Bab 3 Solving Problem by Searching
|
|
- Farida Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 the goal Typical tasks yang termasuk dalam simple reflex agents antara lain: Get to location x Lay out chip Clean rooms in house Solve puzzle Pada task diatas umumnya mendapatkan informasi tentang Goal yang harus dicapai dengan suatu preferences tertentu. Namun untuk mencapai Goal yang ditentukan, seringkali suatu agent harus melakukan suatu sequence action antara [immediate actions] yang harus dipilih dari berbagai alternatives yang ada. Pada kenyataannya, Agent tidak memiliki knowledge untuk menentukan alternative manakah yang terbaik. Pada situasi ini, suatu agent harus melalui suatu proses untuk menentukan sequence of actions mana yang terbaik untuk mencapai Goal yang ditentukan dan process ini disebut search. Before an agent can start searching for solution, it must formulate a goal and then use the goal to formulate the problem [problem formulation] 1. Goal formulation based on current situation, is the first step in problem solving. 2. Problem formulation is the process of deciding which actions and states to consider, and follows goal formulation. The environment of the problem is represented by a state space and a path through the state space from the initial state to a goal state is a solution. Secara general input dari suatu search adalah Goal, Utility yang dibutuhkan, states dan actions sedangkan outputnya adalah sequence of action (from current state, through other states) menuju goal. Problem umumnya didefinisikan, dalam 4 bagian penting yaitu: 1. An initial state 2. A set of operators 3. A goal test function 4. A path cost function. Problem Solving Agent adalah salah satu dari goal-based agent dan merupakan bentuk terbatas dari suatu general agent Problem yang dihadapi dapat dibedakan atas beberapa tipe problem [problem type] yaitu: 1. Deterministic, accessible merupakan single-state problem 2. Deterministic, inaccessible merupakan multi-state problem 3. Nondeterministic, inaccessible merupakan contingency problem 4. Unknown state space merupakan exploration problem (online) Contingency problem umumnya diselesaikan dengan bantuan sensors during eksekusi dan menghasilkan suatu tree solution atau suatu policy. Dalam pelaksanaannya proses penentuan solusi dilakukan secara interleave antara search dan eksekusi. [Lihat catatan tambahan di lampiran bab ini]
2 Saudara sedang berlibur di Romania, dan saat ini ada di kota Arad. Jadwal penerbangan saudara untuk pulang adalah besok dari kota Bucharest. Maka: Goal : Berada di Bucharest Problem : states : various cities Operators : drive between cities Solution : sequence of cities, misalnya Arad, Sibiu, Fagaras, Bucharest.
3
4 Penentuan state space Real world is absurdly complex state space must be abstracted for problem solving (Abstract) state = set of real states (Abstract) Operators = complex combination of real actions Misalnya: dari Arad Zerind represents a complex set of possible routes, detours, rest stops, dll. Untuk menjamin realizability, any real state in Arad must get to sama real state is Zerind. (Abstract) Solution = set of real paths that are solutions in the real world Remember: Setiap abstract action harus easier than original problem. Algoritma umum dari suatu general search adalah sbb: function GENERAL-SEARCH (problem, QUEUING-FN) returns a solution or failure nodes MAKE-QUEUE( MAKE-NODE (INITIAL_STATE [problem])) loop do if nodes is empty then return failure // no candidates for expansion nodes REMOVE-FRONT(nodes) if GOAL-TEST[problem] applied to STATE(node) succeeds then return node else nodes QUEUING-FN(nodes, EXPAND(node, OPERATORS[problem])) // choose a leaf node for expansion depend on strategy end Basic idea dari suatu search algorithms adalah expanding states atau simulated exploration of state space by generating successors of already-explored states. Algoritma dari suatu simple problem solving agent dapat dilihat berikut ini: function SIMPLE_PROBLEM_SOLVING_AGENT (p) returns an action input: p, a percept static: a, an action sequence, innitially empty state, some description of current world state g, a goal, innitially null problem, a problem formulation state UPDATE_STATE (state, p) if a is empty then g FORMULATE_GOAL (state) problem FORMULATE_PROBLEM (state, g) a SEARCH (problem) action RECOMMENDATION (a, state) a REMAINDER (a, state) return action Algoritma diatas dianggap sebagai suatu offline problem solving atau online problem solving yang melibatkan action tanpa complete knowledge dari problem dan kemungkinan solution yang ada.
