Bab 4. Informed Search
|
|
- Hartono Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Bab 4. Informed Search Review Pada bab 3 dapat disimpulkan hal hal sbb: Ada banyak cara untuk memanfaatkan knowledge saat menformulasikan suatu masalah dalam bentuk states dan operators. GENERAL-SEARCH algorithm hanya dapat memanfaatkan knowledge yang diperoleh dari type antrian (queuing function) yang menentukan children nodes yang akan di generate berikutnya. Uninformed search strategies dapat dimanfaatkan untuk mencari solusi bagi suatu masalah dengan cara men generate new states secara sistematic dan memeriksa/membandingkan state tersebut dengan goal state. Cara ini umumnya tidak effisien karena strategy yang dipakai defined by picking the order of node expansion. Mengingat kelemahan diatas maka dikembangkan search techniques yang berbeda dengan blind search diatas yang disebut Heuristic search. Ada dua cara heuristic search yang banyak digunakan yaitu: 1. Best First Search 2. A* search (baca: A star). Pengertian Heuristic Blind search hanya dapat membedakan suatu node merupakan goal node atau non-goal node. Pada kenyataannya terdapat beberapa problem-specific knowledge yang dimiliki yang dapat membantu membimbing ( guide ) proses searching, yang disebut heuristic. Kata heuristic diturunkan dari bahasa Greek heuriskein yang artinya to find atau to discover. Beberapa definisi dari heuristic dijumpai antara lain: The study of methods for discovering and inventing problem solving techniques, partucularly for the problem of coming up with mathematical proff [George Polya, 1957] A process that may solve a given problem, but offers no guarantees of doing so is called a heuristic for that problem [Newell & Simon, 1963] Misalnya: h(n) = estimate of distance from node n to a goal node. (straight line on map). Jika diberikan list of nodes yang dapat di expand maka node dengan h(n) minimal yang paling menjanjikan menuju pada goal state. Best First Search Idea: gunakan suatu evaluation function untuk setiap node dalam menentukan tingkat desirability dari node tersebut dan expand most desirable unexpanded node, Implementasi : insert successors in decreasing order of desirability Special cases dari Best First Search adalah Greedy Search dan A* atau A Star.
2 Greedy Search Akan kita tinjau contoh tentang Romania yang lalu Evaluation function h (n) = estimate of cost from n to goal Misalnya h SLD (n) = straight line distance from n to Bucharest Greedy search akan meng expand node yang kelihatannya closest to goal. Greedy search steps dapat dilihat pada gambar berikut Karakteristik dari Greedy Search: Complete?? Time?? No, dapat stuck di loop, misalnya: lasi Neamt lasi Neamt Complete in finite space with repeated-state checking O (b m ), but a good heuristic can give dramatic improvement
3 Space?? Optimal?? O (b m ), keeps all nodes in memory No h SLD dari Arad ke Bucharest adalah melalui path Arad Sibiu Fagaras Bucharest Dan mendapatkan total cost = 450 Greedy search tidak optimal karena dengan melalui path Arad Sibiu Rimnicu Pitesti Bucharest akan mendapatkan total cost = 418, jadi lebih kecil dari h SLD diatas. Maka Best First adalah Greedy karena setiap kali Best First takes biggest step. A * search A * didasarkan pada suatu basic Idea yaitu avoid expanding paths that already expensive. Evaluation function: f (n) = g (n) + h (n) Dimana: g (n) = cost so far to reach n h (n) = estimated cost to goal from n f (n) = estimated total cost of path through n to goal Pada A*, kita perhitungkan 2 factor yaitu 1. Path dari start sampai ke current position n melalui function g(n) dan ini merupakan suatu actual value 2. Path dari current position n ke goal melalui fungsi h(n) dan ini merupakan suatu estimasi. Total kedua nilai inilah yang akan menghasilkan estimasi path cost dari start to goal melalui current possition n. A* search menggunakan admissible heuristic dimana h (n) lebih kecil atau maksimum sama dengan h* (n) dimana h* (n) adalah true cost dari n. Misalnya h SLD (n) tidak pernah lebih besar dari actual road distance. A* bersifat optimal. A* search steps Start: Arad h (n) = h SLD (Arad) = 366 Expand Arad: 1. Zerind with distance from Arad = 75
