TUGAS PENG. TEKNOLOGI SISTEM CERDAS
Nama :Inka Riesty Gunadi
Npm
:13115384
Kelas
:3KA10
Dosen :Essy Malays Sari Sakti
UNIVERSITAS GUNADARMA
2017
Agen Pemecah Permasalahan
Dalam menentukan teknik penyelesaian
terbaik dalam AI memang tidak mudah, untuk itu ada beberapa teknik penyelesaian
masalah yang perlu kita pahami, antara lain:
A.
Searching
Teknik penyelesaian masalah yang
mempresentasikan masalah kedalam ruang keadaan (state) dan secara sistematis
melakukan pembangkitan dan pengujian state-state dari initial state sampai
ditemukan suatu goal state.
B.
Reasoning
Teknik penyelesaian masalah yang
mempresentasikan masalah kedalam logic (Mathematical Tools yang digunakan untuk
merepresentasikan dan memanipulasi fakta dan aturan)
C.
Planning
Memecah masalah dalam sub-sub
masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu,
kemudian menggabungkan solusi-solusi dari sub masalah tersebut menjadi sebuah
solusi lengkap.
D.
Learning
Program komputer yang secara
otomatis sanggup belajar dan meningkatkan performancenya melalui
pengalaman
Strategi Pencarian yang tidak berbentuk
Searching adalah
mekanisme pemecahan masalah yang paling umum di dalam kecerdasan buatan. Di
dalam permasalahan-permasalahan kecerdasan buatan, urutan langkah-langkah yang
dibutuhkan untuk memperoleh solusi merupakan suatu isu yang penting untuk
diformulasikan.
Algoritma searching di dalam
kecerdasan buatan yang umumnya dikenal adalah
Uninformed Search Algorithm: Algoritma yang tidak memberikan informasi tentang permasalahan
yang ada, hanya sebatas definisi dari algoritma tersebut.
Informed Search Algorithm:
Walaupun dengan menggunakan Uninformed Search Algorithm, banyak permasalahan
dapat dipecahkan, namun tidak semuanya dari algoritma tersebut dapat
menyelesaikan masalah dengan efisien.
Uninformed Search Algorithm : Uninformed Search sering disebut juga dengan Blind
Search. Istilah tersebut menggambarkan bahwa teknik pencarian ini tidak
memiliki informasi tambahan mengenai kondisi diluar dari yang disediakan oleh
definisi masalah. Yang dilakukan oleh algoritma ini adalah melakukan generate
dari successor dan membedakan goal state dari non-goal state. Pencarian
dilakukan berdasarkan pada urutan mana saja node yang hendak di-expand.
Breadth First Search (BFS)
: Pencarian dengan Breadth First Search menggunakan teknik dimana langkah
pertamanya adalah root node diekspansi, setelah itu dilanjutkan semua successor
dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga
leaf (node pada level paling bawah yang sudah tidak mempunyai successor lagi).
Uniform Cost Search (UCS)
:Pencarian dengan Breadth First Search akan menjadi optimal ketika nilai pada
semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah
algoritma yang optimal dengan melihat kepada nilai tiap path di antara
node-node yang ada.Selain menjalankan fungsi algoritma BFS, Uniform Cost Search
melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa
dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai
path-nya (node disimpan dalam bentuk priority queue).
Depth First Search (DFS)
:Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi
menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan
tidak adanya successor dari node itu. Setelah node itu selesai diekspansi, maka
node tersebut akan ditinggalkan, dan dilakukan ke node paling dalam lainnya yang
masih memiliki successor yang belum diekspansi.
Depth Limited Search
: Pencarian menggunakan DFS akan berlanjut terus sampai kedalaman paling
terakhir dari tree. Permasalahan yang muncul pada DFS adalah ketika proses
pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan
menginisiasikan batas depth pada level tertentu semenjak awal pencarian.
Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka
tidak memiliki successor.
Iterative Deepening Depth First Search : Iterative deepening search merupakan sebuah strategi umum
yang biasanya dikombinasikan dengan depth first tree search, yang akan
menemukan berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan
secara menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai
goal sudah ditemukan.
Bidirectional Search:
Pencarian dengan metode bidirectional search adalah dengan menjalankan dua
pencarian secara simultan, yang satu dikerjakan secara forward dari initial
state menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai
dari goal ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu
akan bertemu di tengah-tengah.
Referensi :
T.Sutojo,S.Si.,M.Kom
, Edy Mulyanto, S.Si.,M.Kom, Dr. VIncent Suhartono, Kecerdasan Buatan,
Andi, Yogyakarta, 2011
