Agent Penyelesaian Masalah menggunakan Teknik Pencarian Blind Search

Course Content Knowledge. Based Intelligent Systems Uncertainty Management in Expert Systems Fuzzy Expert Systems Machine Learning

Pendahuluan 3 • Hubungan searching dengan AI ? – Sistem AI, khususnya problem-solving agent (salah satu jenis goalbased agent), diharapkan dapat memecahkan suatu masalah secara autonomous. Salah satu cara untuk melakukannya, adalah dng. mencari langkah-langkah yang dapat mengantarkannya ke solusi → menggunakan algoritma search. • Pencarian solusi hanya bisa dilakukan setelah agent mengetahui apa yang dihadapinya, apa yang dicarinya → perlu problem definition. • Secara kasar, simple problem-solving agent : Percept → Problem definition → Search for solution → Action.

Problem Definition ▫ Problem types : 4 Single-state problems. Satu aksi mengantarkan agent ke satu state lain. Dapat menggunakan uninformed & informed search. Multiple-state problems. Satu aksi mengantarkan agent ke beberapa kemungkinan state. Dapat menggunakan uninformed & informed search. Contingency problems. Hasil dari suatu aksi sangat sukar untuk diprediksi, agent mengetahui efek apa yg. mungkin ditimbulkan oleh aksi yg. dilakukannya. Selama aksi dilakukan, sensing juga diperlukan. Umumnya menggunakan planning. Utk. kasus khusus spt. pada game dng. 2 pemain dapat menggunakan metode-metode game playing. • Exploration problems. – Agent sama sekali tidak mempunyai informasi mengenai efek dari aksi yg. dilakukannya. – Agent perlu bereksperiman & belajar. – Dapat menggunakan metode learning yg. ada.

Searching Teknik Searching dibagi menjadi 2 : 1. Pencarian Buta (Blind Search) 2. Pencarian Terbimbing (Heuristic Search) Untuk mengukur performa metode Searching, dapat dilakukan 4 kriteria : 1. Completeness Apakah metode tersebut menjamin adanya solusi jika solusinya ada? 2. Time Complexity Berapa lama waktu yang diberikan untuk menemukan solusi tersebut? 3. Space Complexity Berapa banyak memori yang diberikan untuk menemukan solusi tersebut? 4. Optimality Apakah metode tersebut menjamin menemukan solusi terbaik jika terdapat beberapa solusi berbeda?

Searching (Cont …) 6 • Dua teknik pencarian & pelacakan: – Pencarian buta (blind search) • Pencarian melebar pertama (breadth-first search) • Pencarian mendalam pertama (depth-first search) – Pencarian terbimbing (heuristic search) • Pendakian bukit (hill climbing) • Pencarian terbaik pertama (best first search)

Pencarian melebar pertama (breadth-first search) Ø Semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1 Ø Pencarian dimulai dari node akar terus ke level ke-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya dari kiri ke kanan hingga ditemukannya solusi Ø Node anak yang telah dikunjungi disimpan dalam sebuah Queue (Antrian)

Algoritma Pencarian melebar pertama 1. Masukkan node akar ke dalam Queue 2. Ambil node dari awal Queue, lalu cek apakah node merupakan solusi 3. Jika node merupakan solusi, pencarian selesai dan hasil dikembalikan 4. Jika node bukan solusi, masukkan seluruh node anak ke dalam Queue 5. Jika Queue kosong dan setiap node sudah di cek, pencarian selesai 6. Jika Queue tidak kosong, ulangi pencarian mulai dari langkah 2.

Breadth-First Search S A C B D E H F G Keuntungan Breadth-First Search Menjamin ditemukannya solusi terbaik (Complete dan Optimal) Kelemahan Breadth-First Search Membutuhkan memori dan waktu yang cukup banyak karena menyimpan semua node yang dibangkitkan.

Breadth-First Search (Cont …) Contoh : Misalkan diketahui pohon pelacakan : S A C B D E H F G Implementasikan algoritma BFS untuk mencari solusi dari node awal S (Start) sampai node G (Goal) !!!