4 h SLD (Zerind) = 374 f (Zerind) = = Sibiu with distance from Arad = 140 h SLD (Sibiu) = 253 f (Sibiu) = = Timisoara with distance from Arad = 118 h SLD (Sibiu) = 329 f (Sibiu) = = 447 Dari tiga buah expanded node diatas, A* akan meng expand Sibiu untuk ekspansi selanjutnya mengingat cost to Bucharest through Sibiu is the lowest. Keseluruhan search sampai ke Bucharest dapat dilihat pada gambar dibawah
5 Contoh : Eight Puzzle Ada dua kemungkinan heuristik yang dapat digunakan untuk 8-puzzle problem diatas yaitu: h1(n) = number of misplaced tiles h2(n) = total Manhattan distance (number of squares from desired location of each tile) Manakah dari kedua heuristics diatas yang lebih baik? untuk digunakan dalam search. Dari hasil perhitungan/pengamatan kedua state S dan G diatas diperoleh: h 1 (S) = 7 h 2 (S) = = 18 If h 2 (n) > atau sama dengan h 1 (n) untuk seluruh nilai n ( jadi keduanya admissible) maka h 2 akan lebih baik dari pada h 1 untuk search. Untuk beberapa contoh problem lainnya penggunaan A* dengan h(n) admissible yang berbeda dibandingkan dengan IDS pada d (depth) = 14 akan diperoleh perbandingan yang sangat significant seperti dibawah ini: d = 14 Search IDS A* (h 1 ) A* (h 2 ) Nodes expanded Nodes expanded 2 Too many Dari tabel diatas terlihat A* jauh lebih baik dari IDS dan A* akan sangat tergantung pada pemilihan algoritma admissible heuristik yang digunakan yaitu nilai h(n). Different heuristic function akan sangat berpengaruh pada saat nilai d semakin besar seperti terlihat pada tabel berikut:
6 Seringkali sulit dalam mendapatkan suatu heuristics yang admissible. Untuk mengatasi hal ini, admissible heuristic bisa didapatkan (derived) dari exact solution cost of a relaxed version dari problem ybs. Sebagai contoh: Jika rules dari 8-puzzle problem are relaxed (disederhanakan) dimana tile dapat dipindahkan kemana saja (anywhere), maka h 1 (n) akan memberikan shortest solution. Jika rules dari 8-puzzle problem are relaxed (disederhanakan) dimana tile dapat dipindahkan ke any adjacent square, maka h 2 (n) akan memberikan shortest solution. Pada problem TSP, jika path merupakan any structure yang menghubungkan seluruh cities, kita akan memperoleh minimum spanning tree heuristic. Seringkali pada problem tertentu, path is irrelevant answer, namun goal state adalah solusi yang diinginkan. Akibatnya, state space akan merupakan suatu set of complete configuration, misalnya mencari optimal configuration pada TSP atau mencari konfigurasi yang memenuhi suatu constraint tertentu seperti halnya pada n-queens problem. Untuk kasus problem seperti diatas, seringkali harus digunakan iterative improvement algorithm, dimana kita harus menyimpan suatu single current state dan try to improve that through iteration. Contoh relaxed problem 1 2
7
Informed Search (Heuristic) & Eksplorasinya
Informed Search (Heuristic) & Eksplorasinya Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 21 Pokok Bahasan Uninformed search strategies Best-first search Greedy
Lebih terperinciAI sebagai Masalah Pelacakan. Lesson 2
AI sebagai Masalah Pelacakan Lesson 2 Teknik Pencarian Pendahuluan Setelah permasalahan direpresentasikan dalam bentuk state-space, maka selanjutnya dilakukan pencarian (searching) di dalam state-space
Lebih terperinciBab 3 Solving Problem by Searching
Bab 3 Solving Problem by Searching Problem Solving Agent Simple Reflex agents are unable to plan ahead Their action are determined only by current percept No knowledge of what their action nor what is
Lebih terperinciProblem solving by Searching. Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ
Problem solving by Searching Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ Pendahuluan Pengantar : Membahas agen cerdas penyelesaian problem serta strategi uninformed untuk memecahkan masalah. Tujuan:
Lebih terperinciIKI30320 Kuliah 5 12 Sep Ruli Manurung. Best-first. search. Greedy best-first. search. search. Merancang heuristic
Outline 1 A IKI 30320: istem Cerdas : Informed earch A 2 3 A 4 Fakultas Ilmu Komputer Universitas Indonesia 5 12 eptember 2007 6 Heuristic function A Prinsip akukan node expansion terhadap node di fringe
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 3: Problem-Solving Agent & Search
IKI 30320: Sistem Cerdas : -Solving Agent & Fakultas Ilmu Komputer Universitas Indonesia 3 September 2007 Outline 1 2 3 4 5 Outline 1 2 3 4 5 -Solving Agent Di kuliah yang lalu kita melihat contoh reflex
Lebih terperinciHal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian.
Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. 3 Teknik Search menentukan simpul mana yang dibuat lebih dulu dan mana yang kemudian sampai ditemukannya simpul
Lebih terperinciProblem-solving Agent: Searching
Problem-solving Agent: Searching Kuliah 3 Sistem Cerdas 5 April 2010 STMIK Indonesia Problem-Solving Agent Kelemahan reflex agent tidak cocok untuk menangani masalah besar!! Goal-based agent memiliki tujuan,
Lebih terperinciAlgoritma Pencarian Blind. Breadth First Search Depth First Search
Algoritma Pencarian Blind Breadth First Search Depth First Search Deskripsi Merupakan algoritma untuk mencari kemungkinan penyelesaian Sering dijumpai oleh peneliti di bidang AI Mendefinisikan permasalahan
Lebih terperinciKasus Pelacakan untuk Pemilihan rute terpendek. Bagaimana Representasi Graph (start : Arad => tujuan:bucharest)???
12/11/2009 1 Kasus Pelacakan untuk Pemilihan rute terpendek Oradea 71 75 Zerind 151 Arad 140 118 Timisora 111 Lugoj 70 Mehadia 75 Dobreta 120 Sibiu 99 Fagaras 80 Rimnicu Vilcea 97 Pitesti 146 138 Craiova
Lebih terperinciReferensi. Materi kuliah IF3170 Inteligensi Buatan Teknik Informatika ITB,
Route/Path Planning Referensi Materi kuliah IF3170 Inteligensi Buatan Teknik Informatika ITB, Course Website: http://kuliah.itb.ac.id STEI Teknik Informatika IF3170 Stuart J Russell & Peter Norvig, Artificial
Lebih terperinciInformed search. Greedy Search A* Search IDA* Search RBFS Search SMA* Search
Informed search Greedy Search A* Search IDA* Search RBFS Search SMA* Search Repeated State and Cycle Do not return to the state you just came from. Have the expand function (or the operator set) refuse
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 4: Uninformed Search Strategies (Rev.)
IKI 30320: Sistem erdas : Uninformed Search Strategies (Rev.) Fakultas Ilmu Komputer Universitas Indonesia 5 September 2007 Outline 1 2 3 4 5 Iterative-deepening 6 7 Outline 1 2 3 4 5 Iterative-deepening
Lebih terperinciTujuan Instruksional
Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa
Lebih terperinciPemecahan Masalah dengan Metoda Pencarian (Searching)
Pemecahan Masalah dengan Metoda Pencarian (Searching) Problem-Solving Agent (PSA) Memutuskan tindakan yang harus dilakukan untuk mencapai hasil yang diinginkan. Dengan cara : mengidentifikasi tiap urutan
Lebih terperinciOverview. Searching. Deskripsi. Intro Searching 2/4/2012 IF-UTAMA 1
Jurusan Teknik Informatika Universitas Widyatama Searching Pertemuan : 2 Dosen Pembina : Danang Junaedi Susetyo Bagas Baskoro Sriyani Violina Overview Deskripsi Search Problem & Answer Search Tree Kriteria
Lebih terperinciPenyelesaian Masalah dengan Pencarian
Penyelesaian Masalah dengan Pencarian Model Problem & Pencarian Solusi Mengkonversi situasi yang diberikan ke dalam situasi lain menggunakan sekumpulan operasi tertentu. Searching : merepresentasikan masalah
Lebih terperinciPENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA
PENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA 1. PENDAHULUAN Pada zaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju dari suatu titik awal
Lebih terperinciSearch Strategy. Search Strategy
Search Strategy Search Strategy Salah satu hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian (search) Pada dasarnya ada 2 Teknik pencarian : 1. Metode Buta (Uninformed
Lebih terperinciBreadth/Depth First Search. Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013
Breadth/Depth First Search (BFS/DFS) Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013 1 Traversal Graf Algoritma traversal graf: mengunjungi simpul
Lebih terperinciIKI30320 Kuliah 3 3 Sep Ruli Manurung. Problem solving agent. Representasi masalah: state space. Pencarian solusi: search.
