1 / 107

Ruang Pencarian

Ruang Pencarian. Tujuan Instruksional. Mahasiswa dapat mendeskripsikan sebuah permasalahan secara formal Mahasiswa dapat merancang ruang pencarian dari sebuah permasalahan. Agen yang memiliki tujuan (goal directed Agent).

avi
Download Presentation

Ruang Pencarian

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. RuangPencarian

  2. TujuanInstruksional • Mahasiswa dapat mendeskripsikan sebuah permasalahan secara formal • Mahasiswa dapat merancang ruang pencarian dari sebuah permasalahan

  3. Agen yang memilikitujuan(goal directed Agent) Search = an agent with several immediate options of unknown value can decide what to do by first examining different possible sequences of actions that lead to states of known value, and then choosing the best sequence.

  4. Bagaimanamasalah yang dapatdipecahkandengan AI ?

  5. Komputasi AI VSKonvensional

  6. Prinsip Program AI (AI Software Principle) • Non Algoritmik dapat berarti : • Pemecahan Algoritmiknya (logic combination) sangat kompleks • Langkah Algoritmiknya (sequensial) sangat panjang • Keadaannya tidak pasti (Uncertainty) • Secara analisis bersifat : Non Polynomial • CirikhasterpentingPemrograman(software) AI : • Pemrogramansimbolik • Memecahkanmasalahnon algoritmik • Memanipulasisifat/type kualitatifketimbangkuantitatif/Numerik • Solusi (pemecahan) tidakmestieksak • Menggunakanpengetahuanuntukmemecahkanmasalah • Setiapbagian program dapatbersifatIndependen • Dapatbelajardaripengalamansebelumnya …… ?

  7. PerbedaanantaraPemrograman AI danKonvensional

  8. KarakteristikMasalahDalam AI : • Apakahmasalahnyadapatdidekomposisimenjadihimpunan sub masalah yang (hampir) independenlebihkecilataulebihmudah ? • Dapatkahlangkahpenyelesaiandiacuhkan paling tidakdibatalkanketikadapatdibuktikanhaltersebuttidakbijaksana ? • Apakah universe masalahnyadapatdiprediksi ? • Apakahsolusi yang baikdarimasalahtertentujelastanpamembandingkandenganseluruhsolusi lain yang mungkin ? • Apakahsolusi yang diinginkansebuahkeadaaandariduniaatausebuahjalurdarikeadaan ? • Apaperandaripengetahuan ? • Apakahpekerjaanmemerlukaninterakasidenganmanusia ?

  9. PenyelesaianMasalahberdasarkanteknik AI • Empathaluntukmembangunsistemataumemecahkanmasalahtertentu : • Definisikanmasalahdenganjelas • Analisismasalah • Kumpulkandanrepresentasikan knowledge • Pilihteknikpemecahmasalahterbaikdangunakanuntukmasalahtertentu

  10. Misalkan permasalahan yang dihadapi adalah permainan catur, maka harus ditentukan : 1. posisiawalpadapapancatur posisiawalsetiappermainancaturselalusama, yaitusemuabidakdiletakkan di ataspapancaturdalam 2 sisi, yaitukubuputihdankubuhitam. 2. aturan – aturanuntukmelakukangerakan aturan – aturaninisangatbergunauntukmenentukangerakansuatubidak, yaitumelangkahdarisatukeadaankekeadaan lain. Misalkanuntukmempermudahmenunjukkanposisibidak, setiapkotakditunjukkandalamhuruf (a,b,c,d,e,f,g,h) padaarahhorisontaldanangka (1,2,3,4,5,6,7,8) padaarahvertikal. Suatuaturanuntukmenggerakkanbidakdariposisi (e,2) ke (e,4) dapatditunjukkandenganaturan : if bidak putih pada kotak(e,2), and kotak(e,3) kosong, and kotak(e,4) kosong then gerakkan bidak dari (e,2) ke (e,4) 3. tujuan (goal) tujuan yang ingindicapaiadalahposisipadapapancatur yang menunjukkankemenanganseseorangterhadaplawannya. Kemenanganiniditandaidenganposisi raja yang sudahtidakdapatbergeraklagi.

