Algoritma AIS (Artificial Immune System) dengan teknik CLONALG (Clonal Selection Algorithm)


Algoritma AIS (Artificial Immune System) dengan teknik CLONALG (Clonal Selection Algorithm) adalah salah satu algoritma optimasi yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai pencarian posisi dengan pengembalian nilai fungsi maksimal.
AIS (Artificial Immune System) / sistem kekebalan buatan adalah salah satu sistem yang dibuat dengan meniru tingkah laku dari sistem kekebalan manusia. Ada beberapa teknik perhitungan yang dapat digunakan pada algoritma ini. Pada contoh kali ini, Algoritma ini akan menggunakan teknik yang dinamakan CLONALG (Clonal Selection Algorithm). CLONALG sendiri adalah algoritma yang sering dipakai untuk perhitungan optimasi, seperti pada contoh kasus yang dibahas kali ini.



Diasumsikan ada sebaran titik 2 dimensi antara -2 sampai dengan 2
Fungsi yang diketahui adalah fungsi Himmelblau, dengan rumus f(x, y) = (x^2+y-11)^2 + (x+y^2-7)^2
Tentukan posisi dimana fungsi tersebut mengembalikan nilai maksimal



Fungsi Himmelblau adalah salah satu fungsi yang dapat digunakan untuk mengoptimasi suatu permasalahan. Fungsi ini memiliki sebuah nilai maksimum pada x = -0.270845, and y = -0.923039 dengan nilai fungsi sebesar f(x,y) = 181.617, dengan asumsi bahwa rentang minimal dan maksimal dari sebaran titik adalah -2 sampai dengan 2

Grafik fungsi Himmelblau yang normal, atau untuk sebaran titik tak terbatas adalah sebagai berikut.
Grafik Himmelblau

Sedangkan Grafik fungsi Himmelblau untuk sebaran titik dengan rentang minimal -2 dan maksimal 2 adalah sebagai berikut.
Grafik Himmelblau -2sd2
Dapat dilihat bahwa pada gambar tersebut, didapatkan area dengan titik tertinggi (berwarna merah) berada pada area x = -0, and y = -1, dimana titik tersebut mengembalikan nilai fungsi tertinggi. Oleh sebab itu digunakan algoritma ini untuk mencari titik di area berwarna merah tersebut.



Sebelum masuk kedalam langkah-langkah pembahasan algoritma, ada beberapa konstanta atau parameter yang harus diketahui, yaitu:
Tentukan dimensi permasalahan dalam sebuah solusi (kromosom)
Diasumsikan dalam kasus ini, dimensi bernilai 2 karena ada 2 dimensi yang akan dicari solusinya yaitu x dan y

Tentukan jumlah antibodi pada saat pertama kali perhitungan
Diasumsikan dalam kasus ini, jumlah antibodi awal hanya ada 5 saja

Tentukan jumlah clone antibodi, yaitu seberapa banyak antibodi akan melipatgandakan dirinya dalam setiap perulangan
Diasumsikan dalam kasus ini, jumlah clone adalah 2

Tentukan jumlah iterasi yang digunakan dalam perhitungan
Diasumsikan dalam kasus ini, jumlah iterasi adalah 50 kali

Tentukan faktor mutasi, yaitu faktor untuk menghitung ketertarikan antibodi pada saat mutasi
Semakin besar nilai faktor mutasi, maka semakin kecil nilai ketertarikan antibodi
Diasumsikan dalam kasus ini, faktor mutasi adalah 8

Tentukan batas minimal selisih perhitungan fitness pada saat proses seleksi clone
Nantinya proses seleksi clone akan berhenti setelah nilai selisih fitness sudah lebih rendah dari nilai ini
Diasumsikan dalam kasus ini, batas minimal selisih fitness adalah 0.01

Tentukan batas nilai ketertarikan antibodi
Antibodi yang memiliki nilai ketertarikan lebih rendah dari nilai ini akan dibuang dari daftar antibodi
Diasumsikan dalam kasus ini, batas nilai ketertarikan antibodi adalah 0.2

Tentukan persentase untuk pembuatan antibodi baru pada setiap perulangan
sebagai contoh, jika persentase = 0.5 dan jumlah antibodi pada saat perulangan = 10, maka akan dibuat 5 antibodi baru
Diasumsikan dalam kasus ini, persentase yang digunakan adalah 0.1

Tentukan posisi minimal dan maksimal dari fungsi yang akan dihitung
Jika tidak ada batasan posisi, tentu saja posisi yang mendekati tak terhingga akan terpilih karena akan mengembalikan nilai fungsi yang sangat besar
Diasumsikan dalam kasus ini, posisi minimal adalah -2, dan posisi maksimal adalah +2


Langkah-langkah penggunaan algoritma ini adalah

1. Inisialisasi nilai awal semua variabel yang diperlukan
Kemudian lakukan inisialisasi untuk semua antibodi yang digunakan

* Agar dapat menjalankan skrip diatas, maka diperlukan sebuah Class AIS untuk menampung semua data seperti daftar antibodi, posisi terbaik dan fitness terbaik yang ditemukan oleh semua antibodi. Deklarasi Class AIS adalah sebagai berikut:

* Gunakan fungsi ini untuk membuat antibodi baru
Penjelasan mengenai langkah-langkah perhitungan dapat dilihat pada keterangan skrip dibawah ini

Memasuki perhitungan pada fungsi BuatAntibodiBaru (poin 1a – 1d)

