Chapter - 2Kecerdasan Buatan    Artificial Intelligence  Searching Method            Tb. Ai Munandar, M.T.,    Universitas...
Searching Method
OUTLINE• Definisi Masalah dalam AI• Searching Methode  – Blind Search (Pencarian Buta)  – Heuristic search (pencarian terb...
Definisi Masalah dalam AIMasalah yang dimaksud dalam kajian AI adalahmasalah-masalah yang dapat dikonversi kedalam ruang k...
Definisi Masalah dalam AIBeberapa hal yang harus dilakukan untuk mendefinisikanmasalah dalam AI dengan baik :1. Definisika...
Definisi Masalah dalam AIContoh kasus :Pada suatu hari ada seorang petani yang mempunyai seekor kambing danserigala. Pada ...
Definisi Masalah dalam AI- Deskripsikan masalah : Ada daerah asal dan daerah sebrang  yang dilambangkan dengan (P, Sy, K, ...
Representasi Pohon PencarianPohon pencarian merupakan sebuah datastruktur yang terdiri atas sebuah simpulinduk utama yang ...
Terminologi Pohon Pencarian
Algoritma Umum Pencarian
Searching PerformanceEmpat kriteria yang dapat dilakukan untuk mengukurperforma suatu metode pencarian ;1. Completeness : ...
Blind SearchUninformed Search
Blind Search / Uninform SearchSecara umum, pencarian buta terbagi atas duaalgoritma , yaitu ;1. Breadth First Search (BFS)...
Breadth First Search (BFS)• Pada metode BFS, semua node pada level n akan  dikunjungi terlebih dahulu sebelum mengunjungi ...
Breadth First Search (BFS)Algortima BFS
Breadth First Search (BFS)• Keuntungan :  – Tidak akan menemui jalan buntu (menjamin ditemukannya    solusi yang paling ba...
Depth First Search (DFS)• Pada metode DFS, proses pencarian akan dilakukan  pada semua anaknya sebelum dilakukan pencarian...
Depth First Search (DFS)Algortima DFS
Depth First Search (DFS)• Keuntungan :  – Membutuhkan memori yang relatif kecil, karena banyak    node-node pada lintasan ...
Heuristic Search  Informed Search
Heuristic Search• Heuristic adalah suatu kriteria, metode atau prinsip  dalam memilih antara beberapa kemungkinan aksi yan...
Generate and Test• Metode Generate and Test merupakan metode  paling sederhana dalam pencarian heuristic.• Peggabungan ant...
Generate and Test• Algoritma G&T :  1. Bangkitkan semua kemungkinan solusi  2. Uji, apakah solusi tersebut merupakan     s...
Generate and Test• Contoh kasus 2.2 :Seorang sales buku yang berada di kota A, akan mengirimkan barang kekota Z. untuk bis...
Generate and Test• Penyelesaian : – Gambarkan graf sebagai ruang pencarian – Generate (hitung) masing-masing jalur yang   ...
Generate and Test• Graf ruang pencarian :
Generate and Test• Perhitungan jalur  – Keadaan Awal          :A  – Keadaan akhir (Goal)       :Z• Solusi yang dicari adal...
Hill Climbing• Metode hill climbing hampir sama dengan  metode Generate and Test, perbedaanya terletak  pada proses penguj...
Simple Hill Climbing• Algoritma :  1. Tentukan Sucessor dari state saat ini  2. Pilih sucessor yang paling baik (bila semu...
Simple Hill Climbing• Contoh pada kasus 2.2, ruang keadaan yang terbentuk  berisi semua kemungkinan lintasan yang mungkin ...
Steepest-Ascent Hill Climbing• Hampir sama dengan simple hill climbing, hanya  saja gerakan pencarian tidak dimulai dari p...
Best First Search (BFS)• BFS merupakan gabungan DFS dan Breadth First  Search (BFS).• Pencarian diperbolehkan mengunjungi ...
Best First Search (BFS)• Penyelesaian kasus 2.2  – Masukan node A ke stack, kemudian keluarkan A dan cek,    jika A bukan ...
TUGAS 2.1Jika seorang kurir akan mengirimkan barang pesanan kepadapelanggannya dan diminta untuk melewati jalur yangtercep...
Upcoming SlideShare
Loading in...5
×

Ai 2

1,136

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,136
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
76
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "Ai 2"

  1. 1. Chapter - 2Kecerdasan Buatan Artificial Intelligence Searching Method Tb. Ai Munandar, M.T., Universitas Serang Raya - 2012
  2. 2. Searching Method
  3. 3. OUTLINE• Definisi Masalah dalam AI• Searching Methode – Blind Search (Pencarian Buta) – Heuristic search (pencarian terbimbing)
  4. 4. Definisi Masalah dalam AIMasalah yang dimaksud dalam kajian AI adalahmasalah-masalah yang dapat dikonversi kedalam ruang keadaan (ruang masalah),mempunyai keadaan awal (initial state) dankeadaan tujuan (goal state) serta dapat di buataturan-aturan untuk mengubah suatu keadaan(state) ke keadaan lainnya.
  5. 5. Definisi Masalah dalam AIBeberapa hal yang harus dilakukan untuk mendefinisikanmasalah dalam AI dengan baik :1. Definisikan ruang keadaan (state space): suatu ruang yang berisi semua keadaan yang mungkin.2. Menetapkan satu atau lebih keadaan awal (initial state): keadaan dimulainya sebuah pencarian3. Tetapkan satu atau lebih tujuan (goal): keadaan diakhirinya sebuah pencarian.4. Menetapkan kumpulan aturan : aturan yang dapat digunakan untuk mengubah suatu keadaan ke keadaan lainnya.
  6. 6. Definisi Masalah dalam AIContoh kasus :Pada suatu hari ada seorang petani yang mempunyai seekor kambing danserigala. Pada saat itu dia baru panen sayuran. Karena membutuhkan uang,petani tersebut hendak menjual kambing, serigala dan sayurannya ke pasarLabuan. Untuk sampai ke pasar Labuan, ia harus menyebrang sungai.Permasalahannya, disungai itu hanya tersedia satu perahu yang hanya bisamemuat petani dan satu penumpang lainnya (serigala, kambing atausayuran). Jika ditinggal oleh petani tersebut, maka sayuran akan dimakankambing dan kambing dimakan serigala. Bagaimana caranya agar petani,kambing, serigala dan sayuran dapat menyebrang dengan selamat?-Deskripsikan masalah-Tentukan ruang keadaan-Tentukan keadaan awal-Tentukan keadaan tujuan-Tentukan aturan (rule) yang mungkin digunakan dalam konsep AI
  7. 7. Definisi Masalah dalam AI- Deskripsikan masalah : Ada daerah asal dan daerah sebrang yang dilambangkan dengan (P, Sy, K, Sg)- Tentukan ruang keadaan : untuk daerah asal dan daerah sebrang digambarkan sebagai (P, Sy, K, Sg)- Tentukan keadaan awal - Daerah asal : (P, Sy, K, Sg) - Daerah tujuan : (0,0,0,0)- Tentukan keadaan tujuan - Daerah asal : (0,0,0,0) - Daerah tujuan : (P, Sy, K, Sg)- Tentukan aturan (rule) yang mungkin digunakan dalam konsep AI
  8. 8. Representasi Pohon PencarianPohon pencarian merupakan sebuah datastruktur yang terdiri atas sebuah simpulinduk utama yang disebut root, tempatdimulainya pencarian. Dimana setiapsimpul dapat memiliki satu atau lebih anak(child).
  9. 9. Terminologi Pohon Pencarian
  10. 10. Algoritma Umum Pencarian
  11. 11. Searching PerformanceEmpat kriteria yang dapat dilakukan untuk mengukurperforma suatu metode pencarian ;1. Completeness : apakah metode tersebut menjamin adanya solusi jika solusinya ada?2. Time Complexity : berapa lama waktu yang diberikan untuk menemukan solusi tersebut?3. Space Complexity : berapa banyak memori yang dibutuhkan untuk menemukan solusi tersebut?4. Optimality: apakah metode tersebut menjamin bisa menemukan solusi terbaik jika terdapat beberapa solusi yang berbeda
  12. 12. Blind SearchUninformed Search
  13. 13. Blind Search / Uninform SearchSecara umum, pencarian buta terbagi atas duaalgoritma , yaitu ;1. Breadth First Search (BFS) – Pencarian melebar Pertama2. Depth First Search (DFS) – Pencarian Mendalam Pertama
  14. 14. Breadth First Search (BFS)• Pada metode BFS, semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1.• Pencarian dimulai dari node akar, terus ke level-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya, demikian pula dari kiri ke kanan hingga ditemukannya goal (tujuan) pada node terakhir.
