RAMA SAPTO PAMUNGKAS 1610511045
L i mi ted ted Sear Sear ch) 1. DLS (D epth Li Algoritma DLS ( Depth Limited Search) Search) adalah salah satu algoritma yang digunakan untuk untuk pencarian jalur. Contoh yang dibahas kali ini adalah mengenai pencarian jalur yang melalui semua titik. Algoritma ini merupakan variasi dari Algoritma DFS ( Depth First Search) Search) yang sudah dijelaskan sebelumnya. Jika Algoritma DFS ( Depth First Search) Search) melakukan perhitungan (yang dimulai dengan titik terakhir) dengan cara menghabiskan semua tingkatan / kedalaman dari sebuah titik, maka algoritma ini memiliki batasan dimana perhitungan pada sebuah titik hanya dihitung sampai pada kedalaman tertentu. tert entu. Setelah semua kemungkinan pada kedalaman itu sudah habis, kemudian akan dilanjutkan pada titik berikutnya.
DLS(node, goal, depth) { if ( depth >= 0 ) { if ( node == goal ) x=goal if ( goal=depth ) return node
for each child in expand(node) DLS(child, goal, depth-1) } }
Performance Measure: Completeness: o The limited path memperkenalkan masalah lain dalam hal ketika kita memilih l < d, yang mana DLS kita tidak pernah sampai tujuan, dalam kasus ini kita bisa sebut DLS belum selasai. I = infinity Optimality: o DLS sebagai kasus khusus dari DFS . dimana DLS membatasi kedalaman dari DFS. DLS tidak optimal sekalipun if l > d. Time Complexity: O(bl) o Space Complexity: O(bl) o Conclusion: DLS dapat digunakan bila kita sudah mengerti tentang masalah suatu o program.Biasanya, kita tidak tahu kedalaman suatu masalah jika kita tidak menyelesaikannya terlebih dahulu.
RAMA SAPTO PAMUNGKAS 1610511045
2. Uniform Cost Search
Uniform Cost Search adalah algoritma Seach Tree (graph) yang digunakan untuk menyelesaikan beberapa persoalan . Algoritma ini memulai pencarian dari root node, kemudian dilanjutkan ke node-node selanjutnya. Dimana node te rsebut dipilih yang memilki harga (cost) terkecil dari root node. Algoritma ini merupakan modifikasi dari Bread First Search (BFS). Misalkan terdapat graf/pohon dengan n buah simpul dan v merupakan simpul awal penelusuran maka algoritma DFS adalah sebagai berikut: 1. Tentukan batas kedalaman pohon yang akan dikunjungi. 2. Kunjungi simpul v. 3. Kunjungi simpul w yang bertetangga dengan si mpul v, yang berada di kedalaman pohon <= batas. 4. Ulangi DLS mulai dari simpul w. 5. Ketika mencapai simpul u sedemikian sehingga semua simpul yang bertetangga dengannya telah dikunjungi, pencarian dirunut-balik (backtrack) ke simpul terakhir yang dikunjungi sebelumnya dan mempunyai simpul w yang belum dikunjungi. 6. Pencarian berakhir bila tidak ada lagi simpul yang belum dikunjungi yang dapat dicapai dari simpul yang telah dikunjungi dalam kedalaman ponon <= batas.
Performance Measure: o
Completeness:
o
Jelas bahwa UCS selesai jika biaya setiap langkah melebihi beberapa bilangan bulat positif kecil, ini untuk mencegah loop tak terbatas.
Optimality: UCS selalu optimal dalam arti bahwa node yang selalu mengembang adalah node dengan biaya jalur paling rendah. Time Complexity:
o
o
UCS dipandu oleh biaya jalan daripada panjang lintasan sehingga sulit untuk menentukan kompleksitasnya dalam hal b dan d, jadi jika kita menganggap C sebagai biaya solusi optimal, dan setiap tindakan memerlukan biaya setidaknya e, maka algoritma terburuk adalah O(bC/e).
Space Complexity:
The space complexity is O(bC/e) as the time complexity of UCS.
RAMA SAPTO PAMUNGKAS 1610511045
Conclusion:
UCS dapat digunakan sebagai pengganti BFS jika biaya jalan tidak sama dan dijamin lebih besar daripada nilai positif kecil e.
