ALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A
|
|
- Ratna Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A ALGORITMA PENCARIAN Algoritma pencarian (searching algorithm) adalah algoritma yang menerima sebuah argumen kunci dan dengan langkah-langkah tertentu akan mencari rekaman dengan kunci tersebut. Setelah proses pencarian dilaksanakan, akan diperoleh salah satu dari dua kemungkinan, yaitu data yang dicari ditemukan ( successful ) atau tidak ditemukan (unsuccessful). 1. Iterative-Deepening Depth-First Search (IDS) a. Pengertian Merupakan metode yang berusaha menggabungkan keuntungan FS (Complete dan Optimal) dengan keuntungan DFS (Space Complexity yang rendah). Tetapi konsekuensinya adalah Time Complexity-nya menjadi tinggi. Perhatikan gambar 1 Pencarian dilakukan secara iteratif (menggunakan penelusuran DFS) dimulai dari Gambar 1 Penelusuran Depth First Search untuk Water Jug Problem.
2 batasan level 1. Jika belum ditemukan solusi, maka dilakukan iterasi ke-2 dengan batasan level 2. Demikian seterusnya sampai ditemukan solusi. Jika solusi ditemukan maka tidak diperlukan proses backtracking (penelusuran balik untuk mendapatkan jalur yang dinginkan). b. Algoritma IDS : function ITERATIVEDEEPENINGSEARCH (problem) returns solution or failure for depth 0 to do result DEPTHLIMITEDSEARCH(problem,depth) if result 6 cutoff then return result Prinsip dari algoritma IDS ini adalah melakukan depth-limited search secara bertahap dengan nilai l yang incremental sampai tidak cut off. erikut ini bagaimana algoritma IDS ini bekerja. Proses 1 Pada Proses pertama ini batas kedalamannya masih 0 atau kosong sehingga akan dilihat apakah solusi sudah ditemukan pada node root. Jika belum ditemukan maka nilai l akan dinaikkan menjadi 1. Proses 2
3 Pada proses kedua batas kedalaman akan bertambah 1 sehingga pencarian solusi secara DFS akan bertambah satu level. Proses 3 Proses ketiga batas kedalaman sudah menjadi 2 sehingga pencarian akan dilakukan sampai level 2. Jika belum menemukan solusinya, l akan kembali dinaiikan menjadi 3. Proses state. Pada proses ketiga pencarian akan dihentikan pada node M karena itu merupakan goal
4 c. Contoh Kasus ROMANIA Carilah rute untuk mencapai kota ucharest dari kota Arad! Penyelesaian Gambar 2 entuk akar dari contoh kasus.
5 Pada contoh kasus kali ini solusi akan ditemukan pada level ke atau pada saat iterasi dari l sama dengan. seperti berikut : Gambar 3 Penyelesaian dengan algoritma IDS. 2. Algoritma ranch and ound a. Pengertian Algoritma ranch and ound (&) juga merupakan metode pencarian di dalam ruang solusi secara sistematis. Algoritma runut-balik skema DFS Algoritma & skema FS Untuk mempercepat pencarian ke simpul solusi, maka setiap simpul diberi sebuah nilai ongkos (cost). Simpul berikutnya yang akan diekspansi tidak lagi berdasarkan urutan pembangkitannya (sebagaimana pada FS murni), tetapi simpul yang memiliki ongkos yang paling kecil (least cost search). Nilai ongkos pada setiap simpul i menyatakan taksiran ongkos termurah lintasan dari simpul i ke simpul solusi (goal node):
6 c ˆ( i) = nilai taksiran lintasan termurah dari simpul status i ke status tujuan Dengan kata lain, c ( ) menyatakan batas bawah (lower bound) dari ongkos pencarian solusi ˆ i dari status i. Prinsip Pencarian Solusi pada Algoritma & Skema FS = skema FIFO (First In First Out). Tinjau kembali persoalan -ratu yang diselesaikan dengan skema FS (murni). 1 x 1 =1 x 1 =2 x 1 x 1 = x 2 =2 x 2 x 2 = x 2 =1 x 2 = x 1 =1 x 2 =1 x 2 =2 x 2 = x 2 =1 x 2 =2 x x 3 =2 x 3 x 3 =2 x 3 = x 3 =1 x 3 x 3 =2 x 3 = x 3 =2 x 3 x 3 =1 x x 30 Gambar Pohon ruang status yang terbentuk untuk persoalan -Ratu dengan metode FS Solusi pertama dicapai pada simpul 30, yaitu X = (2,, 1, 3). Dengan skema FS murni / FIFO, kita harus memperluas dulu simpul 12, simpul 15, dan simpul 16 sebelum memperluas simpul 22 yang melahirkan simpul solusi, yaitu simpul 30. Pada algoritma &, pencarian ke simpul solusi dapat dipercepat dengan memilih simpul hidup berdasarkan nilai ongkos (cost). Setiap simpul hidup diasosiasikan dengan sebuah ongkos yang menyatakan nilai batas (bound). Simpul hidup yang menjadi simpul-e ialah simpul yang mempunyai nilai batas terkecil (strategi pencarian berdasarkan biaya terkecil (least cost search). Untuk setiap simpul X, nilai batas ini dapat berupa [HOR7]:
7 (a) jumlah simpul dalam upapohon X yang perlu dibangkitkan sebelum simpul solusi ditemukan, atau (b) panjang lintasan dari simpul X ke simpul solusi terdekat (dalam upapohon X ybs) Misal digunakan ukuran (b): x 1 =1 x 1 =2 x 1 x 1 = x 2 =1 x 2 = x 1 = x 3 =1 x x 30 simpul solusi Pemberian nilai batas seperti pada persoalan N-Ratu di atas adalah nilai batas yang ideal, karena letak simpul solusi diketahui. Pada umumnya, untuk kebanyakan persoalan, letak simpul solusi tidak diketahui, karena itu, dalam prakteknya, nilai batas untuk setiap simpul umumnya berupa taksiran atau perkiraan. Fungsi heuristik untuk menghitung taksiran cost: cˆ ( i) fˆ( i) gˆ( i) c ˆ( i) ˆ( i) = ongkos untuk simpul i f = ongkos mencapai simpul i dari akar
8 g = ongkos mencapai simpul tujuan dari simpul i. ˆ( i) Simpul berikutnya yang dipilih untuk diekspansi adalah simpul yang memiliki ĉ minimum. b. Algoritma &: 1. Masukkan simpul akar ke dalam antrian Q. Jika simpul akar adalah simpul solusi (goal node), maka solusi telah ditemukan. Stop. 2. Jika Q kosong, tidak ada solusi. Stop. 3. Jika Q tidak kosong, pilih dari antrian Q simpul i yang mempunyai c ( ) paling kecil. Jika terdapat beberapa simpul i yang memenuhi, pilih satu secara sembarang. ˆ i. Jika simpul i adalah simpul solusi, berarti solusi sudah ditemukan, stop. Jika simpul i bukan simpul solusi, maka bangkitkan semua anak-anaknya. Jika i tidak mempunyai anak, kembali ke langkah Untuk setiap anak j dari simpul i, hitung c ( ), dan masukkan semua anak-anak tersebut ke dalam Q. 6. Kembali ke langkah 2. c. Contoh Kasus ˆ j Permainan Puzzle Permainan 15-puzzle ditemukan oleh Sam Loyd pada Tahun (a) Susunan awal (b) Susunan akhir (c) Gambar 5 Susunan puzzle
9 Terdapat 16! (= 20, ) susunan ubin yang berbeda pada bidang kerangka. Sebelum menelusuri ruang status untuk mencapai susunan akhir, kita patut menentukan apakah status tujuan dapat dicapai atau tidak dari status awal. POSISI(i) = posisi ubin bernomor i pada susunan akhir. KURANG(i) = jumlah ubin j sedemikian sehingga j < i dan POSISI(j) > POSISI(i). Misalkan X = 1 jika pada status awal slot kosong berada pada salah satu posisi yang diarsir pada Gambar 7.3c, dan X = 0 jika slot kosong berada pada posisi lainnya. Status tujuan hanya dapat dicapai dari status awal jika 16 KURANG ( i) X bernilai genap. i 1 Pada Gambar 5 mempunyai X = 0 dan 16 i 1 KURANG ( i) = 37, sehingga = 37 (ganjil). Oleh karena itu, status tujuan tidak dapat dicapai dari status awal pada Gambar 5.