  11. Teknikpemecahanmasalah • Searching • Reasoning • Planning • learning

  12. Searching • Teknikpencarian, yaituteknikpenyelesaianmasalah yang mempresentasikanmasalahkedalamruangkeadaan (state) dansecarasistematismelakukanpembangkitandanpengujianstate-statedariinitial state sampaiditemukansuatugoal state. • Searching : digunakandalampencarianrute optimum untukmemanduseseorang di perjalanan, misal di swediasetiaptaksidilengkapidengan GPS (Global Positioning System). • Produk KB yang lain adalah software TourguideygdiberinamaTomTom, dapatdiinstallkedalam HP atau PDA. Software inidapatmemanduwisatawanuntukmenjelajahitempat-tempatmenarik di suatukawasan.

  13. Reasoning • Teknikpenalaran, yaituteknikpenyelesaianmasalah yang merepresentasikanmaslahkedalm logic (mathematics tools yang digunakanuntukmerepresentasikandanmemanipulasifaktadanaturan). • Contoh Reasoning : software permainancaturHITECHadalahsistem AI pertamaygberhasilmengalahkan grandmaster dunia Arnold Danker. • Dalamduniakedokteran, telahberhasildibangunsebuah software yang disebutMedicWare yang digunakanuntukmerekamcatatanmedispasien. MedicWaredilengkapidenganribuanpengetahuantentangjenis, merek, efeksampingdaninteraksiberbagaijenisobat-obatan

  14. Planning • Suatumetodepenyelesaianmasalahdengancaramemecahmasalahdalam sub-sub masalah yang lebihkecil, menyelesaikan sub-sub masalahsatu demi satu, kemudianmenggabungkansolusi-solusidari sub-sub masalahtersebutmenjadisebuahsolusilengkapdengantetapmengingatdanmenanganiinteraksi yang terdapatpada sub-sub masalahtersebut. • Contoh Planning : dalamduniamanufakturdanrobotik. Software Optimum – AIVadalahsuatu planner yang digunakanoleh European Space Agency untukperakitanpesawatterbang.

  15. Learning • secaraotomatismenemukanatuan yang diharapkanbisaberlakuumumuntuk data-data yang belumpernahkitaketahui. • Contoh Learning : digunakandalambidangtransportasi. Software ALVINNdigunakanpadasebuahmobiltanpadikemudikanmanusiadenganmengunakanJST yang dilatihdenganberbagaigambarkondisijalanraya yang ditangkapkamerapadamobil.

  16. d. Teknik learning Contoh :Dalambidang speech processing, telahberhasildibuatberbagaisistempengenalansuara, pengenalanpembicaradanbahkansistem speech to speech Machine Translation (S2SMT). Dengan S2SMT, seseorangbisaberbicaradengan orang lain yang menggunakanbahasaberbeda. S2SMT terdiridaritigakomponenutama, yaitu ”Automatic Speech Recognition” (ASR) yang mengubahsuaramanusiamenjaditeks, Machine Translation (MT) yang menerjemahkantekssuatubahasakedalamteksbahasa lain, dan Text to Speech (TTS) yang mengubahteksmenjadisuara.

  17. Kebutuhan agent • Perumusan permasalahan • Keadaan awal • Operator / Aksi • Rencana • Tes tujuan

  18. Formulasipermasalahan • S: himpunan keadaan (states) • S0: keadaan awal (initial state) • A: S  S adalah himpunan aksi (actions) • G: keadaan akhir, perhatikan bahwa G adalah himpunan bagian dari S (goal test)

  19. State space (Ruangpencarian) plan P = {a0, a1, … , aN} akan menjalani keadaan-keadaan dalam sebuah permasalahan {s0, s1, … , sN+1∈G}.

  20. Representasiformulasipermasalahan Representasi: Directed graph, nodes, arc

  21. Graph keadaandengan node M menunjukkankeadaanawal, node T adalahtujuan. Ada 4 lintasandari M ke T : M-A-B-C-E-T M-A-B-C-E-H-T M-D-C-E-T M-D-C-E-H-T Lintasan buntu atau lintasan yang tidak sampai ke tujuan : M-A-B-C-E-F-G M-A-B-C-E-I-J M-D-C-E-F-G M-D-C-E-I-J M-D-I-J

  22. POHONPELACAKAN / PENCARIAN

  23. POHON AND/OR

  24. Contoh 1 : Masalah EMBER Ada 2 ember masing-masingberkapasitas 4 galon (ember A) dan 3 galon (ember B). Ada pompa air ygakandigunakanuntukmengisi air pada ember tersebut. Bagaimanadapatmengisitepat 2 galon air kedalam ember berkapasitas 4 galon? Penyelesaian : 1. Identifikasi ruang keadaan (state space) Permasalahaninidapatdigambarkansebagaihimpunanpasanganbilanganbulat : x = jumlah air ygdiisikanke ember 4 galon (ember A) y = jumlah air ygdiisikanke ember 3 galon (ember B) Ruangkeadaan = (x,y) sedemikianhingga x ∈ {0,1,2,3,4} dan y ∈{0,1,2,3} 2. Keadaanawal & tujuan Keadaanawal : kedua ember kosong = (0,0) Tujuan : ember 4 galonberisi 2 galon air = (2,n) dengansembarang n 3. Keadaan ember Keadaan ember bisadigambarkansebagaiberikut :

  25. Pemecahan Masalah oleh Agen • Agen berorientasi tujuan (Goal-based agent) mempertimbangkan aksi-aksi yang akan datang dan hasil yang ingin dicapai • Pemecahan masalah oleh agen (Problem-Solving Agents) merupakan salah satu macam Goal-based agent • Pemecahan masalah oleh Agen yaitu dengan cara menemukan urutan aksi-aksi untuk mencapai tujuan • Salah satu algoritma adalah uninformed dimana tidak ada informasi tentang masalah yang akan dipecahkan, hanya berupa penjelasan pada masalah tersebut Pemecahan Masalah

  26. Formulasi Tujuan dan Masalah • Formulasi Tujuan • Kondisi saat ini • Ukuran performansi • Formulasi Masalah • Proses  Menemukan state dan aksi-aksi yang akan dilakukan untuk mencapai tujuannya • Pencarian • input problem, output solusi dalam bentuk urutan aksi-aksi Pemecahan Masalah

  27. Algoritma Pemecahan Masalah Sederhana oleh Agen FunctionSimple-Problem-Solving-Agent(percept) return an action Input : percept //a percept Static : seq //an action sequence, initially empty state //some description of the current world state goal //a goal, initially null problem //a problem formulation State Update-State(state, percept) Ifseq is empty then do goal Formulate-Goal(state) problem Formulate-Problem(state,goal) seq Search(Problem) Action  First(seq) Seq  Rest(seq) Returnaction Pemecahan Masalah

  28. Algoritma Pemecahan Masalah Sederhana oleh Agen • Merumuskan tujuan dan permasalahan, kemudian melakukan pencarian dengan aksi-aksi yang berurutan yang akan menyelesaikan masalah, dan menjalankan aksi-aksi pada suatu waktu. Jika selesai merumuskan tujuan lain dan ulangi lagi. Pemecahan Masalah

  29. Agen & Lingkungan • Pada algoritma pemecahan masalah sederhana diatas maka lingkungan agen sbb: • Static • Karena perumusan dan pemecahan masalah sudah dilakukan tanpa memperhatikan perubahan yang terjadi pada lingkungan • Observable • Karena initial state diketahui (di Arad) dengan adanya peta • Discreet • Aksi-aksi nya dapat digambarkan • Deterministic • Tidak bisa menangani terhadap hal-hal yang tidak diperkirakan Pemecahan Masalah

  30. Definisi Masalah dan Solusi • 4 Komponen Problem • Initial State (Inisialisasi state awal) • Actions : Successor function : (menemukan state/aksi berikutnya yang mungkin) • Successor-Fn(x) = <Action,Successor> • Goal Test (menentukan tujuan/goal state) • Path Cost (nilai dari solusi path atau urutan state/aksi yang mencapai tujuan) • Solusi yang optimal  path cost terkecil Pemecahan Masalah

