Generate and Test Algoritma: 1.

Bangkitkan suatu kemungkinan solusi(membangkitkan suatu titik tertentu atau li ntasan tertentu dari keadaan awal). 2.Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipili h dengan kumpulan tujuan yang diharapkan. 3.Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama. Contoh: Travelling Salesman Problem

Penjelasan: Pertama, karena pencarian dapat dimulai dari kota mana saja maka tidak ada initi al state yg sudah ditentukan.

Algoritma generate and test merupakan gabungan antara DFS dan backtracking. Kare na itu, sesuai dengan algoritma DFS, node A(yang merupakan node paling kiri) dib angkitkan pertama.

Karena tiap kota hanya bisa sekali dilewati, child node dari node A adalah node B, C dan D. Setelah itu, karena node B terletak dipaling kiri, node B dibangkitk an

Setelah itu,karena node C terletak dipaling kiri, node C dibangkitkan

semua kota telah terlewati, maka lintasan pertama merupakan ABCD. Karena menggun akan prinsip algoritma backtracking, maka pencarian solusi akan mundur ke node s ebelumnya yaitu node B. Karena node C sudah dibangkitkan, maka child berikut dar i node B yaitu node D yg akan dibangkitkan berikutnya.

Dengan demikian, lintasan kedua adalah ABDC. Dst. Hill Climbing Algoritma Hill Climbing hampir sama dengan algoritma generate and test karena me nggunakan prinsip algoritma DFS(Hill climbing merupakan resemble dari DFS). Perb edaaanya, algoritma Hill Climbing menggunakan fungsi heuristic untuk menemukan s olusi sedangkan algoritma generate and test tidak. Selain itu, algoritma Hill Cl imbing tidak menggunakan prisip backtracking. Dengan demikian, tidak dimungkinka n untuk mundur ke node sebelumnya untuk menemukan solusi. Algoritma Hill Climbin g selalu mencari nilai yang lebih baik dari nilai current. Initial state dalam a lgoritma ini, dipilih secara acak. Algoritma Simple Hill Climbing 1.Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapat kan 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 keada an yang baru. b)Evaluasi keadaan baru tersebut: Jika keadaan baru merupakan tujuan, keluar Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadika n keadaan baru tersebut menjadi keadaan sekarang. Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iteras i. Contoh: Travelling Salesman Problem Fungsi heuristic = panjang lintasan

Penjelasan: Disini, setiap node berisi kemungkinan lintasan yang bisa dilewati. Pertama, krn intial state bisa diacak maka dimisalkan initial state adalah ABCD dengan nilai fungsi heuristic = 19(8+5+6). Nilai current = 19 Kemudian node ABCD tersebut dibangkitkan Karena node BACD merupakan node paling kiri dan memiliki nilai fungsi heuristic lebih kecil dari ABCD maka node BACD dibangkitkan. Nilai current = 17 Karena node ABCD sudah dipilih sebelumnya maka node ABCD diabaikan. BCAD kemudia n dibangkitkan karena memiliki nilai fungsi heuristic lebih kecil dari nilai cur

rent sebelumnya. Nilai current = 15 Pencarian solusi kembali dilakukan dari node paling kiri. Karena nilai fungsi he uristic node CBAD= 20(lebih dari nilai current),CBAD tidak dipilih. BACD sudah d ipilih sebelumnya, jadi tidak dipilih. Nilai fungsi heuristik BCDA=18 dan DCBA=1 9,keduanya lebih besar daripada nilai current. Maka node berikutnya yaitu BDAC d ipilih karena memiliki nilai fungsi heuristic = 14.