10 up right left right left up right left up left left left 3 left up Gambar 6 Sebagian pohon ruang status untuk permainan puzzle
11 Algoritma &: Nilai ongkos untuk simpul P: c( P) f ( P) g P) f(p) = adalah panjang lintasan dari simpul akar ke P ˆ g ( ) = taksiran panjang lintasan terpendek dari P ke simpul solusi pada upapohon yang ˆ P akarnya P. Salah satu cara menghitung g ( ) : ˆ( P) ˆ P g = jumlah ubin tidak kosong yang tidak terdapat pada susunan akhir Paling sedikit sejumlah g ˆ( P) perpindahan harus dilakukan untuk mentransformasikan status P ke status tujuan. ˆ(
12 up right left right left up simpul solusi Gambar 7 Pohon ruang status untuk permainan puzzle yang dibentuk dengan algoritma &. Angka yang dicetak tebal pada bagian bawah setiap simpul menyatakan nilai c ˆ( ).
13 3. Algoritma Pencarian Hill Climbing a. Pengertian Metode hill climbing terinspirasi akan langkah-langkah yang dilakukan oleh para pendaki dalam menemukan camp mereka yang terletak diatas lereng gunung bagian atas. Para pendaki salalu akan mencari jalan yang lebih pintas untuk mencapai tujuannya. Penentuan rute yang dipilih pada metode Hill Climbing akan dibandingkan ketiga jalur tersebut mana yang paling sedikit cost yang arus dikeluarkan, apakah rute yang pling pendek ataupun tinngkat kemacetan yang paling kecil, pemilihan akan bergantung pada informasi yang diberikan pada peta yang akan dilalui. Dalam ilmu komputer, mendaki bukit adalah optimasi matematika teknik yang dimiliki oleh keluarga pencarian lokal. Meskipun algoritma yang lebih maju bisa memberikan hasil yang lebih baik, dalam beberapa situasi mendaki bukit bekerja sama dengan baik. Mendaki bukit dapat digunakan untuk memecahkan masalah-masalah yang banyak solusi, beberapa yang lebih baik daripada yang lain. Dimulai dengan solusi (berpotensi miskin) secara acak, dan iteratif membuat perubahan kecil untuk solusi, setiap kali memperbaikinya sedikit. Ketika algoritma tidak bisa melihat perbaikan apapun lagi, itu berakhir. Idealnya, pada titik bahwa solusi saat ini dekat dengan optimal, tetapi tidak menjamin bahwa mendaki bukit itu akan datang dekat dengan solusi optimal. Terdapat dua jenis HC yang sedikit berbeda, yakni : 1. Simple HC (HC Sederhana) 2. Steepest-Ascent HC (HC dengan memilih kemiringan yang paling tajam / curam) Hampir sama dengan Simple HC, hanya saja gerakan pencarian tidak dimulai dari paling kiri. Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik. b. Algoritma - uat sebuah antrian dengan menginialisasi node pertama dengan root dari tree. - ila nilai node pertama, jika tidak sama dengan nilai akhir, node dihapus dan diganti dengan anak-anaknyadengan urutan yang paling kecil jaraknya - ila node pertama sama dengan kondisi akhir (GOAL) maka pencarian selesai.
