Pencarian dan Strategi Kontrol (1)

1. PencariandanStrategiKontrol(1) Searching and Control Strategy Pertemuan 2

2. Review • Adaduacarapandangtentang AI. Pertama, AI berfokuspadaprosesberpikirsedangkan yang kedua AI berfokuspadatingkahlaku. • Defenisi yang paling tepatuntuk AI adalah acting rationally denganpendekatan rational agent. • Komputerbisamelakukanpenalaransecaralogisdanjugabisamelakukanaksisecararasionalberdasarkanhasipenalarantersebut

3. Teknik-Teknik AI • Banyakteknik yang berkaitandenganbagaimanapengetahuandirepresentasikan, dimanipulasidandinalaruntukmemperolehpenyelesaianmasalahdapatdiaplikasikandalambentukkecerdasanbuatan • Contoh : Teknik yang membuatsistembertindak “cerdas” • Describe and match (gambarkandancocokkan) • Constraint satisfaction ( batasanterpenuhi) • Generate and test (bentukdanuji) • Goal reduction (reduksitujuan) • Tree searching ( pencariandenganpohon) • Rule based systems (sistemberbasisaturan)

4. Describe and Match • Model adalahdeskripsimengenaitingkahlakusebuahsistem. Dengankata lain merupakanrepresentasisebuahsistem. • Finite State Model terdiridarisatu set himpunankeadaan (states), satu set input kejadian (input events) danrelasiantarakeduanya. Jikadiberikansuatukeadaanterkini (current states) dansuatu input kejadianmakakitadapatmemprediksikeadaanberikutnya (next current states) darisebuah model

5. Model komputasiadalahbentukdari finite state machine. Terdiridarisatu set states, satu set start states (kondisiawal / initial states), sebuah input alphabet dansebuahfungsitransisi (transition function) yang memetakansimbol input dankeadaanterkinikekeadaanselanjutnya (current to next states). • Sebuah set aturantransisidalambentukaturanproduksiharusditetapkanuntukmengubahkondisi state • RelasiTransisi : S  S’ • State-Transition system dikatakandeterministikjikasetiap state memiliki paling banyaksatu successor; dikatakan non deterministic jika paling sedikitsatu state memilikilebihdarisatu successor.

6. Contoh : Menara Hanoi dengan 2 Piringan • Masalahmemindahkan 2 piringandarisumberketujuandenganlangkahseminimalmungkindenganbantuansatutempatpiringan. • Syarat : • Harusmemindahkansatupiringdalamsatusaat. • Piring yang lebihkecilharusberadadiataspiring yang lebihbesar. • Memindahkandaripiring yang paling atas.

7. Solusi Sumber : Chakraborty, 2010

8. Goal Reduction • Prosedur Goal-Reduction adalahsalahsatukasuskhususdalamrepresentasipengetahuanpada AI ; alternatifpadarepresentasilogis- deklaratif. • Prosesnyameliputipembuatanhierarki sub-divisidaritujuanmenjadi sub-tujuanhingga sub tujuanmencapaisolusisesaatdandapatdikatakanbahwatujuantercapai. • Contoh : struktur AND-OR tree/ graf

9. Contoh : Struktur AND-OR tree/graf Sumber : Chakraborty, 2010

10. Constraint Satisfaction • Constraint adalahrelasilogisantaravariabelmis : lingkarandalamsebuahbujursangkar. Constraints menghubungkanobjektanpapenjelasaspesifikmengenaiposisimasing-masing; memindahkansalahsatunya , relasitetapdipertahankan. • Constraint satisfaction adalahsebuahprosesmenemukansebuahsolusidari set constraint- constraint mengekspresikannilai-nilai yang dibolehkanuntukvariabel-variabeldanmenemukansolusiadalahevaluasidarisetiapvariabel yang memenuhisemua constraints.

11. Contoh : N- Queens Puzzle • Masalah : Diberikan integer N, tempatkan N queens pada N*N papancatur yang memenuhi constraint bahwatidakadadua queen yang mengancam yang lainnya ( sebuah queen mengancamlainnyajikaberadapadabaris, kolomdan diagonal yang sama) • Solusi : Untukmemodelkanmasalahini • Asumsibahwasetiap queen beradapadakolom yang berbeda; • TetapkansebuahvariabelRi (i = 1 ..N) pada queen dikolomke-i yang mengindikasikanposisi queen padabaris. • Tetapkan constraint “ tidakmengancam” padasetiappasanganRidanRjdanterapkanalgoritmadiatas.