5 Uniformed Search Strategies Uniformed search strategies use only the information available in the problem definition. This strategies is implemented in: Breadth First Search (BFS) Uniform Cost Search Depth First Search (DFS) Depth Limited Search Iterative Deepening Search Hal hal yang harus diperhatikan dalam implementasi suatu algoritma search antara lain: Suatu state adalah suatu representasi dari suatu physical configuration atau suatu snapshot of event, jadi states tidak memiliki parents, children, dept maupun path cost sedangkan suatu node adalah suatu data struktur yang merupakan bagian dari suatu search tree termasuk parent node, children nodes yang memiliki depth dan path cost tertentu. Fungsi EXPAND akan meng create suatu new nodes, dan dengan menggunakan OPERATORS atau SUCCESSORFn dari problem untuk meng create state yang berkaitan. Search strategy pada dasarnya ditentukan oleh cara pemilihan urutan node yang akan di expand, dan keberhasilan strategy tersebut dievaluasi berdasarkan 4 kriteria berikut ini: 1. Completeness, apakah strategy tersebut selalu menemukan solusi jika solusinya ada? 2. time complexity, ditentukan berdasarkan jumlah node yang di generate dan di expand untuk memperoleh solusi 3. space complexity, yaitu jumlah maksimum nodes yang disimpan di memory selama proses pencarian solusi 4. optimality, apakah strategy tersebut selalu mendapatkan solusi yang terbaik atau least-cost solution Time and space complexity diukur berdasarkan besaran: 1. b = maksimum branching factor dari search tree 2. d = depth dari least cost solution 3. m = maksimum depth dari state space ( dapat bernilai tak terhingga). Untuk ke lima metoda Uninformed search strategies diatas kita mengambil contoh soal Romania diatas dimana jarak antar kota dapat dilihat pada tabel
6 Breadth First Search (BFS) Expand shallowest unexpanded node Space needed is the big problem in BFS Implementation: QUEUING-FN = put successors at the end of the queue. Karakteristik dari BFS: Complete Time Space Optimal : Yes (if branching factor of the tree b is finite) : 1 + b + b 2 + b b d (exponential in d.) : O (b d ) because we keep every node in memory. : Yes (if cost = 1 per step but not optimal in general) Space akan menjadi big problem pada BFS, bayangkan saudara akan membutuhkan memory sebesar 86 Gbyte untuk 24 jam proses dengan kecepatan 1 Mbyte/det
7 Uniform Cost Search Pada Uniform Cost Search kita akan expand Least-cost unexpanded node. Implementation: QUEUING-FN = insert in order of increasing path cost. Karakteristik dari Uniform Cost Search Complete : Yes (if step cost.) Time : # of nodes with g cost of optimal solution ) Space : # of nodes with g cost of optimal solution ) Optimal : Yes Depth First Search (DFS) DFS always expands one of the nodes at the deepest level of the tree Implementation: QUEUING-FN = insert the successors in front of the queue DFS can perform infinite cyclic excursions so, DFS need a finite, non-cyclic search space Or repeated state checking Only when the search hits a dead end ( a non-goal node with no expansion), go back and expand nodes at shallower level DFS can be implemented by general search with queuing function that always put the newly generated states in front of the queue. (QUEUING-FN = insert the successors in front of the queue) The memory requirement is O(bm) where b is branching factor and m = maximum depth because DFS only needs storage for bm nodes. Time complexity is O(b m ), so DFS usually faster than BFS The drawback of DFS, it can get stuck going down the wrong path (problem for deep and infinite search tree) and it can be infinite loop
8 Depth limited Search Depth Limited Search is used to avoid the problem in DFS by imposing a cutoff on the maximum depth of a path. The cutoff can be implemented using: A special depth limited search algorithm. A general search algorithm with operator that keep track of the depth. Note: There are 20 cities on the map of Romania. So if there is a solution, the longest search length is 19. The depth cut of operator is if you are in city A, and have traveled a path less than 19 steps, then generate a new state with a path length that is one greater. It is guarantee to get the solution (if one exist) but not the shortest path solution). Iterative Deepening Sama dengan Depth Limited search hanya depth d secara iterative bertambah mulai dari d = 1 sampai maksimum
