Contoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik

dokumen-dokumen yang mirip
METODE PENCARIAN DAN PELACAKAN

Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM

KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM

BAB III METODE PELACAKAN/PENCARIAN

Masalah, Ruang Keadaan dan Pencarian 4/7/2016. fakultas ilmu komputer program studi informatika

Pencarian. Kecerdasan Buatan Pertemuan 3 Yudianto Sujana

KECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh:

memberikan output berupa solusi kumpulan pengetahuan yang ada.

Sistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015

HEURISTIC SEARCH. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc

Masalah, Ruang Masalah dan Pencarian

Case Study : Search Algorithm

03/03/2015. Agenda Teknik Dasar Pencarian Teknik Pemecahan Masalah Strategi Pencarian Mendalam Pencarian Heuristik

ALGORITMA PENCARIAN (HEURISTIC)

HEURISTIC SEARCH UTHIE

Masalah, Ruang Keadaan dan Pencarian 4/7/2016. fakultas ilmu komputer program studi informatika

Artificial Intelegence/ P_3 EKA YUNIAR

ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM

BAB IV TEKNIK PELACAKAN

PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING

Pendakian Bukit (Hill Climbing)

PENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING

SISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING

BAB 2 TINJAUAN PUSTAKA

Metode Pencarian & Pelacakan dengan Heuristik

Teknik Pencarian Heuristik

Pencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik

KATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1

ALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A

SEARCHING. Blind Search & Heuristic Search

PENYELESAIAN MASALAH 8 PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Kecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni

Update 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING

Kecerdasan Buatan Penyelesaian Masalah dengan Pencarian

Metode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A*

Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)

PENGEMBANGAN MEDIA PEMBELAJARAN SISTEM PELACAKAN PADA MATA KULIAH KECERDASAN BUATAN BERBASIS MULTIMEDIA

ALGORITMA PENCARIAN (1)

ANALISA ALGORITMA GENETIKA DALAM TRAVELLING SALESMAN PROBLEM SIMETRI. Lindawati Syam M.P.Siallagan 1 S.Novani 2

BAB 2 LANDASAN TEORI

PENGEMBANGAN MEDIA PEMBELAJARAN SISTEM PELACAKAN PADA MATA KULIAH KECERDASAN BUATAN BERBASIS MULTIMEDIA

TEKNIK PENCARIAN HEURISTIK (HEURISTIC SEARCHING)

Search Strategy. Search Strategy

BAB 2 TINJAUAN PUSTAKA

BAB I PENDAHULUAN. generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan

KECERDASAN BUATAN MASALAH, RUANG KEADAAN DAN PENCARIAN ERWIEN TJIPTA WIJAYA, ST., M.KOM

Sebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam

Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian.

AI sebagai Masalah Pelacakan. Lesson 2

PENERAPAN ALGORITMA STEEPEST ASCENT HILL CLIMBING DAN LINEAR CONGRUENT METHOD (LCM) DALAM GAME SLIDE PUZZLE PENGENALAN SEMBILAN SUNAN BERBASIS ANDROID

MASALAH, RUANG KEADAAN & PENCARIAN

Kecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed)

Ruang Pencarian PERTEMUAN 3

Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek

Masalah, Ruang Keadaan, Pencarian. Kecerdasan Buatan Pertemuan 2 Yudianto Sujana

BAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana

APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM

PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE

PENERAPAN METODE STEEPEST ASCENT HILL CLIMBING PADA MODEL PENCARIAN RUTE TERDEKAT FASILITAS PELAYANAN DARURAT DI KOTA BOGOR BERBASIS ANDROID

UNIVERSITAS BINA NUSANTARA

Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A*

Penerapan BFS dan DFS pada Pencarian Solusi

Artificial Intelegence/ P_2. Eka Yuniar

Soal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23

STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM

Penerapan Metode Best First Search Pada Permainan Tic Tac Toe

Penerapan BFS dan DFS pada Pencarian Solusi

UNIVERSITAS GUNADARMA

BAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di

INTELEGENSI BUATAN. Pertemuan 2,3 Problem, Space, Search. M. Miftakul Amin, M. Eng. website :

PENERAPAN METODE HILL CLIMBING UNTUK PENCARIAN RUTE LOKASI KULINER TERDEKAT DI SUMATERA UTARA BERBASIS ANDROID

SEARCHING. Blind Search

PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)

Penerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game)

Jurnal Mahajana Informasi, Vol.1 No 2, 2016 e-issn: SIMULASI PERGERAKAN CHESS KNIGHT DALAM PAPAN CATUR

IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK

PENDAHULUAN BAB Latar Belakang Masalah

BAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang

BAB II TINJAUAN PUSTAKA. ditentukan oleh pemilik kos sedangkan lama waktu penyewaan ditentukan sendiri

Algoritma Branch and Bound. (Bagian 1)

BAB I PENDAHULUAN 1-1. Howard. W. Sams & Co.1987, hal 1. 1 Frenzel, L.W. Crash Course In Artifical Intelligence And Expert Systems. 1st Edition.

Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB

METODE PENCARIAN BFS dan DFS

Bab 2 2. Teknik Pencarian

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH

Aplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Penghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound

BAB 2 LANDASAN TEORI

LESSON 6 : INFORMED SEARCH Part II

BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya

BAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika

4/7/2016. fakultas ilmu komputer program studi. informatika. Apakah

IMPLEMENTASI ALGORITMA HILL CLIMBING DAN ALGORITMA A* DALAM PENYELESAIAN PENYUSUNAN SUKU KATA DASAR DENGAN POLA PERMAINAN BINTANG KEJORA

Perangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur

Transkripsi:

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 besar tidak cocok karena keterbasan kecepatan komputer dan memori Solusi - Pencarian heuristik Pencarian heuristik menggunakan suatu fungsi yang menghitung biaya perkiraan / estimasi dari suatu simpul tertentu menuju ke simpul tujuan (disebut fungsi heuristik) 1 Literatur Review ontoh Kasus 8-puzzle Ada 4 operator : Ubin kosong digeser ke kiri Ubin kosong digeser ke kanan Ubin kosong digeser ke bawah Ubin kosong digeser ke atas Keadaan Awal 1 2 3 7 8 4 6 5 Tujuan 1 2 3 8 4 7 6 5 ontoh iberikan informasi khusus : Untuk jumlah ubin yang menempati posisi yang benar, jumlah yang lebih tinggi adalah yang lebih diharapkan (lebih baik) ari 3 operator yang digunakan, diperoleh hasil pergeseran ubin kosong ke kiri bernilai h=6, pergeseran ubin kosong ke kanan bernilai h=4 dan pergeseran ubin kosong ke atas bernilai h=5. sehingga nilai berbilangnya adalah 6 (terbesar). Sehingga langkahnya selanjutnya yang harus dilakukan adalah menggeser ubin kosong ke kiri. 1

Posisi ubin benar ontoh ari 3 operator yang digunakan, diperoleh hasil pergeseran ubin kosong ke kiri bernilai h=6, pergeseran ubin kosong ke kanan bernilai h=4 dan pergeseran ubin kosong ke atas bernilai h=5. sehingga nilai berbilangnya adalah 6 (terbesar). Sehingga langkahnya selanjutnya yang harus dilakukan adalah menggeser ubin koosng ke kiri. iberikan informasi khusus : Untuk jumlah ubin yang menempati posisi yang salah, jumlah yang lebih kecil adalah yang lebih diharapkan (lebih baik) Nilai terbaik dengan menggeser ubin kosong Ke kiri bernilai h=2, karena Nilai terkecil diantara lainnya. Sehingga langkah selanjutnya menggeser ubin kosong ke kiri. ontoh Menghitung total gerakan yang diperlukan untuk mencapai tujuan Jumlah yang lebih kecil adalah yang diharapkan (lebih baik) Nilai terbaik adalah 2, diperoleh dengan menggeser ubin kosong ke kiri. karena Nilai terkecil diantara lainnya. Sehingga menggeser ubin kosong ke kiri adalah langkah yang harus dilakukan selanjutnya. Pencarian Heuristik Berikut ini, sekilas metode yang tergolong heuristic search : a. Generate and Test (Pembangkitan dan Pengujian) b. Hill limbing (Pendakian Bukit) 1. Simple H 2. Steepest-Ascent H c. Best First Search 2

Generate and Test (GT) ontoh Kasus Metode ini merupakan penggabungan antara depthfirst search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal. Algoritma : Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan tertentu dari keadaan awal). Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama. Traveling Salesman Problem (TSP) o Seorang salesman ingin mengunjungi n kota. o Jarak antara tiap-tiap kota sudah diketahui. o Kita ingin mengetahui rute terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali. o Misal ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini : A 7 8 3 4 6 5 B ontoh Kasus Penyelesaian dengan metode Generate and Test ontoh Kasus Penyelesaian dengan metode Generate and Test A B B B B B B 3

Pencarian ke- ontoh Kasus Panjang Terpilih Panjang Terpilih 1 AB 19 AB 19 2 AB 18 AB 18 3 AB 12 AB 12 4 AB 13 AB 12 5 AB 16 AB 12 dst............ 24 BA 19 AB 12 Hill limbing Menyelesaikan masalah yang mempunyai beberapa solusi Ada solusi yang lebih baik daripada solusi lain Hill limbing Hill limbing ontoh : Traveling Salesman Problem (TSP) Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui rute terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali. Misal ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini : A 7 8 3 4 6 5 B Solusi solusi yang mungkin dengan menyusun kota-kota dalam urutan abjad, misal : A B : dengan panjang lintasan (=19) A B : (=18) A B : (=12) A B : (=13) dst 4

