Analisis Nilai Mutasi Dinamis pada Algoritma Genetika

Abstract

Knapsack Problem is very important to controlling how many node has crossed at Travelling Salesman Problems (TSP). Usually at TSP, all of the node will be explored to get the optimal rate at a generation. Apllying the knapack at least had two parameters to work well. In the research, knapsack had two parameters, that is total nodes and weights range. Optimation in TSP can do with calculation of weights range that has a same value one as one solution rate was specify. Total nodes influence how many coordinate point will be crossed. The optimal rate in the problem is technical dependent in mutation processing. A methode dynamic mutations intend to specify of mutation rate at each population. Situation a population of generation will be affect by result from genetic processing. This technical will approach to result it is solutions. By using this method, a genetic process will optimal.

Knapsack Problem mempunyai peranan penting untuk membatasi jumlah node yang harus dilalai pada kasus Travelling Salesman Problem (TSP). Biasanya, pada kasus TSP, semua node akan dijelajahi untuk mendapatkan nilai yang paling optimal pada suatu generasi tertentu. Knapsack yang diterapkan setidaknya mempunyai dua buah parameter agar berjalan dengan baik. Pada penelitian ini Knapsack memiliki dua buah parameter yaitu jumlah node dan bobot jarak. Optimasi pada TSP dilakukan dengan menghitung bobot jarak agar memiliki nilai yang sama dengan nilai solusi yang telah ditentukan. Jumlah node mempengaruhi seberapa banyak titik koordinat yang akan dilalui. Nilai optimal pada permasalahan ini tergantung teknik yang dilakukan pada proses mutasi. Metode mutasi dinamis bertujuan untuk menentukan nilai mutation rate pada setiap populasi. Keadaan populasi dalam tiap-tiap generasi akan mempengaruhi hasil dari proses genetika. Teknik ini akan melakukan pendekatan agar hasil suatu generasi mendekati kepada penyelesaian. Dengan menggunakan metode ini proses genetika akan berlangsung lebih optimal.