1. Agen pemecah permasalahan
A.
Simple reflex agents: berdasarkan
persepsi yg terakhir.
B.
Model-based reflex agents:
memiliki representasi internal tentang keadaan sekitar.
C.
Goal-based agents:
memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan.
D.
Utility-based agents:
melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan.
E.
Learning agents: belajar
dari pengalaman, meningkatkan kinerja.
2. Pencarian sebagai solusi
pemecahan masalah
Searching
di dalam AI (Artificial Intelligence) adalah salah satu motode penyelesaian
masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching sendiri terbagi
menjadi dua, yaitu:
A.
Blind Searching
Blind Searching adalah model pencarian buta atau pencarian
yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri –
ciri utama yaitu:
- Membangkitkan
simpul berdasarkan urutan
- Kalau ada
solusi maka solusi akan ditemukan
- Hanya
memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak
diketahui).
Blind Searching sendiri dibagi menjadi tiga macam
yaitu :
i.
BFS (Breadth First Search)
ii.
DFS (Depth-first Search)
iii.
UCS (Uniform Cost Search).
B.
Heuristic Searching
Heuristic Search merupakan metode pencarian yang
memperhatikan nilai heuristik (nilai perkiraan).Teknik pencarian heuristik
(heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian
ruang keadaan (state space) suatu problema secara selektif, yang memandu proses
pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses
paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu.
Heuristik adalah sebuah teknik yang mengembangkan
efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan
kelengkapan (completeness).Heuristic Search memperkirakan jarak menuju Goal
(yang disebut dengan fungsi heuristik).
Fungsi heuristik ini digunakan untuk mengevaluasi
keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut
dapat digunakan untuk mendapatkan solusi yang diinginkan.
Jenis-jenis Heuristic
Searching :
i.
Generate and Test
ii.
Hill Climbing
iii.
Best First Search
iv.
Alpha Beta Prunning
v.
Means-End-Anlysis
vi.
Constraint Satisfaction
3. Strategi Pencarian yang
tidak berbentuk / uniformed search strategi
Algoritma ini tidak memberikan informasi apapun tentang
permasalah yang ada, tetapi hanya berfokus memberikan informasi tentang
algorima tersebut. Algoritma ini juga disebut Blind Search. Istilah Blind
Search berpedoman bahwa, teknik pencarian ini tidak memiliki informasi tambahan
lain selain dari yang disediakan.
Yang dilakukan oleh algorima ini adalah melakukan generate
dari successor dan membedakan goal state dari non-goal state. Pencarian ini
dilakukan berdasarkan pada urutan mana saja node yang hendak di-expand.
Macam-macam Uninformed Search
Algorithm:
A.
Breadth First Search(BFS)
Pencarian dengan metode ini menggunakan teknik dimana langkah
pertama yang harus dilakukan adalah root node di-ekspansi, setelah itu
dilanjutkan semua successor dari root node juga di-expand. Hal ini terus
dilakukan berulang-ulang hingga leaf(node pada level paling bawah yang sudah
tidak memiliki successor lagi).
B.
Uniform Cost Search(UCS)
Pencarian dengan BFS akan menjadi optimal ketika nilai pada
semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah
algoritma yang optimal dengan melihat kepada nilai tiap path di antara
node-node yang ada.
Selain menjalankan fungsi algoritma BFS, Uniform Cost Search
melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa
dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai
path-nya (node disimpan dalam bentuk priority queue).
C.
Depth First Search(DFS)
Teknik pencarian dengan metode ini adalah dengan melakukan
ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan
dengan tidak adanya successor dari node itu. Setelah node selesai di ekspansi,
maka node tersebut akan ditinggalkan dan dilakukan ke node paling dalam lainnya
yang masih memiliki successor yang belum di ekspansi.
D.
Depth Limited Search
Pencarian menggunakan DFS akan berlanjut sampai kedalam paling
terakhir dari sebuah tree. Misalkan yang muncul pada DFS adalah ketikda proses
pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan
mengisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga
node pada level depth tersebut akan diperlakukan seolah-olah mereka sudah tidak
memiliki successor.
E.
Iterative Deepening Depth
First Search
Iterative deepening search merupakan sebuah strategi umum yang
biasanya dikombinasikan dengan depth first tree search, yang akan menemukan
berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan secara
menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal
sudah ditemukan.
F.
Bidirectional Search
Pencarian dengan metode bidirectional search adalah dengan
menjalankan dua pencarian secara simultan, yang satu dikerjakan secara forward
dari initial state menuju ke goal, sedangkan yang satu lagi dikerjakan secara
backward mulai dari goal ke initial state. Yang kemudian diharapkan bahwa kedua
pencarian itu akan bertemu di tengah-tengah.
Daftar
Pustaka:
