Metode Pencarian & Pelacakan (M4)

Blind Searching

Blind Searching merupakan pencarian buta, pencarian ini tidak memiliki informasi awal. Ciri-cirinya membangkitkan simpul berdasarkan urutan, kalau ada solusi, solusi akan ditemukan, hanya memilki informasi tentang node yang telah dibuka.

Ada beberapa teknik blind searching :

   - Breadth-first Search, yang sering disebut pencarian melebar. 

   Pencarian ini membuka note (titik) per levelnya. Sehingga penyelesaiannya menjadi seperti ini.

a    - Depth-First Search, yang sering disebut pencarian mendalam.

 Metode Pencarian Heuristik

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian (pencarian yang lebih simple). Namun kemungkinan juga dapat mengngorbankan kelengkapan (complateness).

Fungsi Heuristik

Heuristic digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

Pembangkitan dan Pengujian (Generate and Test)

Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak kebelakang menuju pada suatu keadaan awal.

Algoritma:

1.Bangkitkan suatu kemungkinan solusi(membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal).

2.Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node terebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan.

3.Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama.

 

PENDAKIAN BUKIT (Hill Climbing)

Metode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnyayang mungkin.

Algoritma:

1. Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.

a) Kerjakan langkah-langkah berikut sampai solusinya ditemukan atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang : Cari operator yang belum digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.

b) 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.

Sumber :

http://kuliahkusayang.blogspot.co.id/2010/04/teknik-searching.html

http://lily.staff.gunadarma.ac.id/Downloads/files/17559/Pertemuan2.pdf 

Read More

Logical Agent (M3)

Logical Agent

Agen logika merupakan agen yang memiliki kemampuan bernalar secara logika. Ketika beberapa solusi tidak secara eksplisit diketahui, maka diperlukan suatu agen berbasis logika. Logika sebagai Bahasa Representasi Pengetahuan memiliki kemampuan untuk merepresentasikan fakta sedemikian sehingga dapat menarik kesimpulan (fakta baru, jawaban). Perbedaan dua agen, problem solving agen dan knowledge-based agen

 

Knowledge Based Agent

Komponen utama dari knowledge based agent adalah knowledge basenya. Knowledge base (KB) adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge representation language.

Perbedaan dua agen, problem solving agen dan knowledge-based agen :

•        Problem Solving Agent : memilih solusi diantara kemungkinan yang ada. Apa yang ia “ketahui” tentang dunia, pengetahuannya tidak berkembang untuk mencapai problem solution.

• Knowledge-based Agent : lebih “pintar”. Ia “mengetahui hal-hal tentang dunia dan dapat melakukan reasoning (berfikir, bernalar) mengenai :

-          Hal-hal yang tidak diketahui sebelumnya

-          Tindakan yang paling baik untuk diambil.

 
Contoh Wumpus World :

Logics : bahasa formal untuk merepresentasikan fakta sedemikian sehingga. kesimpulan (fakta baru, jawaban) dapat ditarik. Ada banyak metode inference yang diketahui. Kita bisa membangun agent Wumpus World dengan logika: memanfaatkan perkembangan logika oleh ahli matematika, filsafat selama ratusan tahun.

Sumber :

https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/

https://www.scribd.com/doc/195203215/Agen-Logika

https://kangmasjuqi.files.wordpress.com/2008/10/iki303200809kuliah10slides.pdf

Read More