Outline IKI 00: istem Cerdas : -olving Agent & Fakultas Ilmu Komputer Universitas Indonesia 4 eptember 007 5 -olving Agent Mekanisme kerja -olving Agent Di kuliah yang lalu kita melihat contoh reflex agent:
Lebih terperinciIKI30320 Kuliah 4 5 Sep Ruli Manurung. Ulasan. Breadth-first. Uniform-cost. Depth-first. Pengulangan state. Ringkasan
Outline readth-first IKI 30320: Sistem erdas : Uninformed Search Strategies (Rev.) readth-first 1 2 readth-first 3 Fakultas Ilmu Komputer Universitas Indonesia 4 5 Iterative-deepening 6 5 September 2007
Lebih terperinciPertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM
07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy
Lebih terperinciLESSON 6 : INFORMED SEARCH Part II
LESSON 6 : INFORMED SEARCH Part II 3.3 Itterative deepening A* search 3.3.1 Algoritma IDA* Itterative deepening search atau IDA* serupa dengan iterative deepening depth first, namun dengan modifikasi sebagai
Lebih terperinciSebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam
Sebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam Kecerdasan Buatan Pertemuan 04 Variasi A* dan Hill Climbing
Lebih terperinciBahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Depth-first Search:
Bahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Depth-first Search: Backtracking Depth Bounded/Limited Iterative Deepening Branch & Bound (Uniform Cost)
Lebih terperinciKecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed)
Kecerdasan Buatan Pertemuan 03 Pencarian Branch & Bound dan Heuristik (Informed) Husni Lunix96@gmail.com http://www.facebook.com/lunix96 http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM,
Lebih terperinciKecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Konsep Pencarian Pencarian
Lebih terperinciKecerdasan Buatan Penyelesaian Masalah dengan Pencarian
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian Kelas 10-S1TI-03, 04, 05 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2012 Outline Pendahuluan
Lebih terperinciMETODE PENCARIAN BFS dan DFS
METODE PENCARIAN BFS dan DFS Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : Pencarian buta / tanpa informasi (blind / un-informed
Lebih terperinciALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A
Nama : Gede Noverdi Indra Wirawan Nim : 0915051050 Kelas : VI A ALGORITMA PENCARIAN Algoritma pencarian (searching algorithm) adalah algoritma yang menerima sebuah argumen kunci dan dengan langkah-langkah
Lebih terperinciProblem-Solving Agent & Search
Kecerdasan Buatan Problem-Solving Agent & Search Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 38 Pokok Bahasan Problem-solving agent Representasi masalah :
Lebih terperinciSimulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana ( )
Simulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana (0222182) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia E-mail
Lebih terperinciMetode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A*
SEARCHING Russel and Norvig. 2003. Artificial Intelligence: a Modern Approach. Prentice Hall. Suyanto, Artificial Intelligence. 2005. Bandung:Informatika Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA
ANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA Christophorus Yohannes Suhaili 1 ; Mendy Irawan 2 ; Raja Muhammad Fahrizal 3 ; Antonius
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Breadth First Search Berikut ini adalah proses yang dilakukan dengan menggunakan algoritma Breadth first search untuk pencarian jalur. Proses pencarian
Lebih terperinciImplementasi Algoritma A Star pada Pemecahan Puzzle 8