  31. Contoh Kasus • Agen kita sedang berlibur dan sekarang sedang di kota Arad Romania • Besok dia harus naik pesawat dari Bucharest • Tujuan (Goal) dari agen sekarang adalah pergi ke Bucharest • Aksi yang tidak berhubungan dengan tujuan akan dibuang  keputusan agen lebih sederhana Pemecahan Masalah

  32. Contoh Kasus • Agen  Mencapai tujuan (ke Bucharest) dengan naik mobil • Kemana akan pergi setelah dari Arad ? • Ada tiga jalan : ke Sibiu, Timisoara, Zerind • Agent kita ini masih belum tahu jalan disana (mana yang tercepat) tapi hanya memiliki peta. • Dari informasi peta, dilakukan hipotesa terhadap ketiga jalur tsb untuk sampai ke Bucharest Pemecahan Masalah

  33. Solusi Path Cost Agen Pemecahan Masalah

  34. Formulasi Masalah dan Tujuan Agen • Formulasi Tujuan • Tiba di Bucharest besok • Formulasi Masalah • States : kota-kota • Actions : mengemudi antar kota • Solusi • Urutan kota : Arad-Sibiu-Rimicu Vilcea-Pitesti-Bucharest Pemecahan Masalah

  35. Definisi Masalah dan Solusi • Initial StateIn(Arad) • Actions : Successor function  {<Go(Sibiu),In(Sibiu)>, <Go(Timisoara),In(Timisoara)>,<Go(Zerind),In(Zerind)>} • Goal Test {In(Bucharest)} • Path Cost 418 (Arad-Sibiu-Rimicu Vilcea-Pitesti-Bucharest) Pemecahan Masalah

  36. Contoh Lain : • Toy Problem • Diharapkan bisa mengilustrasikan berbagai macam metode problem-solving • Membandingkan performa algoritma • Akan dibahas untuk kasus : vacum cleaner, 8-puzle, 8-Queen Problem • Reald World Problem • Airline Travel Problem • Touring Problem • Traveling Salesman Problem • VLSI Layout • Robot Navigation • Automatic Assembly Sequencing • Internet Searching Pemecahan Masalah

  37. Toy Problem • Vacuum Cleaner • States : Berada di salah satu dari dua lokasi yang ada, yg masing2 mungkin bersih atau kotor. Jadi jml kemungkinan state = 2 * 22 • Initial State ? • Successor Function ? . • Goal Test ? • Path Cost ? Pemecahan Masalah

  38. Toy Problem • Vacuum Cleaner • States : Berada di salah satu dari dua lokasi yang ada, yg masing2 mungkin bersih atau kotor. Jadi jml kemungkinan state = 2 * 22 • Initial State : sembarang state • Successor Function : (kekiri,kekanan,bersihkan) • Goal Test : Semua lokasi bersih • Path Cost : jumlah aksi-aksi yang paling sedikit dilakukan. Setiap aksi = 1 point Pemecahan Masalah

  39. 8-queens problem

  40. FormulasiPermasalahan 8-queens: Alternatif 1 • States: susunan 0 sampai 8 ratu pada papan catur. • Keadaan awal: 0 ratu di atas papan. • Suksesor: tambahkan sebuah ratu pada kotak manapun. • Tes tujuan: ada 8 ratu di atas papan, namun tidak ada yang saling menyerang.

  41. Analisisalternatif 1

  42. FormulasiPermasalahan 8-queens: Alternatif 2 • States: Susunan apapun untuk 8 ratu di atas papan catur. • Keadaan awal: Semua ratu berada pada kolom pertama. • Suksesor: Ubah posisi salah satu ratu. • Tes tujuan: ada 8 ratu di atas papan, namun tidak ada yang saling menyerang.

  43. Analisisalternatif 2

  44. FormulasiPermasalahan N-queens: Alternatif 3 • States: Susunanapapununtuk k-queens pada k-barispertamasehinggatidakada yang salingmenyerang. • KeadaanAwal: 0 ratudiataspapancatur. • Suksesor: tambahkansebuahratupadabaris (k+1) sehinggatidakada yang salingmenyerang. • Testujuan: ada k-ratu diataspapan, namuntidakada yang salingmenyerang.

More Related