti HP anda di buat di German yang berarti kualitas TIDAK TERLALU BURUK
•Jika nomor pada digit tersebut adalah 01 atau 10 berarti HP anda di buat di Finlandia yang berarti kualitas BAGUS.
•Jika nomor pada digit tersebut adalah 00 berarti HP anda ASLI yang berarti kualitas TERBAIK.
nb: Ada beberapa HP CDMA yang tidak berfungsi dengan cara ini.

Cara Mendisable atau mematikan autorun.inf di windows Agar Tidak Terjangkit Virus :

1.Klik Start, ketik Run atau CTRL + R
2.Ketik gpedit.msc
3.Buka Local Computer Policy, Computer Configuration, Administrative Templates, System
4.Buka Turn off Autoplay
5.Pilih Enable, Turn off Autoplay on : All Drives
6.Buka Local Computer Policy, User Configuration, Administrative Templates, System
7.Buka Turn off Autoplay
8.Pilih Enable >> Turn off Autoplay on : All Drives