9 Contoh soal Dari gambar dibawah ini, S adalah start state dan G adalah Goal state Ketika meletakan child nodes hasil ekspansi suatu node, maka child node diletakkan menurut alphabetical order, misalkan pula kita tidak pernah men generate child nodes yang pernah menjadi ancestors dari current node pada search tree. Maka: urutan BFS dalam meng expand node adalah S A B B D A C E C E E G urutan DFS dalam meng expand node adalah S A B C H E D G urutan Iterative Deepening dalam meng expand node adalah S S A B S A B D G Note that when we are searching with a depth limit of d we do not expand nodes at that level but we do test them to see if they are goal states. For example, the diagram below shows the search tree on the third iteration (depth limit = 3). For this tree we expand nodes S A B D. Nodes C, E, E and G are tested to see if they are goal states but they are not expanded. Alternatively, if we consider nodes at the depth limit as \expanded" (i.e. in the above example C, E, and G) then our solution is: S A B S A B D B A C E S A B C E D E G
Problem-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 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 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 terperinciBab 4. Informed Search
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
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciInformed 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 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 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 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 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 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 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 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 terperinciHTB (Hierarchical Token Bucket) Queue Tree-System Mikrotik user Meeting Jakarta, Indonesia(2016)
MIKROTIK ADVANCE TRAFFIC CONTROL HTB (Hierarchical Token Bucket) Queue Tree-System Mikrotik user Meeting Jakarta, Indonesia(2016) 1 Prepared by, Azfar Hameed Khan 2 www.gudanggps.com 3 MOTIF & TUJUAN:
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 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 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 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 terperinciNama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal
Nama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal Deskripsi Soal Dalam rangka mensukseskan program Visit Indonesia,
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 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 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 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 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 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 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 terperinci7. Analisis Kebutuhan - 1 (System Actors & System Use Cases )
7. Analisis Kebutuhan - 1 (System Actors & System Use Cases ) SIF15001 Analisis dan Perancangan Sistem Informasi Agi Putra Kharisma, S.T., M.T. Genap 2014/2015 Desain slide ini dadaptasi dari University
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 terperinci1/5. while and do Loops The remaining types of loops are while and do. As with for loops, while and do loops Praktikum Alpro Modul 3.
Judul TIU TIK Materi Modul Perulangan Ganjil 204/205 Mahasiswa memahami Konsep Perulangan. Mahasiswa mampu menggunakan perintah perulangan For, While do, do While 2. Mahasiswa mampu menggunakan perintah
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 terperinciReview. Struktur Data & Algoritme (Data Structures & Algorithms) Objectives. Outline. Stacks & Queues
Struktur Data & Algoritme (Data Structures & Algorithms) Stacks & Queues Review Abstract data type (ADT) Kumpulan obyek dan metoda operasi yang mempresentasikan sifat-sifat abstrak bagi "user" dengan menyembunyikan
Lebih terperinciPemrograman Lanjut. Interface
Pemrograman Lanjut Interface PTIIK - 2014 2 Objectives Interfaces Defining an Interface How a class implements an interface Public interfaces Implementing multiple interfaces Extending an interface 3 Introduction
