Beberapa Cara Metode Masalah Ruang Cari AI

Beberapa cara Merepresentasikan Ruang Masalah Pada AI :
1.Graph Keadaan
Contoh :

2.Pohon Pelacakan

3.Pohon AND/OR

Pencarian Parsial (Blind Search)

A. PENCARIAN MELEBAR PERTAMA
(Breadth-First Search)

**Pada metode breadth-first search, semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1.
**Pencarian dimulai dari node akar terus ke level ke-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya, demikian pula dari kiri ke kanan hingga ditemukannya solusi (lihat gambar di bawah ini).

Prosedur breadth_first_search
Inisialisasi : open = [start]; closed [ ]
While open = [ ] do
Begin
Hapuskan keadaan paling kiri dari keadaan open,
sebutlah keadaan itu dengan X;
Jika X merupakan tujuan then return (sukses);
Buatlah semua child dari X;
Ambillah X dan masukkan pada closed;
Eliminasilah setiap child X yang telah berada pada
open atau closed, yang akan menyebabkan loop
dalam search;
Ambillah turunan di ujung kanan open sesuai urutan
penemuan-nya;
End;
• Keuntungan :
===> Tidak akan menemui jalan buntu
===> Jika ada satu solusi, maka breadth-first search akan menemukannya. Dan, jika ada lebih dari satu solusi, maka solusi minimum akan ditemukan.
• Kelemahan :
===> Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam satu pohon
===> Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1).

B. PENCARIAN KEDALAM PERTAMA
(Depth-First Search)

• Pada Depth-First Search, proses pencarian akan dilakukanpada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel. Pencarian dimulai dari node akar ke level yang lebih tinggi. Proses ini diulangi terus hingga ditemukannya solusi (lihat gambar di bawah).

sprosedur depth_first_search
inisialisasi: open = [Start]; closed = []
while open x [] do
begin
hapuskan keadaan berikutnya dari sebelah kiri open, sebutlah keadaan itu dengan X;
jika X merupakan tujuan then return(sukses);
buatlah semua child yang dimungkinkan dari X;
ambilah X dan masukkan pada closed;
eliminasilah setiap child X yang telah berada pada
open atau closed, yang akan menyebabkan loop
dalam search;
ambilah child X yang tersisa di ujung kanan open
sesuai urutan penemuannya;
end.
• Keuntungan :
===> Membutuhkan memori yang relative kecil, karena hanya node-node pada lintasan yang aktif saja yang disimpan.
===> Secara kebetulan, metode depth-first search akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.
• Kelemahan :
===> Memungkinkan tidak ditemukannya tujuan yang diharapakan
===> Hanya akan menemukan 1 solusi pada setiap pencarian

DOWNLOAD FILE LENGKAP DISINI