Problem Solving
Searching
Eddy Tungadi, ST, MT
2
Pendahuluan
• Hubungan searching dengan AI ?
– Sistem AI, khususnya problem-solving agent (salah satu jenis
goal-based a...
3
Problem Definition
• Problem definition (single-state problems) dapat
dinyatakan dalam : contoh : lihat papan.
– Initial...
4
Problem Definition
– Path cost function (g):
• Menentukan path mana (dlm. hal ini dapat dianggap juga rangkaian
aksi) ma...
5
Searching
• Secara garis besar, searching dibedakan
menjadi:
– Uninformed search (blind search).
• Tidak ada informasi m...
• Hal yg. perlu diperhatikan dlm. searching :
– Completeness: jk. solusi ada, apakah pasti akan
ditemukan ?
– Optimallity:...
7
Searching
• Contoh uninformed search :
– Breadth-first search (BFS).
– Uniform cost search.
– Depth-first search (DFS).
...
8
Breadth-First Search (BFS)
• Semua node solusi pada level n akan dikunjungi
terlebih dahulu sebelum level n+1
• Pencaria...
9
Uniform Cost Search
• Utk. mengatasi agar search tetap optimal meskipun
kedalaman node != path cost. Node diurutkan & di...
10
Depth-First Search (DFS)
• Proses pencarian dilakukan pada semua anaknya
sebelum dilakukan pencarian ke node-node yang
...
11
Depth-Limited Search
• Sama dng. DFS, hanya saja depth yg. akan di-expand
dibatasi. Hal ini utk. menghindari inf. loop/...
12
Iterative Deepening Search (IDS)
• Gabungan antara BFS & DFS. Pencarian dilakukan per
level. Utk. tiap level, dilakukan...
13
Bidirectional Search
• Pencarian dilakukan 2 arah, dari root & dari goal.
Solusi berhasil ditemukan ketika path dari ro...
14
Constraint Satisfaction Problem (CSP)
• States : values of a set of variables.
• Goal test : a set of constraints that ...
15
Constraint Satisfaction Search
• Dng. memanfaatkan constraint, node yg. perlu di-
expand menjadi lebih sedikkit shg. wa...
Informed Search (Heuristic)
• Pendakian Bukit (Hill Climbing)
• Pencarian Terbaik Pertama (Best First Search)
• Pembangkit...
Upcoming SlideShare
Loading in...5
×

Materi4 searching

917

Published on

Published in: Technology, Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
917
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
59
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Materi4 searching