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 terperinciMODIFIKASI METODE BACKTRACKING UNTUK MEMBANTU MENCARI PENYELESAIAN PERMAINAN PEG SOLITAIRE
MODIFIKASI METODE BACKTRACKING UNTUK MEMBANTU MENCARI PENYELESAIAN PERMAINAN PEG SOLITAIRE Susana Limanto dan Monica Widiasri Universitas Surabaya, Surabaya susana @ubaya.ad.id dan monica@ubaya.ac.id ABSTRACT
Lebih terperinciStruktur Data & Algoritma
Struktur Data & Algoritma ADT Tree Suryana Setiawan, Ruli Manurung & Ade Azurat ( Denny (acknowledgments: Fasilkom UI SUR HMM AA Fasilkom UI - IKI20100/IKI80110P 2009/2010 Ganjil Pekan 08 1 Tujuan Memahami
Lebih terperinciUJIAN AKHIR SEMESTER GANJIL 2005/2006 ALGORITMA & STRUKTUR DATA / CS2014
UJIAN AKHIR SEMESTER GANJIL 2005/2006 ALGORITMA & STRUKTUR DATA / CS2014 NIM: Nama : HARI : Rabu, 4 Januari 2006 WAKTU : 135 Menit Tanda tangan: DOSEN : TIM SIFAT : Tutup Buku Petunjuk Baca dengan teliti
Lebih terperinciPENGUJIAN PERANGKAT LUNAK
PENGUJIAN PERANGKAT LUNAK (DPH2C2) PROGRAM STUDI D3 MANAJEMEN INFORMATIKA UNIVERSITAS TELKOM SEMESTER GENAP TAHUN AKADEMIK 2016-2017 PERTEMUAN 5 MATERI : WHITE BOX TESTING BAGIAN 1 Hanya digunakan di lingkungan
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 terperinciGame Playing #1/5. (C) 2005, gunawan -
#1/5 Game Playing Beberapa Karakteristik dan Batasan Game untuk Game Playing: Dimainkan oleh 2 (dua) pemain: manusia dan komputer. Para pemain saling bergantian melangkah. Perfect Information Game: kedua
Lebih terperinciANALISIS ALGORITMA BINARY SEARCH
ANALISIS ALGORITMA BINARY SEARCH Metode Binary search Binary search merupakan salah satu algoritma untuk melalukan pencarian pada array yang sudah terurut. Jika kita tidak mengetahui informasi bagaimana
Lebih terperinciABSTRAK. Kata kunci: Artifficial Intelligence (AI), Finite State Machine (FSM), video game
ABSTRAK Video game adalah jenis kegiatan permainan, dilakukan dalam konteks tiruan realitas. Setiap video game memiliki jenis, jenis video game digunakan untuk membagi video game berdasarkan interaksi
Lebih terperinciVirtual Memory Ch. 9. Virtual Memory. SISTIM OPERASI (Operating System) IKI Johny Moningka
Virtual Memory Ch. 9 SISTIM OPERASI (Operating System) IKI-00 Johny Moningka (moningka@cs.ui.ac.id) Fakultas Ilmu Komputer Universitas Indonesia Semester 000/00 Virtual Memory Background Demand Paging
Lebih terperinciRekursif. Proses yang memanggil dirinya sendiri. Merupakan suatu fungsi atau prosedur Terdapat suatu kondisi untuk berhenti.
Rekursif Rekursif Proses yang memanggil dirinya sendiri. Merupakan suatu fungsi atau prosedur Terdapat suatu kondisi untuk berhenti. Faktorial Konsep Faktorial n! = n(n-1)(n-2) 1 Dapat diselesaikan dengan
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 terperinciOutline. IKI 40931: Topik Khusus: NLP Kuliah 7: Parsing CFG. Parsing. Contoh parsing. Ruli Manurung. 10 Maret (Bab Jurafsky & Martin)
Outline IKI 40931: Topik Khusus: NLP Kuliah 7: Parsing CFG (Bab 10.1-10.4 Jurafsky & Martin) Ruli Manurung Fakultas Ilmu Komputer Universitas Indonesia 10 Maret 2008 1 2 3 4 Parsing Contoh parsing CFG
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 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 terperinciPemrograman Web. Object Oriented Programming in PHP 5
Pemrograman Web Object Oriented Programming in PHP 5 Pengantar OOP PHP pada awalnya hanyalah kumpulan script sederhana. Dimulai sejak PHP 4 -> OOP Script yang menggunakan konsep object-oriented akan lebih
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 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 terperinciTEORI BAHASA DAN AUTOMATA
MODUL II TEORI BAHASA DAN AUTOMATA Tujuan : Mahasiswa memahami Finite State Automata (FSA) dan dapat mengeksekusi suatu mesin otomata Materi : FSA dan Implemetasi FSA Deterministic Finite Automata (DFA)
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 terperinciMencari jalan keluar di dalam labirin (Maze Problem).
Backtracking Definisi Runut-balik (backtracking) adalah algoritma yang berbasis pada DFS untuk mencari solusi persoalan secara lebih efisien. Runut-balik, yang merupakan perbaikan dari algoritma brute-force,
Lebih terperinciProlem Solving Based on AI
AI Prolem Solving Based on AI wijanarto Aplikasi AI berdasarkan Problem Solving 2 Tipe Problem Komputasional : Dapat dipecahkan dengan menggunakan prosedure terurut yang ditentukan, yang di jamin berhasil.