1a. Beri posisi acak untuk tiap-tiap antibodi

1b. Hitung fitness untuk masing-masing posisi acak

1c. Kemudian masukkan antibodi ke dalam daftar antibodi

1d. Apabila nilai fitness posisi acak lebih baik dari nilai fitness terbaik
maka ambil posisinya sebagai posisi terbaik

* Lakukan proses pencarian posisi terbaik sebanyak jumlah iterasi
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 2 – 5)

Memasuki perhitungan pada fungsi AIS (poin 2 – 5)

* Lakukan proses perhitungan sebanyak jumlah iterasi (poin 2 – 5)

2 Lakukan proses seleksi clone antibodi dengan teknik CLONALG (Clonal Selection Algorithm)
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 2a – 2f)

2a. Hitung nilai normalisasi fitness pada masing-masing antibodi

2a1. Hitung nilai fitness pada masing-masing antibodi
Apabila nilainya lebih dari nilai fitness tertinggi maka ambil nilainya sebagai nilai fitness tertinggi
Apabila nilainya kurang dari nilai fitness terendah maka ambil nilainya sebagai nilai fitness terendah

2a2. Hitung normalisasi nilai fitness pada masing-masing antibodi
normalisasi dihitung dengan rumus
normalisasi = (fitness – fitnessTerendah) / (fitnessTertinggi – fitnessTerendah)

2b. Lakukan proses clone pada setiap antibodi

2b1. Lakukan proses perhitungan sebanyak jumlah clone pada masing-masing antibodi

2b1a. Lakukan proses clone

* Gunakan fungsi ini untuk melakukan clone pada antibodi

2b1b. Kemudian lakukan proses mutasi pada masing-masing clone

* Gunakan fungsi ini untuk melakukan mutasi pada antibodi
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

2b1c. Hitung nilai fitness untuk clone yang telah bermutasi
Apabila nilai fitness clone lebih baik dari nilai fitness antibodi,
maka ambil clone ini sebagai clone terbaik pada antibodi tersebut

2b2. Apabila nilai fitness clone lebih baik dari nilai fitness antibodi,
maka clone tersebut akan menggantikan antibodi induk
Jika tidak maka antibodi induk akan tetap berada pada daftar antibodi

2b3. Apabila nilai fitness clone lebih baik dari nilai fitness terbaik
maka ambil posisi clone ini sebagai posisi terbaik

2c. Hitung jumlah nilai fitness pada daftar antibodi yang baru

2d. Hitung rata-rata fitness, yaitu jumlah fitness / jumlah antibodi

2e. Hitung selish rata-rata fitness sekarang dengan yang sebelumnya
Jika selisih nilai fitness masih lebih dari atau sama dengan nilai batas minimal selish fitness,
maka simpan nilai rata-rata ini, kemudian ulangi proses seleksi clone
Jika selisih nilai fitness sudah kurang dari batas minimal fitness maka perhitungan seleksi clone sudah selesai

2f. Lakukan perulangan nomor 2a – 2e sampai selisih nilai fitness sudah kurang dari batas minimal fitness

3 Lakukan proses eliminasi batas nilai ketertarikan pada setiap antibodi
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 3a – 3c)

3a. Hitung nilai ketertarikan pada masing-masing pasangan antibodi

3a1. Rumus perhitungan nilai ketertarikan antara 2 antibodi dihitung dengan metode Euclidean
contoh kasusnya adalah, apabila antibodi A berdimensi 2 berada pada posisi (3.0, 4.0) dan antibodi B (5.0, 9.0),
maka jaraknya adalah sqrt((5 – 3)^2 + (9 – 4)^2) = sqrt(4 + 25) = sqrt(29) = 5.4

3b. Catat daftar antibodi mula-mula , sebelum dilakukan eliminasi

3c. Lakukan perulangan pada setiap antibodi
Apabila nilai ketertarikan antara antibodi i dan j kurang dari batas minimal nilai ketertarikan,
maka lakukan pembuangan antibodi dengan nilai fitness terendah antara i dan j

4. Lakukan proses eliminasi antibodi agar jumlah antibodi tetap seperti jumlah semula
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini (poin 4a – 4b)

4a. Tentukan jumlah antibodi baru yang akan dibuat dengan rumus jumlah antibodi sekarang * persentase antibodi baru

4b. Lakukan pembuangan antibodi dengan nilai fitness terendah apabila jumlah Antibodi sekarang + jumlah Antibodi Baru melebihi jumlah Antibodi awal mula

5. Lakukan pembuatan antibodi baru sebanyak jumlah antibodi baru
Langkah-langkah perhitungan sama seperti penjelasan pada poin nomor 1 diatas

* Agar dapat menjalankan skrip diatas, maka diperlukan sebuah Class Antibody untuk menampung semua data posisi beserta nilai fungsinya. Deklarasi Class Solusi adalah sebagai berikut:


Hasil akhir adalah: (klik untuk perbesar gambar)

cmd57

Dapat dilihat bahwa hasil akhir perhitungan tidak sama dengan x = -0.270845, and y = -0.923039, tetapi sangat mendekati posisi tersebut. Jika ingin mendapatkan jawaban yang lebih mirip lagi, maka silahkan lakukan penambahan jumlah iterasi, dengan resiko bahwa perhitungan yang dilakukan akan semakin lama.


Contoh modul / source code dalam bahasa VB (Visual Basic) dapat didownload disini:



Jika membutuhkan jasa kami dalam pembuatan program, keterangan selanjutnya dapat dilihat di Fasilitas dan Harga
Jika ada yang kurang paham dengan langkah-langkah algoritma diatas, silahkan berikan komentar Anda.
Selamat mencoba.

Tinggalkan sebuah komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *