Ai 20111024

952 views

Published on

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

  • Be the first to like this

No Downloads
Views
Total views
952
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
24
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Ai 20111024

  1. 1. Metode Pelacakan Heuristik Inteligensi Buatan (MKB6403) Kuliah 5 SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN TEKNIK KOMPUTER INDONESIA (STMIK-INDONESIA) © 2011 Uninformed VS Informed Search Uninformed search hanya menggunakan informasi dari definisi masalah. Sedangkan informed search menggunakan informasi lain (contoh: path cost) dalam mencari solusi Jenis-jenis uninformed search: Breadth-first search Depth-first search Depth-limited search Iterative deepening search Jenis-jenis informed search: Uniform cost search Greedy best-first search Best-first search A*search11/5/2011 Metode Pelacakan Heuristik 2
  2. 2. Uniform Cost Search• Prinsip uniform cost search: Lakukan node expansion terhadap node di fringe yang path cost-nya paling kecil → cheapest solution• Implementasi: fringe adalah sebuah priority queue di mana node disortir berdasarkan path cost function g(n)• Jika semua step cost sama, uniform cost sama dengan breadth-first search11/5/2011 Metode Pelacakan Heuristik 3 Contoh Penerapan UCS A 1 10 B 5 5S G 15 C 511/5/2011 Metode Pelacakan Heuristik 4
  3. 3. Contoh Penerapan UCS A S 0 1 10 B 5 5S G 15 C 511/5/2011 Metode Pelacakan Heuristik 5 Contoh Penerapan UCS A S 0 1 10 B 5 5S G A 1 B 5 C 15 15 C 511/5/2011 Metode Pelacakan Heuristik 6
  4. 4. Contoh Penerapan UCS A S 0 1 10 B 5 5S G A 1 B 5 C 15 15 C 5 G 1111/5/2011 Metode Pelacakan Heuristik 7 Contoh Penerapan UCS A S 0 1 10 B 5 5S G A 1 B 5 C 15 15 C 5 G 11 G 1011/5/2011 Metode Pelacakan Heuristik 8
  5. 5. LatihanCari solusi dari Arad ke Bucharet dengan menggunakan UCS!11/5/2011 Metode Pelacakan Heuristik 9 Best-first Search• Prinsip best-first search: Lakukan node expansion terhadap node di fringe yang nilai f(n)-nya paling kecil• f(n) merupakan sebuah evaluation function yang menyatakan perkiraan seberapa “bagus” suatu node• Implementasi: fringe adalah sebuah priority queue dimana node disortir berdasarkan f(n)11/5/2011 Metode Pelacakan Heuristik 10
  6. 6. Fungsi Heuristik• Kunci keberhasilan best-first search terletak pada heuristic function• Heuristic adalah: – rule of thumb – “kiat-kiat sukses”, “tips-tips keberhasilan” – informasi tambahan bagi si agent (agar lebih sukses) → informed search• Heuristic function h(n) adalah fungsi yang menyatakan estimasi cost dari n ke goal state• Ada banyak kemungkinan heuristic function untuk sebuah masalah11/5/2011 Metode Pelacakan Heuristik 11 Contoh Fungsi HeuristikHeuristic function untuk agent turis Rumania:hSLD(n) = jarak straight-line distance dari n ke Bucharest11/5/2011 Metode Pelacakan Heuristik 12
  7. 7. Greedy Best-first Search• Prinsip best-first search: Lakukan node expansion terhadap node di fringe yang nilai f(n)-nya paling kecil• Greedy best-first search selalu memilih node yang kelihatanannya paling dekat ke goal Arad 36611/5/2011 Metode Pelacakan Heuristik 13 Greedy Best-first Search• Prinsip best-first search: Lakukan node expansion terhadap node di fringe yang nilai f(n)-nya paling kecil• Greedy best-first search selalu memilih node yang kelihatanannya paling dekat ke goal Arad Sibiu 253 Timisoara 329 Zerind 37411/5/2011 Metode Pelacakan Heuristik 14
  8. 8. Greedy Best-first Search• Prinsip best-first search: Lakukan node expansion terhadap node di fringe yang nilai f(n)-nya paling kecil• Greedy best-first search selalu memilih node yang kelihatanannya paling dekat ke goal Arad Sibiu Timisoara 329 Zerind 374 Rimnicu Fagaras 176 Oradea 380 193 Vilcea11/5/2011 Metode Pelacakan Heuristik 15 Greedy Best-first Search• Prinsip best-first search: Lakukan node expansion terhadap node di fringe yang nilai f(n)-nya paling kecil• Greedy best-first search selalu memilih node yang kelihatanannya paling dekat ke goal Arad Sibiu Timisoara 329 Zerind 374 Rimnicu Fagaras Oradea 380 193 VilceaBucharest 011/5/2011 Metode Pelacakan Heuristik 16
  9. 9. A* Search• Prinsip A* search: Hindari node yang berada di path yang “mahal”• Evaluation function f(n) = g(n) + h(n) – g(n) = path cost ke n – h(n) = estimasi path cost dari n ke goal – f(n) = estimasi total cost melalui n11/5/2011 Metode Pelacakan Heuristik 17 Penerapan A* Search Arad 366 = 0 + 36611/5/2011 Metode Pelacakan Heuristik 18
  10. 10. Penerapan A* Search Arad Sibiu Timisoara Zerind 393=140+253 447=118+329 449=75+374 11/5/2011 Metode Pelacakan Heuristik 19 Penerapan A* Search Arad Sibiu Timisoara Zerind 447=118+329 449=75+374 Rimnicu Fagaras Oradea Vilcea415=239+176 671=291+380 413=220+193 11/5/2011 Metode Pelacakan Heuristik 20
  11. 11. Penerapan A* Search Arad Sibiu Timisoara Zerind 447=118+329 449=75+374 Rimnicu Fagaras Oradea Vilcea415=239+176 671=291+380 Craiova Pitesti 526=366+160 417=317+100 11/5/2011 Metode Pelacakan Heuristik 21 Penerapan A* Search Arad Sibiu Timisoara Zerind 447=118+329 449=75+374 Rimnicu Fagaras Oradea Vilcea 671=291+380 Bucharest Craiova Pitesti 450=450+0 526=366+160 417=317+100 11/5/2011 Metode Pelacakan Heuristik 22
  12. 12. Penerapan A* Search Arad Sibiu Timisoara Zerind 447=118+329 449=75+374 Rimnicu Fagaras Oradea Vilcea 671=291+380Bucharest Craiova Pitesti450=450+0 526=366+160 Bucharest Craiova 418=418+0 615=455+160 11/5/2011 Metode Pelacakan Heuristik 23

×