Breadth-First Search (Cont …) Solusi : Iterasi ke – 1 Ø Masukkan node S ke Queue (masuk dari kiri, keluar ke kanan) S Ø Representasi Ruang Keadaan : Ø Keluarkan S dari Queue, dan cek apakah S adalah Goal : Ternyata S ≠ Goal S

Breadth-First Search (Cont …) Ø S punya anak A dan B, masukkan ke Queue B Ø Representasi Ruang Keadaan : S A B A

Breadth-First Search (Cont …) Iterasi ke – 2 Ø Keluarkan A dari Queue dan cek apakah A adalah Goal B Ternyata A ≠ Goal Ø A punya anak C dan D, masukkan ke Queue D C B Ø Representasi Ruang Keadaan : S A C B D

Breadth-First Search (Cont …) Iterasi ke – 3 Ø Keluarkan B dari Queue dan cek apakah B adalah Goal D C Ternyata B ≠ Goal Ø B punya anak E dan F, masukkan ke Queue F E D C Ø Representasi Ruang Keadaan : S A C B D E F

Breadth-First Search (Cont …) Iterasi ke – 4 Ø Keluarkan C dari Queue dan cek apakah C adalah Goal F E D Ternyata C ≠ Goal Ø C tidak punya anak, tidak ada yg dimasukkan F E D Ø Representasi Ruang Keadaan : S A C B D E F

Breadth-First Search (Cont …) Iterasi ke – 5 Ø Keluarkan D dari Queue dan cek apakah D adalah Goal F E Ternyata D ≠ Goal Ø D tidak punya anak, tidak ada yg dimasukkan F E Ø Representasi Ruang Keadaan : S A C B D E F

Breadth-First Search (Cont …) Iterasi ke – 6 Ø Keluarkan E dari Queue dan cek apakah E adalah Goal F Ternyata E ≠ Goal Ø E punya anak H dan G, masukkan ke Queue G H F Ø Representasi Ruang Keadaan : S A C B D E H F G

Breadth-First Search (Cont …) Iterasi ke – 7 Ø Keluarkan F dari Queue dan cek apakah F adalah Goal G H Ternyata F ≠ Goal Ø F tidak punya anak, tidak ada yg dimasukkan G H Ø Representasi Ruang Keadaan : S A C B D E H F G

Breadth-First Search (Cont …) Iterasi ke – 8 Ø Keluarkan H dari Queue dan cek apakah H adalah Goal G Ternyata H ≠ Goal Ø H tidak punya anak, tidak ada yg dimasukkan G Ø Representasi Ruang Keadaan : S A C B D E H F G

Breadth-First Search (Cont …) Iterasi ke – 9 Ø Keluarkan G dari Queue dan cek apakah G adalah Goal Ternyata G = Goal Ø Pencarian dihentikan Mencari Solusi : G anaknya E, E anaknya B, B anaknya S Maka Solusi : S–B–E–G

Pencarian Mendalam Pertama (Depth-First Search) Ø Proses pencarian akan dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel Ø Pencarian dimulai dari node akar ke level yang lebih tinggi. Proses ini diulangi terus hingga ditemukannya solusi Ø Node anak yang telah dikunjungi disimpan dalam sebuah Stack (Tumpukan)

Algoritma Depth-First Search 1. Masukkan node akar ke dalam Stack 2. Ambil node dari Stack teratas, lalu cek apakah node merupakan solusi 3. Jika node merupakan solusi, pencarian selesai dan hasil dikembalikan 4. Jika node bukan solusi, masukkan seluruh node anak ke dalam Stack 5. Jika Stack kosong dan setiap node sudah di cek, pencarian selesai 6. Jika Stack tidak kosong, ulangi pencarian mulai dari langkah 2.

Depth-First Search S A C B D E H F G Keuntungan Depth-First Search ü Membutuhkan memori yang kecil ü Menemukan solusi tanpa harus banyak pengujian Kelemahan Depth-First Search ü Memungkinkan tidak ditemukannya tujuan yang diharapkan ü Hanya akan menemukan 1 solusi pada setiap pencarian

Depth-First Search (Cont …) Contoh : Misalkan diketahui pohon pelacakan : S A C B D E H F G Implementasikan algoritma DFS untuk mencari solusi dari node awal S (Start) sampai node G (Goal) !!!