12. Contoh : 8 – Queens Puzzle

13. Generate and Test (GT) • Metodeinidimulaidenganmenebaksolusi yang mungkindankemudianmengujiapakahsolusibenar, yang berartibahwasolusimemenuhi constraints. • Paradigmainimeliputiduaproses : • Membentuksolusi-solusi yang mungkin (hipotesis). • Pengujianuntukmengevaluasisetiapsolusi yang diusulkan • Algoritma :

14. Kelemahan : • Tidakefisien ; menghasilkanbanyakpenetapannilaivariabel yang salah yang kemudianakanditolakpadafasepengujian • Generator menghasilkanbanyakkonflikdanpenetapan yang bersifatindependendarikonflik. • Untukefisiensi, pendekatan GT harusdidukungolehpendekatanbactraking. • Contoh : membukakombinasikuncitanpa tau kombinasinya.

15. Rule-Based Systems (RBS) • Rule-based system adalahteknik AI yang sederhanadan paling sukses. • Rules (aturan) : IF (kondisi) THEN (aksi) • Seringdiaturdalamhierarki (pohon/graf) • Ketikasemuakondisidariaturanterpenuhimakaaturandapatdibentuk.

16. Komponen RBS

17. Working Memory (Memorikerja) : • Terdiridarifakta-fakta yang diobservasiataudiperolehdarisebuahaturan • <object, attribute, values) • Contoh : < mobil, warna, merah> : “warnamobilsayamerah”. • Terdiridaripengetahuantemporertentangsesipemecahanmasalah. • Dapatdimodifikasidenganaturan (rules).

18. Rule Base (RB) : • RB terdiridariaturan-aturan(rules); setiapaturanadalahlangkahdalampenyelesaianmasalah. • Rules adalah domain pengetahuandandimodifikasihanyadariluar. • Sintaks : IF <kondisi> THEN < aksi > • Contoh : IF <temperatur, lebih, 20 > • THEN < add (laut, bisaberenang, ya)> • Jikakondisi-kondisisesuaipadamemorikerjadanjikaterpenuhimakaaturandapatdiberlakukan. • Aksi RB : “ add” (faktadari WM) , “remove” (faktadari WM), “modify” (faktadalam WM).

19. Interpreter : • Adalah domain mekanismepenalaran (reasoning) independenpada RBS. • Memilihaturandari Rule Base danmengaplikasikannyadalambentukaksi. • Beroperasidalamsebuahsiklus : • Retrieval – temukanaturan yang sesuaidengan current WM • Refinement – menghapuskonflik yang tidakdiinginkan, mengaturkembalidanmenyelesaikankonflik. • Execution – mengeksekusiaksi-aksidalamaturanpada set konflikdanmengaplikasikanaturandenganmelakukanaksi.

20. Tree Searching • Banyakmasalahdapatdiselesaikandengancaramendeskripsikandalambentuk search tree. Solusidarimasalahinidapatdiperolehdenganmenemukansebuahalur (path) melewatisebuah tree. • Prosespencahariankeseluruh tree hinggadiperolehalur yang memenuhidisebut exhaustive search.

21. PemecahanMasalah (Problem Solving) • Adaduajenismasalah : masalah yang bisadiselesaikandengancaralangsungdanmasalah yang pemecahannyamelaluiprosespencariansolusi. AI digunakanpadajenismasalah yang memerlukanprosespencarian (searching) • Problem Solving adalahprosespembentukansolusidari data yang diobsevasi. Sebuahmasalahdibentukdarisebuah set tujuan, sebuah set objekdan set operasi.

22. RuangMasalah (Problem Space) • Sebuahruangmasalahadalahsebuahruang yang bersifatabstrak. • Terdiridarisemuakondisi valid (valid states) yang dapatdibentukdarikombinasisetiap operator padakombinasisetiapobjek. • Sebuahruangmasalahdapatterdiridarisatuataulebihsolusi. • Solusiadalahkombinasidarioperasidanobjek yang digunakanuntukmencapaitujuan.

23. PendefinisianMasalah • Sebuahmasalahterdiridari : current state (kondisiterkini), aksi yang dapatmentransformasikansatu state ke state yang lain, kondisi yang diinginkan (desired state). • Sebuahruangmasalahdapatdidefinisikansecaraeksplisitatauimplisit. Sebuahruangmasalahharusmenggambarkanseluruhkondisi yang diinginkanuntukmemecahkanmasalah. • Initial state adalahkeadaanawal. • Goal state adalahkondisi yang harusdipenuhi (kondisitujuan)

24. Goal state berisideskripsimengenaikondisi yang diinginkan. Deskripsibisaseluruhnyaataudapatsebagian. • Operator melakukanaksi yang dapatmentransformasikansatu state ke state lainnya. Operator terdiridari Preconditions dan Instructions. Preconditions berisideksripsi partial dari state yang harusbenar agar dapatmelakukanaksi. Instruksimemberitahukanbagaimanamembentukkondisiberikutnya (next state). • Problem solving adalahprosespencariansekuens operator berurutan yang dapatmentransformasikan initial state ke goal state.