14 c. Contoh Kasus Pada -puzzle, satu kali proses evaluasi menggunakan Hill Climbing hanya akan melibatkan maksimal state untuk kondisi initial state, dan maksimal 3 state untuk kondisi state selain initial state. Sehingga state space untuk algoritma ini dapat dikatakan relatif sangat kecil. erikut adalah contoh bagaimana algortima Hill Climbing dijalankan untuk suatu kasus state tertentu. Perlu diingat bahwa proses evaluasi yang dilakukan akan selalu mengambil nilai heuristic yang paling kecil.
15 Daftar Pustaka Majid, Abdul. 200 Hill Climbing yang diakses di situs pada tanggal 1 April Rinaldi, Munir, 200. ALGORITMA RANCH AND OUND. andung: Institut Teknologi andung. Dr.Sutoyo, 200. INTELEGENSI UATAN TEORI DAN PEMROGRAMAN, Yogyakarta : GAVA MEDIA. Andik, Taufiq puzzle Problem (bagian 2) yang diakses di situs pada tanggal 1 April 2012.
Algoritma Branch and Bound. (Bagian 1)
Algoritma ranch and ound (agian 1) Algoritma ranch and ound Algoritma ranch and ound (&) juga merupakan metode pencarian di dalam ruang solusi secara sistematis. Algoritma runut-balik skema DFS Algoritma
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 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 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 terperinciPenerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem
Penerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem Arie Tando (13510018) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING)
PENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING) R. Aditya Satrya Wibawa (NIM. 30064) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
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 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 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 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 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 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 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 terperinciPenerapan BFS dan DFS pada Pencarian Solusi
Penerapan BFS dan DFS pada Pencarian Solusi Bahan Kuliah IF2151 Strategi Algoritmik Oleh: Rinaldi Munir 1 Pengorganisasian Solusi Kemungkinan2 solusi dari persoalan membentuk ruang solusi (solution space)
Lebih terperinciPenghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound
Penghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound Chrestella Stephanie - 13512005 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
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 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 terperinciBAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang
BAB III ALGORITMA BRANCH AND BOUND Algoritma Branch and Bound merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Pohon ruang status
Lebih terperinciPemecahan Masalah Knapsack dengan Menggunakan Algoritma Branch and Bound
Pemecahan Masalah Knapsack dengan Menggunakan Algoritma Branch and Bound Anggi Shena Permata / 13505117 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Insitut Teknologi Bandung
Lebih terperinciMETODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH
METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH Mira Muliati NIM : 35050 Program Studi Teknik Informatika Sekolah Teknik Elektro Informatika Institut Teknologi Bandung Jl. Ganesha 0, Bandung E-mail
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 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 terperinciPenerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata
Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciAlgoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB
Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB Mohamad Ray Rizaldy - 13505073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPemodelan AI dalam Permainan Snake dengan Algoritma Branch and Bound
Pemodelan AI dalam Permainan Snake Algoritma Branch and Bound Indra Soaloon Situmorang Nim : 13505085 Sekolah Teknik Elektro dan Informatika Jalan Ganesha 10 Bandung e-mail : if15085@students.if.itb.ac.id
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 terperinciBAB I PENDAHULUAN. generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan game dari masa ke masa dibagi menjadi 9 generasi, dari generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan oleh perusahaan
Lebih terperinciPenerapan Algoritma Branch and Bound untuk Optimasi Rute Penempelan Poster di Papan Mading ITB
Penerapan Algoritma Branch and Bound untuk Optimasi Rute Penempelan Poster di Papan Mading ITB Zain Fathoni 00 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperincimemberikan output berupa solusi kumpulan pengetahuan yang ada.
MASALAH DAN METODE PEMECAHAN MASALAH (Minggu 2) Pendahuluan Sistem yang menggunakan kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.
