KECERDASAN BUATAN PERTEMUAN 9 Planning Teknik Dekomposisi Masalah

  • Slides: 24
Download presentation
KECERDASAN BUATAN PERTEMUAN 9

KECERDASAN BUATAN PERTEMUAN 9

Planning (Teknik Dekomposisi Masalah)

Planning (Teknik Dekomposisi Masalah)

ARTIFICIAL INTELLIGENCE SEARCHING BLIND/UN-INFORMED SEARCH METODE PENCARIAN HEURISTIK FUNGSI HEURISTIK REASONING PLANNING LEARNING PROPORTIONAL

ARTIFICIAL INTELLIGENCE SEARCHING BLIND/UN-INFORMED SEARCH METODE PENCARIAN HEURISTIK FUNGSI HEURISTIK REASONING PLANNING LEARNING PROPORTIONAL LOGIC GOAL STACK PLANNING DECISION TREE LEARNING FIRST ORDER LOGIC CONSTRAINT POSTING NEURAL NETWORK FUZZY SYSTEMS GENETIC ALGORITHM

Searching § Teknik pencarian, yaitu teknik penyelesaian masalah yang mempresentasikan masalah ke dalam ruang

Searching § Teknik pencarian, yaitu teknik penyelesaian masalah yang mempresentasikan masalah ke dalam ruang keadaan (state) dan secara sistematis melakukan pembangkitan dan pengujian state dari initial state sampai ditemukan suatu goal state. § Digunakan dalam pencarian rute optimum untuk memandu seseorang di perjalanan, misal di swedia setiap taksi dilengkapi dengan GPS (Global Positioning System)

Reasoning • Teknik penalaran, yaitu teknik penyelesaian masalah yang merepresentasikan maslah kedalam logic (mathematics

Reasoning • Teknik penalaran, yaitu teknik penyelesaian masalah yang merepresentasikan maslah kedalam logic (mathematics tools yang digunakan untuk merepresentasikan dan memanipulasi fakta dan aturan). • software permainan catur HITECH adalah sistem AI pertama yang berhasil mengalahkan grandmaster dunia Arnold Danker

Planning Suatu metode penyelesaian masalah dengan cara memecah masalah dalam sub-sub masalah yang lebih

Planning Suatu metode penyelesaian masalah dengan cara memecah masalah dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu, kemudian menggabungkan solusi-solusi dari sub-sub masalah tersebut menjadi sebuah solusi lengkap dengan tetap mengingat dan menangani interaksi yang terdapat pada sub-sub masalah tersebut. Dalam dunia manufaktur dan robotik. Software Optimum – AIV adalah suatu planner yang digunakan oleh European Space Agency untuk perakitan pesawat terbang.

Learning • secara otomatis menemukan atuan yang diharapkan bisa berlaku umum untuk dat-data ang

Learning • secara otomatis menemukan atuan yang diharapkan bisa berlaku umum untuk dat-data ang belum pernah kita ketahui. • digunakan dalam bidang transportasi. Software ALVINN digunakan pada sebuah mobil tanpa dikemudikan manusia dengan menngunakan JST yg dilatih dengan berbagai gambar kondisi jalan raya yang ditangkap kamera pada mobil.

Penyelesaian Masalah § Penentuan tujuan merupakan langkah awal dalam menyelesaikan masalah § Sebuah tujuan

Penyelesaian Masalah § Penentuan tujuan merupakan langkah awal dalam menyelesaikan masalah § Sebuah tujuan dapat berupa himpunan keadaan (state) § Perumusan masalah adalah proses untuk memutuskan aksi dan state apa yang akan dipertimbangkan dalam mengikuti penentuan tujuan § Pencarian (search) adalah proses untuk mencari rangkaian terbaik dari beberapa kemungkinan rangkaian § Sebuah algoritma pencarian menggunakan masalah sebagai input menghasilkan solusi dalam serangkaian aksi § Setelah solusi ditemukan, aksi yang direkomendasikan dapat dilakukan formulate-search-execute