  15. 15. Breadth First Search (BFS)Algortima BFS
  16. 16. Breadth First Search (BFS)• Keuntungan : – Tidak akan menemui jalan buntu (menjamin ditemukannya solusi yang paling baik – Jika ada 1 solusi, maka BFS akan menemukannya, dan jika ada lebih dari 1 solusi, maka solusi minimum akan ditemukan.• kerugian : – Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam 1 pohon – Membutuhkan waktu yang cukup lama, karena menguji n level untuk mendapatkan solusi pada level yang ke – (n+1)
  17. 17. Depth First Search (DFS)• Pada metode DFS, proses pencarian akan dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel.• Pencarian dimulai dari node akar ke node yang levelnya lebih tinggi. Proses ini diulangi hingga ditemukannya goal.
  18. 18. Depth First Search (DFS)Algortima DFS
  19. 19. Depth First Search (DFS)• Keuntungan : – Membutuhkan memori yang relatif kecil, karena banyak node-node pada lintasan yang aktif saja yang disimpan. – Secara kebetulan, DFS akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.• Kerugian : – Memungkinkan tidak ditemukannya tujuan yang diharapkan – Hanya akan mendapatkan 1 solusi pada setiap pencarian
  20. 20. Heuristic Search Informed Search
  21. 21. Heuristic Search• Heuristic adalah suatu kriteria, metode atau prinsip dalam memilih antara beberapa kemungkinan aksi yang dianggap adalah aksi-aksi yang dapat mencapai tujuan yang paling efisien.• Pencarian heuristic terdiri atas : – Generate and Test – Hill Climbing • Simple Hill Climbing • Steepest-Ascent Hill Climbing – Best First Search – Algoritma A* – Simulated Annelaing
  22. 22. Generate and Test• Metode Generate and Test merupakan metode paling sederhana dalam pencarian heuristic.• Peggabungan antara depth first search dengan pelacakan mundur (backtracking), karena solusi harus dibangkitkan secara lengkap sebelum dilakukan test.• Memerlukan waktu yang lama untuk ruang masalah yang sangat luas.
  23. 23. Generate and Test• Algoritma G&T : 1. Bangkitkan semua kemungkinan solusi 2. Uji, apakah solusi tersebut merupakan solusi yang bisa diterima sesuai dengan kriteria yang diberikan. 3. Jika solusi ditemukan, keluar. Jika tidak, ulangi langkah (1)
  24. 24. Generate and Test• Contoh kasus 2.2 :Seorang sales buku yang berada di kota A, akan mengirimkan barang kekota Z. untuk bisa mencapai kota Z, ada beberapa jalur yang bisa diatempuh dengan melewati beberapa kota lainnya. Jika perjalanan dimulaidari kota A kemudian melewati beberapa jalur dan jarak sebagai berikut :1. A (4) B  (3)D  (4)E  (6)G  (4)J  (1)K2. A  (4)B  (3)D  (4)E  (6)G  (7)Z3. A  (4)B  (3)D  (4)E  (6)G  (2)H  (6)Z4. A  (4)B  (3)D  (4)E  (6)G  (8)F  (4)I5. A  (5)C  (2)F  (4)I6. A  (5)C  (3)E  (6)G  (4)J  (1)K7. A  (5)C  (3)E  (6)G  (8)F  (4)I8. A  (5)C  (3)E  (6)G  (2)H  (6)Z9. A  (5)C  (3)E  (6)G  (7)ZPERTANYAAN : Jalur manakah yang harus dilewati agar perjalanannya bisa menghematbiaya transportasi?
  25. 25. Generate and Test• Penyelesaian : – Gambarkan graf sebagai ruang pencarian – Generate (hitung) masing-masing jalur yang memungkinkan ke tujuan – Uji masing-masing jalur yang sudah di generate apakah memenuhi jalur terpendek ?