1 Implementasi Algoritma A Star pada Pemecahan Puzzle 8 Yuliana, Ananda dan Ibnu Sur Progr;am Studi Teknik Informatika Politeknik Caltek Riau, Jln. Umbansari no.1 Rumbai Pekanbaru 28261 1 can_1ee14@hoo.com,
Lebih terperinciBahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Breadth & Depth-first Search:
Bahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Breadth & Depth-first Search: Backtracking Depth Bounded/Limited Iterative Deepening (Breadth + Depth First)
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada jaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju suatu tempat. Lintasan yang dipilih untuk menuju tujuan pastilah lintasan yang
Lebih terperinciAplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug
Aplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug Rizkydaya Aditya Putra NIM : 13506037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut
Lebih terperinciI. PENDAHULUAN. Kata Kunci Greedy-Best First Search, SMA*, jalur pendek-efisien, Heuristic
Penerapan Algoritma Simplified-Memory-Bounded A* dan Algoritma Greedy-Best First Search dalam Pencarian Lintasan Terpendek dan Efisiensi Tarif Perjalanan Antar Kota Yongke Yoswara - 13508034 Program Studi
Lebih terperinciMetode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa infor
KCRDASAN UATAN (ARTIFICIAL INTLLIGNC) PRTMUAN 3 SARCHING 1 Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa
Lebih terperinciBAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di
BAB III ALGORITMA GREEDY DAN ALGORITMA A* 3.1 Best First Search Sesuai dengan namanya, best-first search merupakan sebuah metode yang membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini
Lebih terperinciPenyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A*
Penyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A* Makalah IF2211 Strategi Algoritma Marvin Jerremy Budiman (13515076) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
Perancangan dan Pembuatan Sistem Navigasi Perjalanan Untuk Pencarian Rute Terpendek Dengan Algoritma A* Berbasis J2ME Oleh : M. ARIEF HIDAYATULLOH 1204 100 071 Dosen Pembimbing : Prof. Dr. M. Isa Irawan,
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciSEARCHING. Blind Search & Heuristic Search
SEARCHING Blind Search & Heuristic Search PENDAHULUAN Banyak cara yang digunakan untuk membangun sistem yang dapat menyelesaikan masalah-masalah di AI. Teknik penyelesaian masalah yang dapat dipakai untuk
Lebih terperinciALGORITMA PENCARIAN (HEURISTIC)
ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan
Lebih terperinciPERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE
e-journal Teknik Elektro dan Komputer (2014) ISSN: 2301-8402 1 PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE Oleh: Arie S. M. Lumenta
Lebih terperinciKECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM
KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM KERANGKA MASALAH Generate And Test Hill Climbing Best First Search PENCARIAN HEURISTIK Kelemahan blind search : 1.
Lebih terperinciPengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)
Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Development of Optimal Search Using Generate and Test Algorithm with Precedence Diagram (GTPRE)
Lebih terperinciBranch & Bound. Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra
Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra Overview Pembentukan pohon ruang status (state space tree) dinamis dengan BFS, DFS, DLS, dan IDS untuk mencari
Lebih terperinciPENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG
PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG Firman Harianja (0911519) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Graf 2.1.1 Definisi Graf Graf adalah pasangan himpunan (V, E), dan ditulis dengan notasi G = (V, E), V adalah himpunan tidak kosong dari verteks-verteks {v 1, v 2,, v n } yang
Lebih terperinciABSTRACT. Keyword: Algorithm, Depth First Search, Breadth First Search, backtracking, Maze, Rat Race, Web Peta. Universitas Kristen Maranatha
ABSTRACT In a Rat Race game, there is only one way in and one way out. The objective of this game is to find the shortest way to reach the finish. We use a rat character in this game, so the rat must walk
Lebih terperinciAPLIKASI PENCARI RUTE OPTIMUM PADA PETA GUNA MENINGKATKAN EFISIENSI WAKTU TEMPUH PENGGUNA JALAN DENGAN METODE A* DAN BEST FIRST SEARCH 1
APLIKASI PENCARI RUTE OPTIMUM PADA PETA GUNA MENINGKATKAN EFISIENSI WAKTU TEMPUH PENGGUNA JALAN DENGAN METODE A* DAN BEST FIRST SEARCH 1 Rudy Adipranata 1, Andreas Handojo 2, Happy Setiawan 3 1,2 Teknik
Lebih terperinciMETODE PENCARIAN. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
METODE PENCARIAN Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Teknik- Teknik Search (1/3) Hal- hal yang muncul
Lebih terperinciKECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh:
KECERDASAN BUATAN Simple Hill Climbing Disusun Oleh: 1. Lutvi Maulida Al H. (081112006) 2. Nurul Fauziah (081112021) 3. Anggraeni Susanti (081112055) 4. Syahrul Bahar Hamdani (081211232012) Departemen
Lebih terperinciBack end. Generate soal. logic. Generate plan. output. N-puzzle solved GUI. Parsing output dari solver
4 2 Modul permainan untuk user akan menampilkan graphic user interface berupa soal N-puzzle yang dapat dimainkan oleh user dan solusinya. 3 Modul untuk pengujian akan menampilkan soal yang dibangkitkan,
Lebih terperinciLESSON 5 : INFORMED SEARCH Part I
LESSON 5 : INFORMED SEARCH Part I 3.1 Pengantar Kita telah menunjukan beberapa metda pencarian yang berbeda. Di bagian bagian awal bab ini kita telah menunjukan beberapa metde pencarian buta (blind search).
Lebih terperinciBAB I PENDAHULUAN. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul sedemikian hingga jumlah bobot sisi-sisi
Lebih terperinciPenerapan Algoritma A* dalam Penentuan Lintasan Terpendek
Penerapan Algoritma A* dalam Penentuan Lintasan Terpendek Johannes Ridho Tumpuan Parlindungan/13510103 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek.
Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Arnold Nugroho Sutanto - 13507102 1) 1) Jurusan Teknik Informatika ITB, Bandung 40132, email: if17102@students.if.itb.ac.id
Lebih terperinciANALISIS ALGORITMA A* DAN BDA* PADA PERMASALAHAN PLANNING (STUDI KASUS: LOGISTIK)
ANALISIS ALGORITMA A* DAN BDA* PADA PERMASALAHAN PLANNING (STUDI KASUS: LOGISTIK) Ezra Juliemma Silalahi¹, Ririn Dwi Agustin², Agung Toto Wibowo³ ¹Teknik Informatika,, Universitas Telkom Abstrak Dalam
Lebih terperinciPraktikum Blind Search (BFS dan DFS)
Praktikum Blind Search (BFS dan DFS) LATIHAN SOAL A. 1. Jelaskan algoritma BFS! 2. Jelaskan algoritma DFS! B. Aplikasi Game Petani Angsa Serigala - Padi 1. Tentukan ruang permasalahan (problem space) dari
Lebih terperinciMETODE PENCARIAN DAN PELACAKAN
METODE PENCARIAN DAN PELACAKAN SISTEM INTELEGENSIA Pertemuan 4 Diema Hernyka S, M.Kom Materi Bahasan Metode Pencarian & Pelacakan 1. Pencarian buta (blind search) a. Pencarian melebar pertama (Breadth
Lebih terperinciArtificial Intelegence/ P_2. Eka Yuniar
Artificial Intelegence/ P_2 Eka Yuniar Pokok Bahasan Definisi Masalah Ruang Masalah Metode Pencarian BFS dan DFS Problem/ Masalah Masalah dalam kecerdasan buatan adalah masalah yang dapat dikonversi ke