Tipe Masalah Single State Problem • • Satu aksi mengantarkan agent ke satu state

Tipe Masalah Single State Problem • • Satu aksi mengantarkan agent ke satu state lain Dapat menggunakan uninformed & informed search • • Satu aksi mengantarkan agent ke beberapa kemungkinan state Dapat menggunakan uninformed & informed search • Hasil dari suatu aksi sangat sukar untuk diprediksi, agent mengetahui efek apa yang mungkin ditimbulkan oleh aksi yang dilakukannya Selama aksi dilakukan, sensing juga diperlukan Umumnya menggunakan planning untuk kasus khusus seperti pada game dengan 2 pemain dapat menggunakan metode-metode game playing Multiple State Problem Contingency problem (tidak terduga) • • Exploration problem • • • Agent sama sekali tidak mempunyai informasi mengenai efek dari aksi yang dilakukannya Agent perlu bereksperiman & belajar Dapat menggunakan metode learning yang ada

Metode Pencarian • Pencarian Buta (Blind Search/Uninformed search) • • Pencarian melebar (breath first

Metode Pencarian • Pencarian Buta (Blind Search/Uninformed search) • • Pencarian melebar (breath first Search) Pencarian mendalam pertama (dept first search) Pencarian mendalam terbatas (dept limited search) Iterative Deepening Search • Pencarian Terbimbing (Informed/heuristic Search) • • • Generate and Test Pendakian Bukit (Hill Climbing) Pencarian Terbaik Pertama (Best First Search) Tabu Search Simulated Anealing Cheapest Insertion Heuristic

S A D B C D E F G E E F B G

S A D B C D E F G E E F B G C A F B B E G C C F G

Breath-First Seach • Pada metode Breadth-First Search, semua node pada level n akan dikunjungi

Breath-First Seach • Pada metode Breadth-First Search, semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1 • Pencarian dimulai dari node akar terus ke level ke-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya demikian pula dari kiri ke kanan hingga ditemukannya

S A D B C D E E E F F B G G

S A D B C D E E E F F B G G C A F B B E G C C F G

Depth First Search • Pada Depth-First Search, proses pencarian akan dilakukan pada semua anaknya

Depth First Search • Pada Depth-First Search, proses pencarian akan dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel. • Pencarian dimulai dari node akar ke level yang lebih tinggi. Proses ini diulangi terus hingga ditemukannya solusi

S A D B C D E F G E E F F B

S A D B C D E F G E E F F B G C G A B C B Jarak dan E Jml Langkah 1. C F G 2. 3. S E S B S G

Arad Buchared?

Arad Buchared?

Arad Buchared?

Arad Buchared?

Depth Limited Search • Sama dengan pada Depth First Search • Tetapi kedalaman dari

Depth Limited Search • Sama dengan pada Depth First Search • Tetapi kedalaman dari pohon dibatasi • Jika batas kedalaman sudah tercapai akan dilanjutkan ke cabang berikutnya • Misal kedalaman maksimal : 3

S A B C D D E E E F A B B Jarak

S A B C D D E E E F A B B Jarak dan E Jml Langkah 1. 2. 3. S E S B S G

Iterative Deepening Search • Secara iterative akan menggunakan Depth Limited Search dari kedalaman 0

Iterative Deepening Search • Secara iterative akan menggunakan Depth Limited Search dari kedalaman 0 sampai kedalaman n • Merupakan penggabungan antara Breath First Search dan Depth First Search

n=0 n=1 n=2 S n=3 A B C D D E E E F

n=0 n=1 n=2 S n=3 A B C D D E E E F A B B E

n=4 S A D B C D E F E E F B A

n=4 S A D B C D E F E E F B A F B G C B E C F

n=5 S A D B C D E E E F A B B

n=5 S A D B C D E E E F A B B Jarak dan E Jml Langkah 1. F G F B G C C F G 2. 3. S E S B S G

Sumber • Russel, S. J. , dan Norvig, P. , 1995, Artificial Intelligence a

Sumber • Russel, S. J. , dan Norvig, P. , 1995, Artificial Intelligence a Modern Aproach • Winston, P. H. , 1992, Artificial Intelligence • Handayani, A. N. , ---, Kecerdasan Buatan