Aplikasi Algoritma Genetika
 |
Aplikasi Algoritma Genetika sangat beragam. Sejak
pertama kali dirintis oleh John Holland, Algoritma Genetika telah dipelajari,
diteliti dan diaplikasikan secara luas pada berbagai bidang. Algoritma Genetika
banyak digunakan pada masalah praktis yang berfokus pada pencarian parameter-parameter
yang optimal. Hal ini membuat banyak orang mengira bahwa algoritma genetika
hanya digunakan untuk menyelesaikan masalah optimasi saja. Namun demikian, pada
kenyataanya algoritma genetika juga memiliki perfomansi yang bagus untuk
masalah-masalah selain optimasi.
Keuntungan
penggunaan algoritma genetika sangat jelas terlihat dari kemudahan implementasi
dan kemampuannya untuk menemukan solusi yang bagus dan bisa diterima secara
cepat untuk masalah-masalah berdimensi tinggi. Algoritma Genetika sangat
berguna dan efisien untuk masalah dengan karakteristik sebagai berikut
(Suyanto, 2005):
- Ruang masalah sangat besar, kompleks, dan sulit dipahami,
- Kurang atau bahkan tidak ada pengetahuan yang memadai untuk merepresentasikan masalah ke dalam ruang pencarian yang lebih sempit,
- Tidak tersedianya analisis matematika yang memadai,
- Ketika metode-metode konvensional sudah tidak mampu menyelesaikan masalah yang dihadapi,
- Solusi yang diharapkan tidak harus paling optimal, tetapi cukup “bagus” atau bisa diterima,
- Terdapat batasan waktu, misalnya dalam real time system atau sistem waktu nyata.
Algoritma
Genetika juga telah banyak diaplikasikan untuk berbagai macam permasalahan, antara
lain (Suyanto, 2005):
Optimasi
Algoritma
Genetika untuk optimasi antara lain untuk optimasi numerik dan optimasi
kombinatorial seperti Traveling Salesmen Problem (TSP), Perancangan Integrated
Circuit atau IC, Job Scheduling, Optimasi video dan suara.
Pemrograman
Otomatis
Algoritma
Genetika untuk pemrograman otomatis antara lain untuk melakukan proses evolusi
terhadap program komputer dalam merancang struktur komputasional, seperti
cellular automata dan sorting networks.
Machine
Learning
Algoritma
Genetika telah berhasil diaplikasikan untuk memprediksi struktur protein.
Algoritma Genetika juga berhasil diaplikasikan dalam perancangan neural
networks (jaringan syaraf tiruan) untuk melakukan proses evolusi terhadap
aturan-aturan pada learning classifier system atau symbolic production system.
Algoritma Genetika juga dapat digunakan untuk mengkontrol robot.
Model
Ekonomi
Dalam
bidang ekonomi, algoritma genetika digunakan untuk memodelkan proses-proses
inovasi dan pembangunan bidding strategies.
Model
Sistem Imunisasi
Contoh
penggunaan algoritma genetika dalam bidang ini untuk memodelkan berbagai aspek
pada sistem imunisasi alamiah, termasuk somatic mutation selama kehidupan
individu dan menemukan keluarga dengan gen ganda (multi gen families) sepanjang
waktu evolusi.
Model
Ekologis
Algoritma
genetika juga dapat digunakan untuk memodelkan fenomena ekologis seperti
host-parasite co evolutions, simbiosis dan aliran sumber di dalam ekologi.