  26. 26. Generate and Test• Graf ruang pencarian :
  27. 27. Generate and Test• Perhitungan jalur – Keadaan Awal :A – Keadaan akhir (Goal) :Z• Solusi yang dicari adalah sebuah jalur yang diawali kota A dan diakhiri kota Z (gunakan algoritma DFS)• Biaya bisa dihemat jika jalur yang ditempuh menghasilkan jarak terpendek
  28. 28. Hill Climbing• Metode hill climbing hampir sama dengan metode Generate and Test, perbedaanya terletak pada proses pengujian yang dilakukan dengan menggunakan fungsi heuristik.• Pembangkitan keadaan berikutnya sangat bergantung pada feedback dari prosedur pengetesan.• Terbagi dua : Simple Hill Climbing dan Steepest- Ascent Hill Climbing
  29. 29. Simple Hill Climbing• Algoritma : 1. Tentukan Sucessor dari state saat ini 2. Pilih sucessor yang paling baik (bila semua sucessor sama baik, maka pilih secara acak) 3. Bila nilai sucessor lebih kecil dari state saat ini, maka berhenti 4. Jika nilai sucessor lebih besar, maka jadikan sucessor state saat ini lalu kembali ke langkah 1
  30. 30. Simple Hill Climbing• Contoh pada kasus 2.2, ruang keadaan yang terbentuk berisi semua kemungkinan lintasan yang mungkin dilalui.• Operator kemudian digunakan untuk menukar posisi kota yang bersebelahan. Fungsi heuristik yang digunakan adalah panjang lintasannya. Perhitungan dimulai dari kiri ke kanan mengikuti nilai heuristik terbaik.• Formula untuk menentukan banyaknya kombinasi penukaran kota dapat dinyatakan dengan :• Sehingga jika kita memiliki 6 kota, maka banyaknya kombinasi adalah : 6!/(2!(6-2)! = 15 kombinasi
  31. 31. Steepest-Ascent Hill Climbing• Hampir sama dengan simple hill climbing, hanya saja gerakan pencarian tidak dimulai dari posisi paling kiri.• Gerakan pencarian selanjutnya dimulai berdasarkan nilai heuristik terbaik.• Urutan penggunaan operator tidak menentukan penemuan solusi.
  32. 32. Best First Search (BFS)• BFS merupakan gabungan DFS dan Breadth First Search (BFS).• Pencarian diperbolehkan mengunjungi node yang ada dilevel yang lebih rendah asalkan node ini memiliki nilai heuristik yang lebih baik.• Contoh pada kasus 2.2 pencarian rute terpendek, dimana keadaan awal A dan tujuan Z. Dalam hal ini fungsi heuristik yang digunakan adalah node dengan jarak terpendek.
  33. 33. Best First Search (BFS)• Penyelesaian kasus 2.2 – Masukan node A ke stack, kemudian keluarkan A dan cek, jika A bukan Goal, maka cek anak dari A. – A memiliki anak C(5) dan B(4), masukan ke stack dan urutkan secara ascending. – Ambil nilai heuristik terbaik (jarak terpendek) dalam hal ini kota B, sehingga kota B di buka sampai ke anak nya…bandingkan kembali nilai heuristik dari path B dengan C tadi, jika path dari kota B masih lebih baik, maka lanjutkan, tetapi jika C nilai heuristiknya lebih baik, maka path tertentu dari kota B berhenti, kemudian dilanjutkan ke kota C. – Pencarian terus berulang sampai menemukan goalnya dengan jarak terpendek.
  34. 34. TUGAS 2.1Jika seorang kurir akan mengirimkan barang pesanan kepadapelanggannya dan diminta untuk melewati jalur yangtercepat, sementara dari alternatif jalur yang bisa dilalui, adabeberapa jalur yang memungkinkan seperti berikut : A-B(5)-E(4)-H(7)-J(3)-I(3)-K(3)-L(4) A-B(5)-E(4)-I(4)-K(3)-L(4) A-B(5)-D(5)-G(4)-K(6)-L(4) A-B(5)-D(5)-G(4)-F(4)-K(7)-L(4) A-C(6)-F(4)-G(5)-K(6)-L(4) A-C(6)-F(4)-L(9)Jika diketahui biaya perjalanan yang dibutuhkan ditentukanoleh persamaan (2*panjang jalur)+500, jalur manakah yangbisa ditempuh dengan biaya perjalanan terminim
  1. A particular slide catching your eye?

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

×