  1. 1. Problem Solving Searching Eddy Tungadi, ST, MT
  2. 2. 2 Pendahuluan • Hubungan searching dengan AI ? – Sistem AI, khususnya problem-solving agent (salah satu jenis goal-based agent), diharapkan dapat memecahkan suatu masalah secara autonomous. Salah satu cara untuk melakukannya, adalah dengan mencari langkah-langkah yang dapat mengantarkannya ke solusi menggunakan algoritma search. • Pencarian solusi hanya bisa dilakukan setelah agent mengetahui apa yang dihadapinya, apa yang dicarinya perlu problem definition. • Secara kasar, simple problem-solving agent : Percept Problem definition Search for solution Action.
  3. 3. 3 Problem Definition • Problem definition (single-state problems) dapat dinyatakan dalam : contoh : lihat papan. – Initial state : • Keadaan/state awal. – Operator : • Aksi yang mungkin dilakukan agent. Aksi tersebut-lah yg. mampu memindahkan agent dari satu state ke state lain yang masih berada dalam state space-nya (himpunan seluruh state yang dapat dicapai dari initial state melalui serangkaian aksi, merupakan gabungan antara initial state dng. state-state yg. dihasilkan oleh operator yg. ada). – Goal test : • Menentukan apakah goal space telah tercapai atau belum. • Solusi : path yg. menghubungkan intial state dng. goal state.
  4. 4. 4 Problem Definition – Path cost function (g): • Menentukan path mana (dlm. hal ini dapat dianggap juga rangkaian aksi) mana yg. lebih preferable. • Problem definition utk. multiple-state problems hampir sama dng. problem definition utk. single-state problems, hanya saja state yg. ada berubah menjadi set of state. Beberapa perubahan: – Initial state menjadi : Initial state set. – State space menjadi : State set space. – Path menghubungkan set of states satu ke set of states lain. – Solusi : path yg. menghubungkan initial state set ke set of goal states.
  5. 5. 5 Searching • Secara garis besar, searching dibedakan menjadi: – Uninformed search (blind search). • Tidak ada informasi mengenai jarak/cost dari current state ke goal state. – Informed search. (heuristic search) • Ada informasi mengenai jarak/cost dari current state ke goal state.
  6. 6. • Hal yg. perlu diperhatikan dlm. searching : – Completeness: jk. solusi ada, apakah pasti akan ditemukan ? – Optimallity: jk. ada > 1 solusi, apakah selalu solusi terbaik yg. diperoleh ? – Time Complexity: waktu yg. dibutuhkan utk. mendpt. solusi. – Space complexity: memory yg. dibutuhkan utk. melakukan searching. 6
  7. 7. 7 Searching • Contoh uninformed search : – Breadth-first search (BFS). – Uniform cost search. – Depth-first search (DFS). – Depth-limited search. – Iterative deepening search (IDS). – Bidirectional search.
  8. 8. 8 Breadth-First Search (BFS) • Semua node solusi pada level n akan dikunjungi terlebih dahulu sebelum level n+1 • Pencarian mulai dari akar kemudian ke level 1 mulai dari kiri ke kanan • Complete (Jika ada satu solusi maka Bredth-First Search akan menemukannya) • Membutuhkan memori yang cukup banyak • Struktur data : queue. • Optimal (jk. kedalaman node = path cost).
  9. 9. 9 Uniform Cost Search • Utk. mengatasi agar search tetap optimal meskipun kedalaman node != path cost. Node diurutkan & di- expand berdasarkan path cost-nya. Akan = BFS jk. semua node n memiliki path cost(n)= depth(n). • Complete. • Optimal (jk semua path cost non-decreasing/tidak ada yg. negatif), lihat contoh di papan.
  10. 10. 10 Depth-First Search (DFS) • Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel • Struktur data : stack. • Tidak complete (bisa solusi ada, tapi stuck di inf. loop). • Tidak optimal (bisa solusi yg. lebih baik ada, tapi yg. keambil yg. kurang baik). • Keuntungan : Memori relatif kecil, Secara kebetulan akan menemukan solusi tanpa harus meguji lebih banyak lagi
  11. 11. 11 Depth-Limited Search • Sama dng. DFS, hanya saja depth yg. akan di-expand dibatasi. Hal ini utk. menghindari inf. loop/pencarian yg. tdk. optimal krn. mencari terlalu dalam. • Complete (batas depth >= depth(solusi) / Tidak complete (bisa solusi ada, tapi > batas depth). • Tidak optimal (bisa ada > 1 solusi pd. depth < batas depth, tapi yg. keambil solusi yg. kurang baik).
  12. 12. 12 Iterative Deepening Search (IDS) • Gabungan antara BFS & DFS. Pencarian dilakukan per level. Utk. tiap level, dilakukan DFS dng. level tersebut sebagai batas depth. • Mengatasi kesulitan mencari batas depth pd. depth limited search. • Complete. • Optimal.
  13. 13. 13 Bidirectional Search • Pencarian dilakukan 2 arah, dari root & dari goal. Solusi berhasil ditemukan ketika path dari root & goal bertemu. • Complete. • Optimal.
  14. 14. 14 Constraint Satisfaction Problem (CSP) • States : values of a set of variables. • Goal test : a set of constraints that the values must obey. • Dapat diselesaikan dng. metode searching biasa & dpt. pula dng. algoritma khusus (constraint satisfaction search, lebih efisien). • CSP dapat dikelompokkan menjadi : – Berdasarkan banyaknya variabel dng. constraint : • Unary, binary, higher-order. – Apakah constraint merupakan keharusan atau preference : • Absolute, preference. – Berdasarkan nilai domain : • Discrete, continuous.
  15. 15. 15 Constraint Satisfaction Search • Dng. memanfaatkan constraint, node yg. perlu di- expand menjadi lebih sedikkit shg. waktu yg. dibutuhkan oleh searching lebih sedikit. • Ada 2 macam : – Backtracking search. • Memeriksa yg. telah di-expand. – Forward checking. • Memeriksa dulu sebelum meng-expand.
  16. 16. Informed Search (Heuristic) • Pendakian Bukit (Hill Climbing) • Pencarian Terbaik Pertama (Best First Search) • Pembangkit & Pengujian (Generate & Test) • Simulated Annealing 16
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×