Simple Hill limbing Simple Hill limbing Ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Fungsi heuristik yang digunakan adalah panjang lintasan yang terjadi. Operator yang akan digunakan adalah menukar urutan posisi 2 kota dalam 1 lintasan. Bila ada n kota, dan ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka akan didapat sebanyak : 6 kombinasi tsb digunakan sbg operator : Tukar 1,2 = menukar urutan posisi kota ke 1 dengan kota ke 2 Tukar 2,3 = menukar urutan posisi kota ke 2 dengan kota ke 3 Tukar 3,4 = menukar urutan posisi kota ke 3 dengan kota ke 4 Tukar 4,1 = menukar urutan posisi kota ke 4 dengan kota ke 1 Tukar 2,4 = menukar urutan posisi kota ke 2 dengan kota ke 4 Tukar 1,3 = menukar urutan posisi kota ke 1 dengan kota ke 3 Pada gambar berikut, terlihat bahwa lintasan terpilih (Level awal) adalah AB(=19). Pada Level pertama, Hill limbing akan mengunjungi BA (=17) dengan nilai heuristik lebih kecil dari 19, sehingga BA menjadi pilihan selanjutnya dengan operator Tukar 1,2. Artinya operator Tukar 1,2 sudah digunakan oleh BA. 5

Simple Hill limbing Keadaan awal, lintasan AB (=19). Level pertama, hill climbing mengunjungi BA (=17), BA (=17) < AB (=19), sehingga BA menjadi pilihan selanjutnya dengan operator Tukar 1,2 Level kedua, mengunjungi AB, karena operator Tukar 1,2 sudah dipakai BA, maka pilih node lain yaitu BA (=15), BA (=15) < BA (=17) Level ketiga, mengunjungi BA (=20), BA (=20) > BA (=15), maka pilih node lain yaitu BA (=18), pilih node lain yaitu AB (=17), pilih node lain yaitu BA (=14), BA (=14) < BA (=15) Level keempat, mengunjungi BA (=15), BA(=15) > BA (=14), maka pilih node lain yaitu BA (=21), pilih node lain yaitu BA (=13), BA (=13) < BA (=14) Level kelima, mengunjungi BA (=12), BA (=12) < BA (=13) Level keenam, mengunjungi BA, karena operator Tukar 1,2 sudah dipakai BA, maka pilih node lain yaitu BA, pilih BA, pilih AB, pilih AB, pilih BA Karena sudah tidak ada node yang memiliki nilai heuristik yang lebih kecil dibanding nilai heuristik BA, maka node BA (=12) adalah lintasan terpendek (SOLUSI) Simple Hill limbing Keadaan awal, lintasan AB (=19). Level pertama, hill climbing mengunjungi BA (=17), BA (=17) < AB (=19), sehingga BA menjadi pilihan selanjutnya dengan operator Tukar 1,2 Level kedua, mengunjungi AB, karena operator Tukar 1,2 sudah dipakai BA, maka pilih node lain yaitu BA (=15), BA (=15) < BA (=17) Level ketiga, mengunjungi BA (=20), BA (=20) > BA (=15), maka pilih node lain yaitu BA (=18), pilih node lain yaitu AB (=17), pilih node lain yaitu BA (=14), BA (=14) < BA (=15) Steepest Hill limbing Evaluasi state awal, jika state awal sama dengan tujuan, maka proses berhenti. Jika tidak sama dengan tujuan maka lanjutkan proses dengan membuat state awal sebagai state sekarang. Kerjakan langkah berikut sampai solusi ditemukan atau sampai tidak ada lagi operator baru yang dapat digunakan dalam state sekarang: ari sebuah operator yang belum pernah digunakan dalam state sekarang dan gunakan operator tersebut untuk membentuk state baru. Evaluasi state baru. Jika state baru adalah tujuan, maka proses berhenti Jika state baru tersebut bukan tujuan tetapi state baru lebih baik daripada state sekarang, maka buat state baru menjadi state sekarang. Jika state baru tidak lebih baik daripada state sekarang, maka lanjutkan kelangkah sebelumnya. 6

Steepest Hill limbing Mirip dengan simple hill climbing Perbedaannya dengan simple hill climbing : semua suksesor dibandingkan, dan yang paling dekat dengan solusi yang dipilih Pada simple hill climbing, node pertama yang jaraknya terdekat dengan solusi yang dipilih Keadaan awal, lintasan AB (=19). Pada Level pertama, hill climbing memilih nilai heuristik terbaik dari keenan Succesor yang ada : BA(17), AB(12), AB(18), BA(12), AB(18) atau BA(20), yaitu AB (=12) sehingga AB menjadi pilihan selanjutnya. Level kedua, hill climbing memilih nilai heuristik terbaik, karena nilai heuristik lebih besar dibanding AB, maka hasil yang diperoleh lintasannya tetap AB (=12) Manfaat - LR 07/04/2016 ج ز ا م كم مهللا خ ر ي ا ك ث ر ي ا السالم عليكم ورحمة هللا وبركاته 27 Literatur Review 7