UN-INFORMED SEARCHING

SEMESTER GASAL 2022 2023

 TUJUAN

Mengetahui agen pemecah masalah berbasis tujuan

Mengetahui jenis masalah agen

Mengetahui macam-macam algoritma pencarian

dasar

Mengetahui Strategi Pencarian Uninformed

AGEN PENYELESAIAN MASALAH

 Agen Penyelesaian Masalah adalah jenis agen berbasis tujuan.(goal based agent)
 Agen berbasis tujuan memutuskan apa yang harus dilakukan dengan mencari urutan
tindakan yang mengarah pada keadaaan (states) yang diinginkan.
 Tahapan penting / utama adalah perumusan masalah dan perumusan tujuan.
 Searching merupakan mekanisme menggunakan masalah sebagai masukan dan
mengembalikan solusi dalam bentuk urutan tindakan.
 Implementasi / Eksekusi didasarkan pada algoritma yang digunakan.
AGEN PENYELESAIAN MASALAH
 Percept : persepsi yang ada
 Seq : urutan tindakan
 State : deskripsi dari keadaan
lingkungan sekitar
 Goal : tujuan yang dicapai
 Problem: perumusan masalah
 AGEN PENYELESAIAN MASALAH
Contoh :
Berlibur ke Rumania, saat ini berada di Arad.
Penerbangan (keberangkatan) dilakukan besok
dari Bucharest.
 Merumuskan tujuan (Formulate goal):
• Berada di Bucharest
 Merumuskan masalah (Formulate problem):
 States : berbagai kota sebagai alternatif tempat
yang akan dilalui
 Actions : drive antar kota di Rumania dari Ahad -
Bucharest
 Goal : (Find solution):
 Urutan kota yang dilalui untuk mencapai tujuan.
 Misalnya; Arad, Sibiu, Fagaras, Bucharest
 Path cost : I per action
JENIS MASALAH
 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)
MENDEFINISIKAN MASALAH
Langkah formulasi problem adalah dengan
mendefinisikan:
◦ States : possible condition
◦ Actions : operator
◦ Goal test : check state = goal
◦ Path cost : function g
 MENDEFINISIKAN MASALAH
Contoh :
Berlibur ke Rumania, saat ini berada di Arad.
Penerbangan (keberangkatan) dilakukan besok
dari Bucharest.
 Merumuskan tujuan (Formulate goal):
• Berada di Bucharest
 Merumuskan masalah (Formulate problem):
 States : berbagai kota sebagai alternatif tempat
yang akan dilalui
 Actions : drive antar kota di Rumania dari Ahad -
Bucharest
 Goal : (Find solution):
 Urutan kota yang dilalui untuk mencapai tujuan.
 Misalnya; Arad, Sibiu, Fagaras, Bucharest
 Path cost : I per action
MENDEFINISIKAN MASALAH
SINGLE-STATE PROBLEM FORMULATION
 Suatu problem didefinisikan dalam 4 item:
1. initial state  keadaan awal. e.g., "at Arad"
2. actions or successor function S(x)  fungsi yang dapat merubah status ke status baru.
o <action, successor(state)>
o S(Arad) = {<Berangkat(Arad → Zerind), BeradaDi(Zerind)>, … }

3. goal test, can be

o explicit, e.g., x = "at Bucharest“
o implicit, e.g., Checkmate(x) / Skakmat(x)

4. path cost (additive)

o Menetapkan besarnya biaya untuk setiap jalur yang ada.
o Mis., jumlah jarak tempuh, jumlah tindakan lain yang dilakukan, dll.
o c(x, a, y) adalah cost action a dari state x ke state y, diasumsikan ≥ 0.
 MENDEFINISIKAN MASALAH
 Solusinya adalah suatu urutan tindakan yang mengarah dari keadaan awal (initial state) ke
keadaan tujuan (goal state).
 Kualitas suatu solusi dapat diukur dari nilai fungsi biaya (cost function) yang paling
minimal dari jalur (path) yang dilalui.
 Pada saat memilih suatu state space :
 Dunia nyata luar biasa kompleks dan rumit! State space harus merupakan abstraksi masalah
supaya bisa dipecahkan.
o State = himpunan “keadaan nyata”. Mis: BeradaDi (Arad) – dengan siapa? kondisi cuaca?
o Action = kombinasi berbagai “tindakan nyata”. Mis: Berangkat (Arad , Sibiu) – jalan tikus, isi bensin,
istirahat, dll.
o Solution = representasi berbagai “path nyata” yang mencapai tujuan
 Abstraksi ini membuat masalah yang nyata lebih mudah dipecahkan.
 MENDEFINISIKAN MASALAH

Contoh :
 states? Lokasi robot dan keadaan lokasi
 actions? Left, Right, Suck
 goal test? Tidak ada kotoran sama sekali di semua lokasi
 path cost? asumsi step cost sama untuk semua action. Misal : 1 per action
 MENDEFINISIKAN MASALAH
 states? Lokasi setiap kotak nomor
 actions? move, blank, left, right,
up, down
 goal test? = goal state (terdapat
pada gambar)
 path cost? 1 per move
MENDEFINISIKAN MASALAH
 Letakkan 8 bidak ratu (queen!) sedemikian sehingga tidak ada
yang saling “makan” (ratu bisa makan dalam satu baris, kolom,
diagonal).
 states? Papan catur dengan n queens (n= 1…8)
 actions? move, left, right, up, down
 goal test? = 8 queens pada posisi yang benar, tidak ada yang
saling serang
 path cost? 1 per move .
ALGORITMA PENCARIAN DASAR
 Tree Search
 Tree search algorithms (Basic
idea):
o Mulai dari root node (Arad)
sebagai current node.
o Lakukan node expansion
terhadapnya.
ALGORITMA PENCARIAN DASAR
ALGORITMA PENCARIAN DASAR
 Pilih salah satu node yang di-
expand sebagai current node yang
baru. Ulangi langkah sebelumnya.
ALGORITMA PENCARIAN DASAR
 ALGORITMA PENCARIAN DASAR
Implementation: states vs. nodes
 Sebuah state merepresentasikan
abstraksi keadaan nyata dari
masalah.
 Sebuah node adalah struktur data,
bagian dari search tree.
 State tidak memiliki parent,
children, depth, path cost!
 Node = state pada path tertentu.
Dua node berbeda bisa mewakili
state yang sama!
ALGORITMA PENCARIAN DASAR

Graph Search
 State space diwakili oleh graf
G(V,E), dimana V adalah himpunan
node dan E adalah himpunan vertex
dari satu node ke node lain
ALGORITMA PENCARIAN DASAR
STRATEGI PENCARIAN UNINFORMED
Sebuah strategi pencarian didefinisikan dengan memilih urutan ekspansi node.
 Strategi dievaluasi sepanjang dimensi berikut:
o Kelengkapan - completeness : apakah selalu mencari solusi jika ada?
o kompleksitas waktu - time complexity : jumlah node yang dihasilkan
o kompleksitas ruang - space complexity: jumlah maksimum node dalam memori
o optimalitas: apa selalu menemukan solusi yang paling murah? Optimality
 kompleksitas waktu dan ruang diukur dalam hal:
o b: faktor percabangan maksimum search tree
o d: kedalaman solusi yang paling murah
o m: panjang maksimum setiap path (mungkin ∞)
STRATEGI PENCARIAN UNINFORMED

1. Breadth-first search
2. Uniform-cost search
3. Depth-first search
4. Depth-limited search
5. Iterative Deepening search
SELESAI