Lebih terperinciSistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015
Sistem Kecerdasan Buatan Masalah, Ruang Masalah dan Pencarian Solusi Bahan Bacaan : Sri Kusumadewi, Artificial Intelligence. Russel, Artificial Intelligence Modern Approach 2 bagian utama kecerdasan buatan
Lebih terperinciPENERAPAN ALGORITMA A* (STAR) UNTUK MENCARI RUTE TERCEPAT DENGAN HAMBATAN
PENERAPAN ALGORITMA A* (STAR) UNTUK MENCARI RUTE TERCEPAT DENGAN HAMBATAN Yenie Syukriyah 1) Falahah 2) Hermi Solihin 3) 1,2,3) Teknik Informatika Universitas Widyatama Jl. Cikutra no. 204 A Bandung yenie.syukriyah@widyatama.ac.id
Lebih terperinciFREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA PIE
FREQUENT ITEMSET MINING MENGGUNAKAN ALGORITMA PIE Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail: tati@stts.edu ABSTRAK Frequent itemset mining adalah algoritma yang digunakan
Lebih terperinciBAB I PENDAHULUAN. Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting. Namun pada kenyataannya, terdapat banyak hal yang dapat menghambat
Lebih terperinciBab 2 2. Teknik Pencarian
Bab 2 2. Teknik Pencarian Bab ini membahas bagaimana membuat ruang masalah untuk suatu masalah tertentu. Sebagian masalah mempunyai ruang masalah yang dapat diprediksi, sebagian lainnya tidak. 1.1 Pendefinisian
Lebih terperinciKI Kecerdasan Buatan Materi 5: Pencarian dengan Optimasi (Local Search & Optimization )
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" 3rd Ed., Prentice Hall, New Jersey, 2010 KI091322 Kecerdasan Buatan Materi 5: Pencarian dengan Optimasi (Local Search
Lebih terperinciSEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM
SEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM Ditto Djesmedi ( 0222009 ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciAlgoritma Branch & Bound
Algoritma Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika STEI ITB 2018 Overview Pembentukan pohon ruang status (state space tree) dinamis untuk mencari solusi persoalan
Lebih terperinciPenerapan BFS dan DFS pada Pencarian Solusi
Bahan Kuliah ke-8 IF5 Strategi Algoritmik Penerapan BFS dan DFS pada Pencarian Solusi Disusun oleh: Ir. Rinaldi Munir, M.T. Departemen Teknik Informatika Institut Teknologi Bandung 4 Struktur pencarian
Lebih terperinciOutline. Struktur Data & Algoritme (Data Structures & Algorithms) Pengantar. Definisi. 2-3 Trees
Struktur Data & Algoritme (Data Structures & Algorithms) 2-3 Trees Outline Pengantar Definisi 2-3 Tree Operasi: Search Insert Delete (a,b)-tree Denny (denny@cs.ui.ac.id) Suryana Setiawan (setiawan@cs.ui.ac.id)
Lebih terperinciBAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para
Lebih terperinciSOLUSI PENCARIAN N-PUZZLE DENGAN LANGKAH OPTIMAL : SUATU APLIKASI PENDEKATAN FUNGSIONAL
Techno.COM, Vol. 10, No. 3, Agustus 2011:98-107 SOLUSI PENCARIAN N-PUZZLE DENGAN LANGKAH OPTIMAL : SUATU APLIKASI PENDEKATAN FUNGSIONAL Wijanarto Program Studi Teknik Informatika, Fakultas Ilmu Komputer
Lebih terperinciSOLUSI PENCARIAN N-PUZZLE DENGAN LANGKAH OPTIMAL : SUATU APLIKASI PENDEKATAN FUNGSIONAL
Techno.COM, Vol. 10, No. 3, Agustus 2011: 98-107 SOLUSI PENCARIAN N-PUZZLE DENGAN LANGKAH OPTIMAL : SUATU APLIKASI PENDEKATAN FUNGSIONAL Wijanarto Program Studi Teknik Informatika, Fakultas Ilmu Komputer,
Lebih terperinciSSSS, Problem Solving. State Space Search. Erick Pranata. Edisi I
SSSS, Problem Solving State Space Search Erick Pranata Edisi I 19/04/2013 Definisi Merupakan sebuah teknik dalam kecerdasan buatan yang dapat digunakan untuk mencari langkah-langkah yang perlu ditempuh
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Aplikasi permainan (game) sekarang ini sudah semakin berkembang. Hal ini dibuktikan melalui media yang dipakai untuk game yang semakin beragam. Sekarang ini game tidak
