Metode Pencarian dan Pelacaan 2 (Heuristik)
Heuristik adalah sebuah teknik yang mengembangkan efisiensi
dalam proses pencarian (pencarian yang lebih simple). Namun kemungkinan juga
dapat mengngorbankan kelengkapan (complateness). Heuristic berfungsi
untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa
jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. Metode heuristic search menggunakan
suatu fungsi yang menghitung biaya perkiraan (estimasi) dari suatu simpul
tertentu menuju ke simpul tujuan disebut fungsi heuristic
Ada 4 metode pencarian heuristic
Pencarian Terbaik Pertama (Best-First Search)
Metode ini
merupakan kombinasi dari metode depthfirst search dan breadth-first search.
Pada metode best-first search, pencarian diperbolehkan mengunjungi node yang
ada di level yang lebih rendah, jika ternyata node pada level yang lebih tinggi
ternyata memiliki nilai heuristic yang lebih buruk.
Fungsi Heuristik
yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal
state, yang dinyatakan dengan :
f’(n) = g(n) +
h’(n)
f’ = Fungsi
evaluasi
g = cost dari
initial state ke current state
h’ = prakiraan
cost dari current state ke goal state
Pengurangan Masalah (Problem Reduction)
Kebanyakan solusi
menggunakan pohon OR, dimana lintasan dari awal sampai tujuan tidak terletak
pada satu cabang. Bila lintasan dari keadaan awal sampai tujuan dapat terletak
pada satu cabang, maka kita akan dapat menemukan tujuan lebih cepat.
Menggunakan Graf
AND-OR yang pada dasarnya sama dengan algoritma Best First Search, dengan mempertimbangkan
adanya arc AND.
Constraint Satisfaction
Problem search standard :
– state adalah "black box“
– setiap struktur data yang mendukung fungsi successor, fungsi heuristik dan tes goal.
– state adalah "black box“
– setiap struktur data yang mendukung fungsi successor, fungsi heuristik dan tes goal.
CSP:
– state didefinisikan sebagai variabel Xi dengan nilai dari domain Di – Tes goal adalah sekumpulan constraint yang menspesifikasikan kombinasi dari nilai subset variabel.
– state didefinisikan sebagai variabel Xi dengan nilai dari domain Di – Tes goal adalah sekumpulan constraint yang menspesifikasikan kombinasi dari nilai subset variabel.
Contoh sederhana adalah bahasa representasi formal.
CSP ini merupakan algoritma general-purpose dengan kekuatan
lebih daripada algoritma pencarian standar.
Contoh : Pewarnaan Peta
Variabel WA, NT, Q, NSW, V, SA, T
Domain Di = {red,green,blue}
Constraints : daerah yang bertetangga dekat harus memiliki warna yang berbeda.
Contoh WA ≠ NT, atau (WA,NT) {(red,green),(red,blue),(green,red), (green,blue),(blue,red),(blue,green)}
Constraints : daerah yang bertetangga dekat harus memiliki warna yang berbeda.
Contoh WA ≠ NT, atau (WA,NT) {(red,green),(red,blue),(green,red), (green,blue),(blue,red),(blue,green)}
Solusi lengkap dan konsisten, contoh : WA = red, NT =
green,Q = red,NSW = green,V = red,SA = blue,T = green
Constraint Graf
Binary CSP biner : setiap constraint merelasikan dua
variable
Graf Constraint : node adalah variabel, arc adalah constraint
Graf Constraint : node adalah variabel, arc adalah constraint
MEA (Means-Ends Analysis)
MEA adalah strategi penyelesaian
masalah yang diperkenalkan pertama kali dalam GPS (General Problem Solver)
[Newell & Simon, 1963]. Proses pencarian berdasarkan ruang masalah yang
menggabungkan aspek penalaran forward dan backward. Perbedaan antara state
current dan goal digunakan untuk mengusulkan operator yang mengurangi perbedaan
itu. Keterhubungan antara operator dan perbedaan tsb disajikan sebagai
pengetahuan dalam sistem (pada GPS dikenal dengan Table of Connections) atau
mungkin ditentukan sampai beberapa pemeriksaan operator jika tindakan operator
dapat dipenetrasi.
Contoh OPERATOR first-order
predicate calculus dan operator2 tertentu mengijinkan perbedaan korelasi
task-independent terhadap operator yang menguranginya. Kapan pengetahuan ada
tersedia mengenai pentingnya perbedaan, perbedaan yang paling utama terpilih
pertama lebih lanjut meningkatkan rata-rata capaian dari MEA di atas strategi
pencarian Brute-Force. Bagaimanapun, bahkan tanpa pemesanan dari perbedaan
menurut arti penting, MEA meningkatkan metode pencarian heuristik lain (di
rata-rata kasus) dengan pemusatan pemecahan masalah pada perbedaan yang nyata
antara current state dengan goal-nya.
Sumber :
https://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/
https://rinnooberta.wordpress.com/2013/10/29/pencarian-heuristik/
https://www.academia.edu/4865567/Teknik_Pencarian_Heuristik_1_25_Pengantar_Kecerdasan_Buatan_AK045218_Generate_and_Test_Hill_Climbing_Best_First_Search_Problem_Reduction_Constraint_Satisfaction_Means_End_Analysis?auto=download
http://rahmaanisa96.blogspot.co.id/2016/11/5-metode-pencarian-dan-pelacakan-2.html
0 komentar:
Posting Komentar