Anda di halaman 1dari 21

Artificial Intelligence A

Modern Approach
Chapter 3 : Solving Problems by Searching

Dosen Pembimbing : Asrizal, M. Kom.


Kelompok 8
Susan Mayang Sari (0701162003)
Khairunnisa (07011620)
Dwi Meirita (07011620)
Laras Rizki (07011620)

lmu Komputer -1/ Semester III


Universitas Negeri Islam Sumatera Utara
Outline

 Problem-Solving Agent
 Example Problems
 Representasi Masalah : State space
 Pencarian solusi : search
 Search strategies
Problem-Solving Agent
 Kelemahan reflex agent → tidak cocok untuk
menangani masalah besar!
 Goal-based agent → memiliki tujuan, memungkinkan
untuk mengevaluasi tindakan dan memilih yang
terbaik dan memilih yang terbaik
 Problem-solving agent menghasilkan solusi dalam
bentuk serangkaian tindakan untuk mencapai tujuan
 Apa permasalahannya? Apa solusinya?
Cara Kerja Problem-Solving Agent
1. Perumusan tujuan (goal formulation): tentukan tujuan yang
ingin dicapai
2. Perumusan masalah (problem formulation): tentukan tindakan
(action) dan keadaan (state) yang dipertimbangkan dalam
mencapai tujuan yang dipertimbangkan dalam mencapai tujuan
3. Pencarian solusi masalah (searching): tentukan rangkaian
tindakan yang perlu diambil untuk mencapai tujuan
4. Pelaksanaan solusi (execution): laksanakan rangkaian tindakan
yang sudah ditentukan ditahap sebelumnya
Program Problem-Solving Agent

 Penjelasan :
• Percept : persepsi yang ada
• Seq : urutan tindakan
• State : deskripsi dari keadaan lingkungan sekitar
• Goal : tujuan yang dicapai
• Problem : perumusan masalah
Problem-Solving Agent

 Contoh : Rumania
o Berlibur ke Rumania, saat ini berada di Arad.
o Penerbangan (keberangkatan) dilakukan besok dari Bucharest
o Merumuskan tujuan (Formulate goal) :
 Pergi ke Bucharest
o Merumuskan masalah (Formulate problem) :
 States : berbagai kota sebagai alternatif tempat yang akan dilalui
 Actions : drive antara kota
o Cari solusi (Find solution) :
 Urutan kota yang dilalui untuk mencapai tujuan. Misalnya ; Arad, Sibiu, Fagaras, Bucharest
Problem Types
Deterministic, fully observable  Single-state problem
• Agen tahu persis keadaan sesuatu yang akan diamati.
Non-observable  Sensorless problem (conformant problem)
• Agen mungkin tidak mengetahui dimana keberadaan sesuatu yang
dicari.
Nondeterministic and/or partially observable  Contingency problem
(keadaan yang tidak pasti)
• Persepsi yang dapat memberikan informasi baru tentang keadaan
saat ini.
Unknown state space  Exploration problem (Masalah eksplorasi)
Perumusan Masalah : State Space (1)

Initial state: keadaan awal si agent, Contoh:


misal: Berada Di(Arad)
X = BeradaDi(Arad)
Possible action: tindakan yang dapat
dilakukan si agent, misal: S(X) = {<Nyetir(Arad, Zerind), BeradaDi(Zerind)>,
Nyetir(Arad,Zerind) {<Nyetir(Arad, Sibiu), BeradaDi(Sibiu)>,
Sebuah successor function S {<Nyetir(Arad, Timisoara), BeradaDi(Timisoara)>}
menentukan untuk suatu state X,
himpunan tindakan yang mungkin
diambil beserta state yang
dihasilkan.
Perumusan Masalah: State Space (2)

Initial state + successor function = state space


 State space → himpunan state yang dapat dicapai dari
initial state
 State space dapat direpresentasikan sebagai graph
dengan path sebagai suatu rangkaian state → agent
Rumania!!!
Menelusuri State Space
Goal test: penentuan apakah suatu state adalah tujuan yang
ingin dicapai
• Eksplisit: himpunan goal state, misal: {BeradaDi(Bucharest)}
• Implisit: deskripsi tujuan, misal dalam catur: skak mat
 Path cost function: fungsi yang memberikan nilai numerik
terhadap setiap path. Fungsi ini merefleksikan performance
measure si agent.
 Solusi: path dari initial state ke goal state
 Solusi optimal: solusi dengan path cost function minimal
Example Promblem
Contoh : The Vacuum World

State: lokasi agent, status debu


 Possible action: DoKeKiri(L), DoKeKanan(R),
Sedot(S)
 Goal test: semua ruangan bebas debu.
 Path cost: Setiap aksi = 1 point.
Example Problem
 Contoh: 8-Puzzle

State: lokasi 8 buah angka dalam matriks 3x3


Possible action (move, blank) : left, right, up, down
Goal test: apakah konfigurasi angka sudah seperti goal state di atas.
Path cost: asumsi, 1 step cost = 1 per move.
Path cost = jumlah langkah dalam path.
Example Problem
Contoh : The 8-Queens Problem

 Letakkan 8 bidak menteri (queen)


sedemikian rupa sehingga tidak
terjadi saling “makan” antara satu
menteri dengan yang lainnya
 State: papan catur dengan 0
sampai 8 bidak menteri
 Possible action: letakkan sebuah
bidak menteri di posisi yang Kosong
 Goal test: 8 menteri di papan,
tidak ada saling makan
 Path cost: 0
Mencari Solusi Melalui Search Tree
Setelah merumuskan masalah → cari solusinya menggunakan search algorithm
Search tree merepresentasikan state space
Search tree terdiri dari kumpulan node → struktur data yang merepresentasikan
suatu state pada suatu path, dan memiliki parent, children, depth, dan path data
yang merepresentasikan suatu state pada suatu path, dan memiliki parent,
children, depth, dan path cost
Root node merepresentasikan initial state
Node expansion merupakan penerapan successor function terhadap node
menghasilkan children baru
Kumpulan semua node yang belum di-expand disebut fringe (pinggir) sebuah
search tree
Contoh Penelusuran Search Tree
 Mulai dari root node (Arad) sebagai current node
 Lakukan node expansion
 Pilih salah satu node yang di-expand sebagai current node yang baru.
Ulangi langkah sebelumnya
Algoritma Penelusuran Search Tree

1. Pada awal, fringe = himpunan node yang mewakili initial state


2. Pilih satu node dari fringe sebagai current node. Jika fringe kosong, selesai dengan gagal
3. Jika node tsb . lolos goal test, selesai dengan sukses!
4. Jika tidak, lakukan node expansion terhadap current node tsb.
5. Ulangi langkah 2
Strategi Pencarian
 Ada berbagai jenis strategi dalam melakukan searching.
Perbedaannya terdapat pada node expansion-nya
 Search strategy dievaluasi berdasarkan: Search strategy dievaluasi
berdasarkan:
• Completeness: apakah solusi (jika ada) pasti ditemukan?
• Time complexity: berapa lama untuk mencari solusi? Atau
berapa banyak jumlah node yang di-expand?
• Space complexity: jumlah maksimum node di dalam memori
• Optimality: apakah solusi dengan minimum cost pasti
ditemukan?
Jenis-jenis Strategi Pencarian
 Ada 2 jenis strategi pencarian:
 Uninformed strategy, hanya menggunakan informasi dari
definisi masalah
 Informed strategy, menggunakan informasi – Informed
strategy, menggunakan informasi lainnya
 Uninformed strategy dapat diterapkan secara generik terhadap
semua jenis masalah yang bisa direpresentasikan dalam sebuah
state space
Strategi Pencarian
Uninformed Strategy: Informed Strategy:
 Breadth-first Search  Uniform Cost Search
 Depth-first Search  Greedy Best-first Search
 Depth-limited Search  A* Search
 Iterative Deepening
Search
Thank you ^^

Thank you ^^ Thank you ^^ Thank you ^^ Thank


you ^^ Thank you ^^ Thank you ^^ Thank you ^^
Thank you ^^ Thank you ^^Thank you ^^Thank you
^^Thank you ^^Thank you ^^Thank you ^^