3. IDS (Iterarive Deepening Search)
Metode Iterative Deepening A* Iterative-Deepening A* (IDA*) sear ch algorithm adalah pengembangan dari A*search algorithm yang dikombinasikan dengan iterative deepening search. IDA* search algorithm merupakan best-firs t searches yang optimal dalam hal solution cost, time, dan space. Prinsip algoritma iterative deepening search adalah melakukan depthlimited search secara bertahap dengan nilai l yang incremental Misalkan terdapat graf/pohon dengan n buah simpul dan v merupakan simpul awal penelusuran maka algoritma BFS adalah sebagai berikut: 1. Kita mulai kunjungan pohon dari simpul di level 1 2. Kunjungi simpul v 3. Kunjungi semua simpul yang bertetangga dengan s impul v terlebih dahulu, yang berada di level 1. 4. Jika hasil belum ditemukan, maka kita mulai pencarian dari simpul awal, ke semua tetangganya yang berada di simpul 2 (level +1). 5. Begitu terus berulang hingga hasil didpatkan.
Performance Measure: o
Completeness:
o
Optimality:
o
Konsekuensinya adalah time complexitynya menjadi tinggi
Space Complexity:
IDS juga seperti BFS yang optimal saat langkah-langkahnya dengan biaya yang sama
Time Complexity:
o
IDS merupakan metode yg menggabungkan kelebihan BFS (complete dan optimal) dgn kelebihan DFS.
Space complexity rendah atau membutuhkan sedikit memori.
Conclusion:
Kita dapat menyimpulkan bahwa IDS adalah strategi pencarian hybrid antara BFS dan DFS yang mewarisi kelebihannya. IDS lebih cepat dari BFS dan DFS.
RAMA SAPTO PAMUNGKAS 1610511045
4. Algoritma BiDi Search (BiDirectional Search) Algoritma BiDi Search (BiDirectional Search) adalah sal ah satu algoritma yang digunakan untuk pencarian jalur. Contoh yang dibahas kali ini adalah mengenai pencarian jalur yang melalui semua titik. Secara singkat, Algoritma ini adalah penggabungan dari 3 buah algoritma yang sudah dijelaskan sebelumnya, yaitu Algoritma BFS (Breadth First Search), Algoritma DFS (Depth First Search), dan Algoritma DLS (Depth Limited Search). Pencarian solusi dilakukan dari titik awal dan titik tujuan secara bersamaan, sampai akhirnya bertemu di sebuah titik tengah. Setelah menemukan titik tengah dan hasil jalur dari masing-masing perhitungan sudah tepat, maka jawaban sudah ditemukan.
Performance Measure: o
Completeness:
o
Optimality:
o
Pencarian dua arah selesai saat kita menggunakan BFS di kedua pencarian, pencarian yang dimulai dari kondisi awal dan yang lainnya dari kondisi tujuan. seperti completeness, bidirectional search optimal bila BFS digunakan dan jalurnya memiliki biaya seragam - semua langkah dengan biaya yang sama
Time and Space Complexity:
Jika pencarian maju dan mundur menggunakan BFS, maka jumlah langkah yg diperlukan adalah sebanyak O(2b d/2) = O(bd/2). Misalkan, untuk b = 10 dan d = 6, maka BFS akan membangkitkan : 1+10+102+103+104+105+106 = 1.111.111 simpul.
RAMA SAPTO PAMUNGKAS 1610511045
Kita dapat mengatakan bahwa kompleksitas waktu dan ruang bidirectional adalah O(bd / 2).
Conclusion:
Tidaklah mudah untuk merumuskan suatu masalah sehingga masing-masing kondisi dapat dibalik, yaitu pergi dari kepala ke ekor dan pergi dari ekor ke kepala. Harus efisien untuk menghitung pendahulunya dari suatu kondisi sehingga kita dapat menjalankan pencarian dari tujuan.
RAMA SAPTO PAMUNGKAS 1610511045
REFERENSI
http://perdiarief.blogspot.co.id/2015/09/artificial-intelegent-uninformedsearch.html https://mhesham.wordpress.com/tag/depth-limited-search/ http://ditafz.blogspot.co.id/2015/09/tugas-kecerdasan-buatan-1-dita-fauzia.html http://hanz-kampus.blogspot.co.id/2010/02/teknik-pencarian-kecerdasan-buatan.html https://variantclick.wordpress.com/2015/09/21/bi-directional-search-bds-depthlimited-search-dls/
