Pendakian Bukit (Hill Climbing) Metde ini hampir sama dengan metde pembangkitan & pengujian, hanya saja prses pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prsedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin. Simple Hill Climbing Algritma 1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal. 2. Kerjakan langkah-langkah berikut sampai slusinya ditemukan, atau sampai tidak ada peratr baru yang akan diaplikasikan pada keadaan sekarang: Cari peratr yang belum pernah digunakan; gunakan peratr ini untuk mendapatkan keadaan yang baru. Evaluasi keadaan baru tersebut. Jika keadaan baru merupakan tujuan, keluar. Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi. Cnth : Traveling Salesman Prblem (TSP) Serang salesman ingin mengunjungi n kta. Jarak antara tiap-tiap kta sudah diketahui. Ingin diketahui rute terpendek dimana setiap kta hanya bleh dikunjungi tepat 1 kali.
Operatr yang akan kita gunakan, adalah menukar urutan psisi 2 kta dalam suatu lintasan. Apabila ada n kta, dan kita ingin mencari kmbinasi lintasan dengan menukar psisi urutan 2 kta, maka kita akan mendapatkan sebanyak : n! 2t(n-2)l Sehingga kalau ada 4 kta, kita bisa memperleh : kmbinasi. Keenam kmbinasi ini akan kita pakai semuanya sebagai peratr, yaitu: * Tukar 1, 2 (menukar urutan psisi kta ke-1 dengan kta ke-2). * Tukar 2, 3 (menukar urutan psisi kta ke-2 dengan kta ke-3). * Tukar 3, 4 (menukar urutan psisi kta ke-3 dengan kta ke-4). * Tukar 4, 1 (menukar urutan psisi kta ke-4 dengan kta ke-1). * Tukar 2, 4 (menukar urutan psisi kta ke-2 dengan kta ke-4). * Tukar 1, 3 (menukar urutan psisi kta ke-1 dengan kta ke-3). Pada Gambar 2.22 terlihat bahwa, pada keadaan awal, lintasan terpilih adalah ABCD (=19). Pada level pertama, hill climbing akan mengunjungi BACD (=17) yang ternyata memiliki nilai heuristic lebih kecil dibandingkan dengan ABCD (17<19), sehingga BACD menjadi pilihan selanjutnya dengan peratr
terpakai Tukar1,2. Pada level kedua, hill climbing akan mengunjung ABCD. Karena peratr Tukar 1, 2 sudah digunakan leh BACD, maka dipilih nde yang lain yaitu BCAD (=15). Karena nilai heuristik BCAD lebih kecil dibanding dengan BACD (15<17), maka nde BCAD akan menjadi pilihan selanjutnya dengan peratr Tukar2,3. Kemudian hill climbing akan mengunjungi CBAD (=20). Karena nilai heuristik CBAD lebih besar jika dibanding dengan BCAD (20>17), maka dipilih nde lain. Pencarian menuju ke nde BACD, karena peratr Tukar2,3 sudah pernah digunakan leh BCAD, maka dipilih nde lain. Kunjungan berikutnya ke nde BCDA (=18). Niiai inipun masih lebih besar dari niiai heuristic BCAD, sehingga dipilih nde lain. Nde vang dikunjungi berikutnya adalah DCAB (=19). Nilai heuristic DCAB ternyata juga lebih besar dibanding dengan BCAD, sehingga pencarian dilarrjutkan di nde lainnya lagi, yaitu BDAC (=14). Nilai heuristik ini sudah lebih kecil daripada nilai heuristik nde BCAD (14<15), maka sekarang nde ini yang akan diekplrasi. Pencarian pertama ditemukan nde DBAC (=21), yang lebih besar daripada nilai BDAC. Nilai heuristik yang lebih kecil diperleh pada nde BDCA (=13). Sehingga nde BDCA ini akan diekplrasi. Pencarian pertama sudah mendapatkan nde dengan nilai heuristik yang kebih kecil, yaitu DBCA (=12). Sehingga nde ini diekplrasi juga. Dari hasil ekplrasi dengan pemakaian semua peratr, ternyata sudah tidak ada nde yang memiliki nilai heuristik yang lebih kecil disbanding dengan nilai heuristik DBCA, sehingga sebenarnya nde DBCA (=12) inilah lintasan terpendek yang kita cari (SOLUSI). Misalkan kita tidak menggunakan semua peratr, melainkan kita hanya menggunakan 4 peratr pertama saja, yaitu : * Tukar 1,2 (menukar urutan psisi kta ke'1 dengan kta ke'2). * Tukar 2, 3 (menukar urutan psisi kta ke-2 dengan kta ke'3). * Tukar 3,4 (menukar urutan psisi kta ke-3 dengan kta ke'4). * Tukar 4, 1 (menukar urutan psisi kta ke-4 dengan kta ke'l). maka pencarian dengan simple hill climbing ini dapat dilihat pada Gambar 2.23. Lintasan terpendek yang diperleh adalah B-C-A-D yaitu sebesar 15. Disini kita akan terjebak pada nilai minimum lcal yang disebabkan leh kurangnya peratr yang kita gunakan. Kita tidak dapat memperleh nilai minimum glbalnya yaitu sebesar 12.
Steepest Ascent Hill Climbing Steepest-ascent hill climbing sebenarnya hampir sama dengan simple hill climbing, hanya saja gerakan pencarian tidak dimulai dari psisi paling kiri. Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik. Dalam hal ini urutan penggunaan peratr tidak menentukan penemuan slusi. Steepest-ascent hill climbing sebenarnya hampir sama dengan simple hill climbing, hanya saja gerakan pencarian tidak dimulai dari psisi paling kiri. Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik. Dalam hal ini urutan penggunaan peratr tidak menentukan penemuan slusi. Algritma 1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal. 2. Kerjakan hingga tujuan tercapai atau hingga iterasi tidak memberikan perubahan pada keadaan sekarang. 3. Tentukan SUCC sebagai nilai heuristic terbaik dari successrsuccessr. 4. Kerjakan untuk tiap peratr yang digunakan leh keadaan sekarang: 5. Gunakan peratr tersebut dan bentuk keadaan baru. 6. Evaluasi keadaan baru tersebut. Jika merupakan tujuan, keluar. Jika bukan, bandingkan nilai heuristiknya dengan SUCC. Jika lebih baik, jadikan nilai heuristic keadaan baru tersebut sebagai SUCC. Namun jika tidak lebih baik, nilai SUCC tidak berubah. 7. Jika SUCC lebih baik daripada nilai heuristic keadaan sekarang, ubah nde SUCC menjadi keadaan sekarang.
Pada Gambar 2.24, terlihat bahwa, keaclaan awal, iintasan terpiiih adalah ABCD (19). Pada level pertama, hili climbing akan rnemiiih nilai heuristik terbaik dari keenam succesr yang ada, yaitu: BACD(17), ACBD(12), ABDC(I8), DBCA(12), ADCB (18) atau CBAD(20). Tentu saja yang terpilih adalah ACBD, karena memiliki nilai heuristik paling kecil (=12;. Dari ACBD ini akan dipilih nilai heuristik terbaik dari succesrnya yaitu: CABD(15), ABCD(19), ACDB(13), DCBA(19), ADBC(16) atau BCAD(15). Ternyata dari keenam successr tersebut memiliki nilai heuristik yang lebih besar disbanding dengan ACBD. Sehingga tidak akan ada perubahan nilai keadaan (tetap ACBD). Hasil yang diperleh, lintasannya adalah ACBD (12).