Lebih terperinciRuang Pencarian PERTEMUAN 3
Ruang Pencarian PERTEMUAN 3 TUJUAN INSTRUKSIONAL Mahasiswa dapat mendeskripsikan sebuah permasalahan secara formal Mahasiswa dapat merancang ruang pencarian dari sebuah permasalahan AGEN YANG MEMILIKI
Lebih terperinciArtificial Intelegence/ P_3 EKA YUNIAR
Artificial Intelegence/ P_3 EKA YUNIAR Pokok Bahasan Teknik Pencarian Heuristik Generate And Test Hill Climbing Best First Searching Problem Reduction Constrait Satisfaction Means End Analysis Teknik Pencarian
Lebih terperinciTIP 163. Game Engine. Topik 5 (Pert 6) Graf, Representasi Dunia, dan Algoritma Pencari Jalur (Pathfinding) Dosen: Aditya Wikan Mahastama
TIP 163 Game Engine Topik 5 (Pert 6) Graf, Representasi Dunia, dan Algoritma Pencari Jalur (Pathfinding) Dosen: Aditya Wikan Mahastama Last Week Review Adakah permasalahan dalam tugas terakhir yang diberikan
Lebih terperinciIMPLEMENTASI DAN ANALISIS ALGORITMA A*(STAR) UNTUK MENENTUKAN JALUR DENGAN MULTIPLE GOAL PADA PERGERAKAN NPC(NON-PLAYABLE CHARACTER)
IMPLEMENTASI DAN ANALISIS ALGORITMA A*(STAR) UNTUK MENENTUKAN JALUR DENGAN MULTIPLE GOAL PADA PERGERAKAN NPC(NON-PLAYABLE CHARACTER) Implementation and Analysis of A* Algorithm for Multiple Goal Pathfinding
Lebih terperinciTEKNIK PENYELESAIAN MASALAH BERDASARKAN AI
TEKNIK PENYELESAIAN MASALAH BERDASARKAN AI 1. Definisikan masalah dengan tepat 2. Analisa masalahnya 3. Representasikan task knowledge 4. Pilih dan gunakan representasi dan teknik reasoning Untuk mendefinisikan
Lebih terperinciMasalah, Ruang Masalah dan Pencarian
Masalah, Ruang Masalah dan Pencarian Definisi Masalah dan Ruang Masalah Metode Pencarian Buta Breadth First Search Depth First Search Referensi Luger & Stubblefield - bab 3 Sri Kusumadewi - bab 2 Rich
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciAplikasi Graf Pada Algoritma Pathfinding Dalam Video Game
Aplikasi Graf Pada Algoritma Pathfinding Dalam Video Game Luqman Faizlani Kusnadi and 13512054 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM
ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM Hari Murti 1, R. Soelistijadi 2, Sugiyamto 3 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciBAB III METODE PELACAKAN/PENCARIAN
BAB III METODE PELACAKAN/PENCARIAN Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan,
Lebih terperinciJurusan Teknik Elektro ITS Surabaya, Jurusan Teknik Elektro ITS Surabaya, Jurusan Teknik elektro ITS Surabaya
1 PERENCANAAN JALUR TERPENDEK PADA ROBOT NXT DENGAN OBSTACLE DINAMIS MENGGUNAKAN ALGORITMA D* Wahris Shobri Atmaja 1), Diah Puspito Wulandari, ST.,Msc 2), Ahmad Zaini, ST., MT. 3) Jurusan Teknik Elektro
Lebih terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Spesifikasi Perangkat Keras Spesifikasi perangkat keras minimum yang diperlukan untuk dapat menjalankan aplikasi adalah sebagai berikut. a. Processor
Lebih terperinciPencarian Lintasan Terpendek Pada Peta Digital Menggunakan Teori Graf
Pencarian Lintasan Terpendek Pada Peta Digital Menggunakan Teori Graf Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Artificial Intelligence Pada dasarnya, banyak pandangan serta pengertian mengenai AI, dan secara garis besar, Russell & Norvig (2010:2) membagi pengertian AI ke dalam empat
Lebih terperinciPenerapan Metode Best First Search Pada Permainan Tic Tac Toe
Penerapan Metode Best First Search Pada Permainan Tic Tac Toe Harvei Desmon Hutahaean STMIK Pelita Nusantara, Jl. Iskandar Muda No. 1 Medan, Sumatera Utara, Indonesia http : // www.penusa.ac.id, Email:
Lebih terperinci