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 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 Branch and Bound dalam Kegunaannya Memecahkan Assignment Problem
Algoritma Branch and Bound dalam Kegunaannya Memecahkan Assignment Problem Made Mahendra Adyatman 13505015 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Insitut Teknologi Bandung
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 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 terperinciHEURISTIC SEARCH UTHIE
HEURISTIC SEARCH Pendahuluan Pencarian buta biasanya tidak efisien karena waktu akses memori yang dibutuhkan cukup besar. Untuk mengatasi hal ini maka perlu ditambahkan suatu informasi pada domain yang
Lebih terperinciPENCARIAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA DEPTH FIRST, BREATH FIRST DAN HILL CLIMBING (STUDY COMPARATIVE)
PENCARIAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA DEPTH FIRST, BREATH FIRST DAN HILL CLIMBING (STUDY COMPARATIVE) Fakultas Teknik, Universitas Negeri Semarang Abstrak. Pencarian rute terpendek saat
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciContoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik
07/04/2016 3. HEURISTI METHO KEERASAN BUATAN Pertemuan : 05-06 INFORMATIKA FASILKOM UNIVERSITAS IGM Pencarian Heuristik Kelemahan blind search : Waktu akses lama Memori yang dibutuhkan besar Ruang masalah
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 terperinciPenerapan Algoritma Branch & Bound dan Backtracking pada Game Flow
Penerapan Algoritma ranch & ound dan acktracking pada Game Flow Rio Dwi Putra Perkasa (13515012) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi andung (IT)
Lebih terperinciPencarian. Kecerdasan Buatan Pertemuan 3 Yudianto Sujana
Pencarian Kecerdasan Buatan Pertemuan 3 Yudianto Sujana Metode Pencarian dan Pelacakan Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses
Lebih terperinciPenyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik
Penyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik Akbar Gumbira - 13508106 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciMasalah, Ruang Keadaan dan Pencarian 4/7/2016. fakultas ilmu komputer program studi informatika
ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته fakultas ilmu komputer program studi informatika Masalah, Ruang Keadaan dan Pencarian Ruang Masalah / Keadaan Suatu ruang yang berisi semua
Lebih terperinciSOLUSI ALGORITMA BACKTRACKING DALAM PERMAINAN KSATRIA MENYEBRANG KASTIL
SOLUSI ALGORITMA BACKTRACKING DALAM PERMAINAN KSATRIA MENYEBRANG KASTIL Yosef Sukianto Nim 13506035 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
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 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 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 terperinciPencarian Rute Terpendek dengan Menggunakan Algoritma Depth First, Breath First dan Hill Climbing (Study Comparative)
Jurnal Kompetensi Teknik Vol. 2, No.1, Novemberi 2010 57 Pencarian Rute Terpendek dengan Menggunakan Algoritma Depth First, Breath First dan Hill Climbing (Study Comparative) Feddy Setio Pribadi & Anggraini
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 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 terperinciBranch and Bound untuk Rute Terpendek Tur Pengenalan Labtek V Gedung Benny Subianto Chita Najmi Nabila /
Branch and Bound untuk Rute Terpendek Tur Pengenalan Labtek V Gedung Benny Subianto Chita Najmi Nabila - 13509015 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPENERAPAN ALGORITMA BRANCH AND BOUND DALAM MENENTUKAN RUTE TERPENDEK UNTUK PERJALANAN ANTARKOTA DI JAWA BARAT
PENERAPAN ALGORITMA BRANCH AND BOUND DALAM MENENTUKAN RUTE TERPENDEK UNTUK PERJALANAN ANTARKOTA DI JAWA BARAT M. Pasca Nugraha Sekolah Teknik Elektro dan Informatika Program Studi Teknik Informatika Institut
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 terperinciMAKALAH STRATEGI ALGORITMIK (IF 2251) ALGORITMA RUNUT BALIK DALAM GAME LABIRIN
MAKALAH STRATEGI ALGORITMIK (IF 2251) ALGORITMA RUNUT BALIK DALAM GAME LABIRIN Ditujukan untuk memenuhi tugas mata kuliah Strategi Algoritmik yang diberikan oleh Bapak Rinaldi Munir Oleh : Gilang Dhaskabima