Depth-First Search (Cont …) Solusi : Iterasi ke – 1 Ø Beri tanda batas pada stack, masukkan node S ke stack (masuk dari kiri, keluar ke kiri) S Ø Representasi Ruang Keadaan : Ø Keluarkan S dari Stack, dan cek Ternyata S ≠ Goal S

Depth-First Search (Cont …) Ø S punya anak A dan B, beri tanda batas pada Stack, dan masukkan ke Stack A B Ø Karena S punya anak, masukkan S ke solusi sementara Solusi sementasa : [ S ] Ø Representasi Ruang Keadaan : S A B

Depth-First Search (Cont …) Iterasi ke – 2 Ø Keluarkan A dari Stack dan cek B Ternyata A ≠ Goal Ø A punya anak C dan D, beri tanda batas pada Stack, dan masukkan ke Stack C D B Ø Karena A punya anak, masukkan A ke solusi sementara , Solusi sementasa : [ S A ] Ø Representasi Ruang Keadaan : S A C B D

Depth-First Search (Cont …) Iterasi ke – 3 Ø Keluarkan C dari Stack dan cek apakah C adalah Goal D B Ternyata C ≠ Goal Ø C tidak punya anak, tidak ada yg dimasukkan D B Ø Karena C tidak punya anak, maka C tidak dimasukkan ke solusi sementara , Solusi sementasa : [ S A ] S Ø Representasi Ruang Keadaan : A C B D

Depth-First Search (Cont …) Iterasi ke – 4 Ø Keluarkan D dari Stack dan cek apakah D adalah Goal B Ternyata D ≠ Goal Ø D tidak punya anak, tidak ada yg dimasukkan B Ø Karena D tidak punya anak, maka D tidak dimasukkan ke solusi sementara , Solusi sementasa : [ S A ] S Ø Representasi Ruang Keadaan : A C B D

Depth-First Search (Cont …) Iterasi ke – 5 Ø Keluarkan tanda batas dari Stack dan gunakan untuk menghapus solusi sementara satu huruf B Solusi sementasa : [ S A ] = [ S ]

Depth-First Search (Cont …) Iterasi ke – 6 Ø Keluarkan B dari Stack dan cek apakah B adalah Goal Ternyata B ≠ Goal Ø B punya anak E dan F, beri tanda batas dan masukkan ke Stack E F Ø Karena B punya anak, masukkan B ke solusi sementara , Solusi sementasa : [ S B ] Ø Representasi Ruang Keadaan : S A C B D E F

Depth-First Search (Cont …) Iterasi ke – 7 Ø Keluarkan E dari Stack dan cek F Ternyata E ≠ Goal Ø E punya anak H dan G, beri tanda batas dan masukkan ke Stack H F G Ø Karena E punya anak, masukkan E ke solusi sementara , Solusi sementasa : [S B E] S Ø Representasi Ruang Keadaan : A C B D E H F G

Depth-First Search (Cont …) Iterasi ke – 8 Ø Keluarkan H dari Stack dan cek apakah H adalah Goal G F Ternyata H ≠ Goal Ø H tidak punya anak, tidak ada yg dimasukkan Ø Karena H tidak punya anak, maka H tidak dimasukkan ke solusi sementara , Solusi sementasa : [ S B E ] S Ø Representasi Ruang A B Keadaan : C D E H F G

Depth-First Search (Cont …) Iterasi ke – 9 Ø Keluarkan G dari Stack dan cek apakah G adalah Goal F Ternyata G = Goal, Masukkan ke solusi sementara dan pencarian dihentikan Maka Solusi : [ S B E G ] Ø Representasi Ruang Keadaan : S A C B D E H F G

PR: A C B D E F G H I J K L M N O P Q R S Y Z T U A 1 Bila : V W A 2 X A 3 keadaan awal ( A ), keadaan akhir ( M, A 1, Z ) Gunakan BFS dan DFS untuk menyelesaikannya !!