NIM : 22346036
Searching di dalam AI (Artificial Intelligence) adalah salah satu metode untuk mencari solusi
pada masalah yang dihadapi.
Teknik searching sendiri terbagi menjadi dua, yaitu:
1. Blind searching
2. Heuristic searching
1. Blind Searching
Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi
awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
Membangkitkan simpul berdasarkan urutan
Dalam persoalan pada gambar di atas, urutan node yang dilalui pada pencaian BFS adalah a, b, c,
d, e, f, g, h. Seperti pada gambar di bawah ini.
1.2. DFS (Depth-first Search)
DFS (Depth-first Search) sering disebut juga pencarian mendalam. Sesuai dengan namanya
“pencarian mendalam”, DFS tidak mencari solusi per level, namun mencari pada kedalaman
sebelah kiri terlebih dahulu, kemudian bila belum ditemuakn “goal”nya dilanjutkan ke sisi
sebelah kanan dan seterusnya sampai ditemukan target/goal.
Dengan menggunakan permasalahan yang sama dengan penjelasan di awal tadi, maka pada
model DFS akan di dapatkan solusi seperti gambar di bawah ini.
DFS memiliki beberapa keuntungan,yaitu memori yang di gunakan tidak terlalu banyak karena
tidak membuka semua node.
c = 10
b = 20
a = 10
Karena nilai c dan a sama maka teserah mau membuka yang mana lebih dahulu.
Seandainya kita membuka c maka kita teruskan pencariannya, lalu kita buka :
d = 10+5 =15
e = 10+40 = 50 (mencapai goal, namun nilai cost nya dirasa masih terlalu besar)
e = 10+5+30 = 45 (nilai pada pencarian ini pun terasa masih terlau besar) maka dari itu kita buka
node yang kecil di awal tadi yaitu node a.
Dari kasus diatas, dapat kita lihat bahwa ada banyak cara unuk mendapatkan solusi. Namun dari
berbagai macam penyelesaian kasus, kita dapat mencari solusi yang paling optimal dan ini lah ke
unggulan dari model UCS.
2. Heuristic Searching
Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik (nilai
perkiraan).
Teknik pencarian heuristik (heuristic searching) merupakan strategi untuk melakukan proses
pencarian ruang keadaan (state space) suatu permasalahan secara selektif, yang memandu proses
pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar,
dan mengesampingkan usaha yang bodoh dan memboroskan waktu. Heuristik adalah sebuah
teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan
mengorbankan kelengkapan (completeness). Fungsi heuristik ini digunakan untuk mengevaluasi
keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat
digunakan untuk mendapatkan solusi yang diinginkan
Jenis-jenis Heuristic Searching :
Generate and Test
Hill Climbing
Best First Search
Alpha Beta Prunning
Means-End-Anlysis
Constraint Satisfaction
Kali ini yang akan dibahas adalah metode Generate and Test, Hill Climbing dan Best First
Search. Karena ketiga metode tersebut adalah metode Heursistic Searching yang paling sering
digunakan dan paling optimal hasilnya.
Metode generate and test ini memang kurang efisien untuk masalah yang besar atau kompleks.
Heuristik yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal state,
yang dinyatakan dengan :
f’ = g + h’
dimana f’ = prakiraan cost dari initial ke goal
Biaya yang sebenarnya (actual cost) tidak diperhitungkan. Dengan hanya memperhitungkan
biaya perkiraan yang belum tentu kebenarannya maka algoritma ini menjadi tidak optimal.
Algoritma greddy best ini membentuk solusi langkah per langkah (step by step). Pada setiap
langkah, terdapat banyak pilihan yang perlu dieksplorasi. Oleh karena itu, pada setiap langkah
harus dibuat keputusan yang terbaik dalam menentukan pilihan.
2. A*
Algoritma ini merupakan algoritma Best First Search yang menggabungkan Uniform Cost
Search dan Greddy Best First Search.
Algoritma ini memperhitungkan biaya dari biaya sebenarnya ditambah dengan biaya perkiraan.