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 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 terperinciPENERAPAN ALGORITMA BACKTRACKING PADA PERMAINAN WORD SEARCH PUZZLE
PENERAPAN ALGORITMA BACKTRACKING PADA PERMAINAN WORD SEARCH PUZZLE Alvin Andhika Zulen (13507037) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan
Lebih terperinciALGORITMA PENCARIAN (1)
ALGORITMA PENCARIAN (1) Permasalahan, Ruang Keadaan, Pencarian Farah Zakiyah Rahmanti Diperbarui 2016 Overview Deskripsi Permasalahan dalam Kecerdasan Buatan Definisi Permasalahan Pencarian Breadth First
Lebih terperinciPenerapan Algoritma Branch and Bound pada Penentuan Staffing Organisasi dan Kepanitiaan
Penerapan Algoritma Branch and Bound pada Penentuan Staffing Organisasi dan Kepanitiaan Mikhael Artur Darmakesuma - 13515099 Program Studi Teknik Informaitka Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A*
Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF
ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF Anthony Rahmat Sunaryo NIM: 3506009 Jurusan Teknik Informatika ITB, Bandung email : if6009@students.if.itb.ac.id Abstract -- Makalah ini membahas tentang analsis
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 terperinciMenentukan Susunan Terbaik Tim Proyek dengan Algoritma Branch and Bound
Menentukan Susunan Terbaik Tim Proyek dengan Algoritma Branch and Bound Arief Pradana / 13511062 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
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 terperinciPencarian Solusi Permainan Pipe Puzzle Menggunakan Algoritma Backtrack
Pencarian Solusi Permainan Pipe Puzzle Menggunakan Algoritma acktrack Fahmi Dumadi 13512047 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi andung, Jl. Ganesha
Lebih terperinciUpdate 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING
SEARCHING MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN Secara umum, untuk mendeskripsikan suatu permasalahan dengan baik harus: 1 Mendefinisikan suatu ruang keadaan. 2 Menerapkan satu atau lebih
Lebih terperinciPENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING
ABSTRAK PENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING Pamor Gunoto Dosen Tetap Program Studi Teknik Elektro Universitas Riau Kepulauan (UNRIKA)
Lebih terperinciJournal of Informatics and Technology, Vol 1, No 1, Tahun 2012, p
PENENTUAN JALUR TERPENDEK PADA PELAYANAN AGEN TRAVEL KHUSUS PENGANTARAN WILAYAH SEMARANG BERBASIS SIG DENGAN ALGORITMA BRANCH AND BOUND Windi Rayina Rosa, Drs. Suhartono, M.Kom, Helmie Arif Wibawa, S.Si,
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI Pada bab ini akan dibicarakan beberapa model penyelesaian problema Knapsack dengan memakai beberapa metode yang telah ada yang akan digunakan pada bab pembahasan. 2. Problema Knapsack
Lebih terperinciBreadth/Depth First Search (BFS/DFS) Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Nur Ulfa Maulidevi 2 Maret 2015
Breadth/Depth First Search (BFS/DFS) Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Nur Ulfa Maulidevi 2 Maret 2015 NUM-RN-MLK/IF2211/2013 1 Traversal Graf Algoritma traversal graf:
Lebih terperinciAplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem
Aplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem Calvin Aditya Jonathan 13513077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
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 terperinciAnalisis Penerapan Algoritma Backtracking Pada Pencarian Jalan Keluar di Dalam Labirin
Analisis Penerapan Algoritma Backtracking Pada Pencarian Jalan Keluar di Dalam Labirin Andika Pratama 13505048 Alamat: Jl. Dago Asri Blok C No.16 e-mail: if15048@students.if.itb.ac.id Program Studi Teknik
Lebih terperinciPencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik
Pencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik Irwansyah Saputra Jurusan Ilmu Komputer, STMIK Nusa Mandiri Jakarta Irwansyah9205@gmail.com Abstrak: Pencarian rute
Lebih terperinciPelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound
Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound Mico (13515126) Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10,
Lebih terperinciPemanfaatan Algoritma Runut-Balik dalam Menyelesaikan Puzzle NeurOn dalam Permainan Logical Cell
