Algoritma Genetika untuk Optimasi Fungsi dengan Banyak Variabel

Dalam berbagai aplikasi pada kehidupan, banyak masalah optimasi yang memiliki banyak variabel. Salah satu algoritma yang dapat digunakan untuk menyelesaikan masalah optimasi fungsi adalah algoritma genetika. Namun, masih sedikit penelitian tentang penggunaan algoritma genetika yang mampu mengoptimasi fungsi dengan banyak variabel, misalnya hingga 100000 variabel. Dalam penelitian ini, dirumuskan algoritma genetika yang mampu mengoptimasi fungsi dengan banyak variabel. Dalam algoritma genetika yang telah dirumuskan, perhitungan nilai fitness dilakukan ketika proses crossover dan mutasi, sehingga setelah mendapatkan kromosom baru, tidak perlu dilakukan perhitungan untuk mencari nilai fitness. Algoritma genetika yang sudah dirumuskan kemudian diuji dengan enam fungsi dengan karakteristik yang berbeda. Fungsi tersebut adalah fungsi sphere, csendes, alpine, sum squares, schumer-steiglitz, dan quintic. Hasilnya, algoritma genetika yang telah dirumuskan mampu menghasilkan solusi yang baik, khususnya pada fungsi sphere, csendes, sum squares, schumer-stiglitz, dan quinti