Lebih terperinciIsyarat. Oleh Risanuri Hidayat. Isyarat. Bernilai real, skalar Fungsi dari variabel waktu Nilai suatu isyarat pada waktu t harus real
Isyarat Oleh Risanuri Hidayat Isyarat adalah Isyarat Bernilai real, skalar Fungsi dari variabel waktu Nilai suatu isyarat pada waktu t harus real Contoh isyarat: Tegangan atau arus listrik dalam suatu
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 terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
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 terperinciKONTROL OTOMATIS PADA ROBOT PENGANTAR BARANG DENGAN PARAMETER MASUKAN JARAK DENGAN OBJEK DAN POSISI ROBOT. oleh. Ricky Jeconiah NIM :
KONTROL OTOMATIS PADA ROBOT PENGANTAR BARANG DENGAN PARAMETER MASUKAN JARAK DENGAN OBJEK DAN POSISI ROBOT oleh Ricky Jeconiah NIM : 622009004 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar
Lebih terperinciPanduan Excel untuk Pelamar Kerja (Indonesian Edition)
Panduan Excel untuk Pelamar Kerja (Indonesian Edition) Yudhy Wicaksono Click here if your download doesn"t start automatically Panduan Excel untuk Pelamar Kerja (Indonesian Edition) Yudhy Wicaksono Panduan
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 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 terperinciPengantar Sistem Pakar
Chapter 1 Tujuan Instruksional Khusus Mahasiswa mampu menjelaskan konsep dasar Sistem Pakar. Mahasiswa mampu memberi contoh aplikasi-aplikasi sistem pakar dalam sistem komputer modern. Mahasiswa memahami
Lebih terperinciLINEAR PROGRAMMING-1
/5/ LINEAR PROGRAMMING- DR.MOHAMMAD ABDUL MUKHYI, SE., MM METODE KUANTITATIF Perumusan PL Ada tiga unsur dasar dari PL, ialah:. Fungsi Tujuan. Fungsi Pembatas (set ketidak samaan/pembatas strukturis) 3.
Lebih terperinciIKI30320 Kuliah 8 26 Sep Ruli Manurung. Game playing. Strategi optimal. Bekerja cepat Cutoff Tree pruning. State of the art.
Outline IKI 3030: Sistem Cerdas : (Deterministic) Game Playing Fakultas Ilmu Komputer Universitas Indonesia 3 4 6 September 007 5 Masalah menghadapi lawan Jenis-jenis game State space search biasa: agent
Lebih terperinciABSTRACT. Keywords: forecasting, forecasting method, production planning, and the strategy of production planning. Universitas Kristen Maranatha
ABSTRACT Planning on any type of business is needed. Planning itself can be distinguished based of its duration; there are short term, medium term and long term planning. Planning is prepared for the future
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 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 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 terperinciPENERAPAN AGENT LEARNING MENGGUNAKAN METODA EVOLUTIONARY ALGORITHM DALAM PEMBUATAN PERMAINAN GO
PENERAPAN AGENT LEARNING MENGGUNAKAN METODA EVOLUTIONARY ALGORITHM DALAM PEMBUATAN PERMAINAN GO TUGAS AKHIR Disusun dalam rangka memenuhi salah satu syarat untuk memperoleh gelar Sarjana Jurusan Teknik
Lebih terperinciMembangun Menara karakter (Indonesian Edition)
Membangun Menara karakter (Indonesian Edition) Stella Olivia Click here if your download doesn"t start automatically Membangun Menara karakter (Indonesian Edition) Stella Olivia Membangun Menara karakter
Lebih terperinciIKI30320 Kuliah 19 3 Des Ruli Manurung. Learning. Agents. Inductive Learning. Decision Tree. Mengukur Kinerja Belajar.
Outline IKI 30320: Sistem Cerdas : Machine 1 2 akultas Ilmu Komputer Universitas Indonesia 3 4 3 Desember 2007 5 Agent yang 2 pendekatan membangun agent: Dirancang, diprogram, diberi knowledge oleh manusia
Lebih terperinciRahasia Cermat & Mahir Menguasai Akuntansi Keuangan Menengah (Indonesian Edition)
Rahasia Cermat & Mahir Menguasai Akuntansi Keuangan Menengah (Indonesian Edition) Hery Hery Click here if your download doesn"t start automatically Rahasia Cermat & Mahir Menguasai Akuntansi Keuangan Menengah
Lebih terperinci