Pemanfaatan Algoritma Runut-Balik dalam Menyelesaikan Puzzle NeurOn dalam Permainan Logical Cell Adrian Mulyana Nugraha 13515075 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperincidengan Algoritma Branch and Bound
Menentukan Susunan Tim Bulutangkis Thomas Cup Terbaik dengan Algoritma Branch and Bound Jaisyalmatin Pribadi/ 13510084 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
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 terperinciHEURISTIC SEARCH. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
HEURISTIC SEARCH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Travelling Salesmen Problem Seorang salesman
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 terperinciPerbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin
Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin Arie Tando - 13510018 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
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 terperinciMenentukan Titik Evakuasi Selanjutnya bagi Sekelompok Regu Tim SAR dengan Algoritma Branch and Bound
Menentukan Titik Evakuasi Selanjutnya bagi Sekelompok Regu Tim SAR dengan Algoritma Branch and Bound Willy Fitra Hendria / 13511086 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciPenerapan DFS dan BFS dalam Pencarian Solusi Game Japanese River IQ Test
Penerapan DFS dan BFS dalam Pencarian Solusi Game Japanese River IQ Test Hanif Eridaputra / 00 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciSOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK
SOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK Irma Juniati Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail:
Lebih terperinciAlgoritma Runut-balik (Backtracking) Bagian 1
Algoritma Runut-balik (Backtracking) Bagian 1 Pendahuluan Algoritma Runut-balik (backtracking) adalah algoritma yang berbasis pada DFS untuk mencari solusi persoalan secara lebih mangkus. Runut-balik,
Lebih terperinciPENYELESAIAN MASALAH 8 PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA
Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: 209-915 PENYELESAIAN MASALAH PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA Azizah Zakiah
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 terperinciMenyelesaikan Permainan Wordament Menggunakan Algoritma Backtracking
Menyelesaikan Permainan Wordament Menggunakan Algoritma Backtracking Krisna Fathurahman/13511006 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciImplementasi Algoritma BFS dan DFS dalam Penyelesaian Token Flip Puzzle
Implementasi BFS dan DFS dalam Penyelesaian Token Flip Puzzle Ali Akbar Septiandri - 13509001 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 terperinciPenerapan strategi BFS untuk menyelesaikan permainan Unblock Me beserta perbandingannya dengan DFS dan Branch and Bound
Penerapan strategi BFS untuk menyelesaikan permainan Unblock Me beserta perbandingannya dengan DFS dan Branch and Bound Eric 13512021 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
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 terperinciMemecahkan Puzzle Hidato dengan Algoritma Branch and Bound
Memecahkan Puzzle Hidato dengan Algoritma Branch and Bound Hanny Fauzia 13509042 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Teori graf Definisi graf
2 LNDSN TEORI 2.1 Teori graf 2.1.1 Definisi graf Graf adalah kumpulan dari minimal satu atau lebih simpul (vertex) yang dihubungkan oleh sisi atau busur (edge). Dalam kehidupan sehari-hari, graf banyak
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 terperinciPenerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking
Penerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking Krisna Dibyo Atmojo 13510075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPERMAINAN KNIGHT S TOUR DENGAN ALGORITMA BACKTRACKING DAN ATURAN WARNSDORFF
PERMAINAN KNIGHT S TOUR DENGAN ALGORITMA BACKTRACKING DAN ATURAN WARNSDORFF Fransisca Cahyono (13509011) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciAplikasi Branch and Bound Pada Pencarian Jalan Pada Software Navigasi
Aplikasi Branch and Bound Pada Pencarian Jalan Pada Software Navigasi Rita Sarah / 13512009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinci