DAN PELACAKAN
Hal penting dalam menentukan keberhasilan
sistem berdasar kecerdasan adalah
kesuksesan dalam pencarian dan
pencocokan.
Pada dasarnya ada 2 teknik pencarian dan
digunakan:
1. Ubin kosong digeser ke kiri
‘tidak’
Contoh 3
Travelling Salesman Problem (TSP)
Seorang salesman ingin mengunjungi n kota.
Jarak antara tiap-tiap kota sudah diketahui.
Kita ingin mengetahui rute terpendek dimana
setiap kota hanya boleh dikunjungi tepat satu
kali.
Misalkan ada 4 kota dengan jarak tiap kota
sbb:
Bangkitkan solusi yang mungkin, yaitu
◦ A - B-C–D
◦ A - B-D–C
◦ A - C-B–D
◦ A - C - D – B, dst...
Misal dipilih kota A sebagai awal perjalanan, dan lintasan
awalnya ABCD, panjang lintasan 19.
Lalu lakukan backtracking untuk mendapatkan lintasan
ABDC (=18).
Bandingkan dengan lintasan ABCD, ternyata panjang
lintasan ABDC < ABCD (18 < 19), sehingga lintasan terpilih
ABDC.
Lakukan backtracking lagi untuk mendapatkan lintasan
ACBD (=12), ternyata ACBD < ABDC (12 < 18), sehingga
lintasan terpilih sekarang ACBD.
Dan seterusnya sampai solusi sesungguhnya ditemukan.
Panjang
Pencarian Panjang
Lintasan Lintasan terpilih Lintasan
ke- Lintasan
terpilih
1 ABCD 19 ABCD 19
2 ABDC 18 ABDC 18
3 ACBD 12 ACBD 12
4 ACBD 13 ACBD 12
5 ADBC 16 ACBD 12
6 ADCB 18 ACBD 12
7 BACD 17 ACBD 12
8 BADC 21 ACBD 12
... ... ... ... ...
21 BDAC 15 ACBD 12
22 DBCA 12 ACBD atau DBCA 12
23 DCAB 17 ACBD atau DBCA 12
Pendakian Bukit
(Hill Climbing)
Hampir sama dengan generate and test,
hanya proses pengujian dilakukan dengan
menggunakan fungsi heuristik.
Pembangkitan keadaan berikutnya sangat
Node
Antrian
diekspansi
[M(0)]
M {C(6),B(7),A(8)}
C {H(7),B(7),A(8),I(∾)}
H {T(7),B(7),A(8),I(∾),L(∾)}
T {B(7),A(8),I(∾),L(∾)}
SIMULATED ANNEALING
Annealing = memanaskan kemudian mendinginkan dalam
pemrosesan logam
Simulated annealing biasanya digunakan untuk penyelesaian
masalah yang mana perubahan keadaan dari suatu kondisi ke
kondisi yang lainnya membutuhkan ruang yang sangat luas.
Misalnya perubahan gerakan dengan menggunakan
permutasi pada masalah TSP.