25. ContohPendefinisianMasalah • Game 8-Puzzle : • State Space : Konfigurasi 8 blokpadapapan. • Initial State : semuakonfigurasi yang mungkin. • Goal State : Blok dalamurutanspesifik • Aksi : “pindahkanblokkosong” • Kondisi : pemindahandalampapan • Transformasi : blokkosongberpindahkiri, kanan, atas, bawah Solusi : sekuens optimal dari operator.

26. Metode Searching • Metode searching adalahmetodepemecahanmasalahdenganmenggunakanaturan yang dikombinasikandenganstrategikontrol yang bekerjadalamruangmasalahdanberpindahdarikondisiawal (initial state) kekondisitujuan (goal state) dalamsebuahalur (path). • Ruangmasalahumumnyadibentukdalambentuk tree ataugrafuntukmemudahkanpemecahanmasalah. • Prosespencarianmengeksplorasisemuakemungkinan path dari initial state ke goal state.

27. KriteriaMetode Searching Untukmengukurperformansimetode searching digunakan 4 kriteria : • Completeness : Apakahmetodetersebutmenjaminpenemuansolusijikasolusinyamemangada? • Time Complexity : berapa lama waktu yang dibutuhkan? • Space Complexity : berapabanyakmemori yang diperlukan? • Optimality : apakahmetodetersebutmenjaminmenemukansolusi yang terbaikjikaterdapatbeberapasolusi yang berbeda?

28. Metode-metodePencarian • Uninformed Search : blind, exhaustive atau brute-force search Pencarianbuta/ tanpainformasi yang dapatmembantuprosespencarian; tidakterlaluefisien • Informed Search : heuristic atau intelligent search. prosespencariandenganinformasimengenaimasalah, umumnyamenebakjarakke goal state danefisien. Namuntidakadajaminanbahwasolusidapattercapai.

30. Depth-First Search (DFS) • Pencariandilakukanpadasatu node dalamsetiap level dari yang paling kiri. Jikapada level yang paling dalam, solusibelumditemukan, makapencariandilanjutkanpada node sebelahkanan. Node yang kiridapatdihapusdarimemori. Jikapada level yang paling dalamtidakditemukansolusi, makapencariandilanjutkanpada level sebelumnya. Demikianseterusnyasampaiditemukansolusi. Jikasolusiditemukanmakatidakdiperlukanprosesbacktracking (penelusuranbalikuntukmendapatkanjalur yang dinginkan).

31. Kelebihan DFS adalah: • Pemakainmemorihanyasedikit, berbedajauhdengan BFS yang harusmenyimpansemua node yang pernahdibangkitkan. • Jikasolusi yang dicariberadapada level yang dalamdan paling kiri, maka DFS akanmenemukannyasecaracepat. • Kelemahan DFS adalah: • Jikapohon yang dibangkitkanmempunyai level yang dalam (takterhingga), makatidakadajaminanuntukmenemukansolusi (TidakComplete). • Jikaterdapatlebihdarisatusolusi yang samatetapiberadapada level yang berbeda, makapada DFS tidakadajaminanuntukmenemukansolusi yang paling baik (TidakOptimal).

32. Penelusuran : A B D E H L M N I O P C F G J K Q

33. Breadth-First Search (BFS) • Pencariandilakukanpadasemua node dalamsetiap level secaraberurutandarikirikekanan. Jikapadasatu level belumditemukansolusi, makapencariandilanjutkanpada level berikutnya. Demikianseterusnyasampaiditemukansolusi. Denganstrategiini, makadapatdijaminbahwasolusi yang ditemukanadalah yang paling baik (Optimal). Tetapi BFS harusmenyimpansemua node yang pernahdibangkitkan. Hal iniharusdilakukanuntukpenelusuranbalikjikasolusisudahditemukan.

34. Penelusuran : A B C D E F G H I J K L M N O P Q

35. Depth-Limited Search (DLS) • Metodeiniberusahamengatasikelemahan DFS (tidak complete) denganmembatasikedalamanmaksimumdarisuatujalursolusi. • Level maksimumdarisuatusolusiharusdiketahuiterlebihdahulu. • Jikabatasankedalamanterlalukecil, DLS tidakdapatmenemukansolusi yang ada. DLS menjaditidak complete jikabatasankedalamanlebihkecildibandingkandengan level solusinya.

36. Uniform Cost Search (UCS) • Konsepnyahampirsamadengan BFS. Perbedaannyaadalah BFS menggunakanurutan level dari yang paling rendahke paling tinggisedangkan UCS menggunakanurutanbiayadari yang paling kecilsampai yang terbesar. • UCS berusahamenemukansolusidengan total biaya yang terendah yang dihitungberdasarkanbiayadarisimpulasalmenujukesimpultujuan. • Biayadarisimpulasalkesuatusimpul n dilambangkandengan g(n).