Metode Pencarian Buta (Blind Search)

(1)

(2)

Metode Pencarian



_{Terdapat banyak metode yang telah diusulkan.}



Semua metode yang ada dapat dibedakan ke dalam 2 jenis :

1. Pencarian buta / tanpa informasi (

blind / un-informed search

)

2. Pencarian heuristik / dengan informasi (

heuristic

atau

informed search

)

(3)

4 Kriteria mengukur performansi

1. Completeness :

Apakah metode tersebut menjamin penemuan solusi jika

solusinya memang ada?

2. Time complexity :

Berapa lama waktu yang diperlukan ?

3. Space complexity :

Berapa banyak memori yang diperlukan ?

4. Optimality :

Apakah metode tersebut menjamin menemukan solusi

(4)

Heuristic Searching

Sebagai Dasar dari Kecerdasan Buatan



_{Para peneliti awal kecerdasan buatan menitik beratkan pada}

penyelesaian masalah yang tidak menggunakan metoda

komputasi konvensional.



_{Hal ini disebabkan metoda pemecahan masalah konvensional}

tidak dapat lagi digunakan.



_{Permasalahan pada sistem Kecerdasan Buatan tidak memiliki}

algoritma tertentu. Kalaupun ada tentulah sangat kompleks.



_{Karena itu haruslah ditemukan sebuah teknik baru yang mirip}

dengan cara yang digunakan oleh manusia untuk

(5)



_{Salah satu metoda yang cukup terkenal adalah metoda}

searching

.



_{Searching dalam sebuah struktur data telah menjadi}

dasar bagi algoritma komputer, tetapi proses searching

pada KB memiliki perbedaan.



Metoda searching pada KB merupakan searching

(6)



_{Proses searching ini berupa jalur yang menggambarkan}

keadaan awal sebuah masalah menuju kepada

penyelesaian masalah yang diinginkan.



Jalur-jalur ini mengambarkan langkah-langkah

penyelesaian masalah.

(7)

(8)



_{Perhatikan contoh penyelesaian masalah komputer}

pada slide diatas.



_{Langkah pertama untuk mengetahui apakah komputer}

dapat digunakan atau tidak adalah men-switch ON.



Selanjutnya dengan melakukan inspeksi terhadap

kondisi lampu indikator kita dapat menentukan langkah

berikutnya.



_{Misalnya kondisi lampu OFF.}



_{Dengan melakukan searching terhadap problem space}

(9)

BLIND / UN-INFORMED SEARCH

Istilah

blind

atau buta digunakan karena memang tidak ada

informasi awal yang digunakan dalam proses pencarian.

Berikut ini, sekilas 6 metode yang tergolong blind search

a.

Breadth-First Search (BFS)

b.

Depth-First Search (DFS)

c.

Depth-Limited Search (DLS)

d.

Uniform Cost Search (UCS)

e.

Iterative-Deepening Search (IDS)

(10)

1. Breadth-frst Search



_{Breadth-frst search (BFS)}

_{melakukan proses searching}

pada semua node yang berada pada level atau hirarki

yang sama terlebih dahulu sebelum melanjutkan

proses searching pada node di level berikutnya.



_{Urutan proses searching BFS ditunjukkan dalam}

(11)

(12)



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

(13)

Example:

(14)

(15)

(16)

(17)

Keuntungan



Tidak akan menemui jalan buntu (solusi lebih optimal)

(18)

Kelemahan



Membutuhkan memori yang cukup banyak, karena

menyimpan semua node dalam satu pohon

(membutuhkan simpul yam umumnya relatif banyak)



_{Membutuhkan waktu yang cukup lama, karena akan}

(19)

2. Depth-frst Search



_{Depth-frst search (DFS)}

_{adalah proses searching sistematis}

buta yang melakukan ekpansi sebuah path (jalur) menuju

penyelesaian masalah sebelum melakukan ekplorasi terhadap

path yang lain.



_{Proses searching mengikuti sebuah path tunggal sampai}

menemukan goal atau dead end.



_{Apabila proses searching menemukan dead-end, DFS akan}

melakukan penelusuran balik ke node terakhir untuk melihat

apakah node tersebut memiliki path cabang yang belum

(20)



_{Apabila cabang ditemukan, DFS akan melakukan ekplorasi ke}

cabang tersebut.



Apabila sudah tidak ada lagi cabang yang dapat dieksplorasi,

DFS akan kembali ke node parent dan melakukan proses

searching terhadap cabang yang belum dieksplorasi dari node

parent sampai menemukan penyelesaian masalah.



_{Urutan proses searching DFS ditunjukkan dalam Gambar 1.5}

(21)

(22)

Kelebihan DFS adalah:



_{Pemakaian memori hanya sedikit, berbeda jauh}

dengan BFS yang harus menyimpan semua node yang

pernah dibangkitkan.



Jika solusi yang dicari berada pada level yang dalam

(23)

Kelemahan DFS adalah:



_{Jika pohon yang dibangkitkan mempunyai level yang}

dalam (tak terhingga), maka tidak ada jaminan untuk

menemukan solusi (

Tidak

Complete

).



Jika terdapat lebih dari satu solusi yang sama tetapi

(24)

3. Depth-Limited Search (DLS)



Metode ini berusaha mengatasi kelemahan DFS (tidak

complete) dengan membatasi kelemahan maksimum dari

suatu jalur solusi.

(25)

www.themegallery.com

Defnisi



Algoritma Depth-Limited Search (DLS), adalah salah satu jenis

algoritma pencarian solusi. Algoritma ini dijalankan dengan

cara membangkitkan pohon pencarian secara dinamis.

Pencarian solusi dilakukan secara mendalam.



Pada dasarnya, algoritma DLS sama dengan algoritma DFS,

hanya saja dalam permasalahan penelusuran graf, sebelumnya

ditentukan terlebih dahulu batas maksimum level yang

(26)

Algoritma

1.

Tentukan batas kedalaman pohon yang akan dikunjungi.

2.

Kunjungi simpul v.

3.

Kunjungi simpul w yang bertetangga dengan simpul v, yang berada di kedalaman pohon <= batas.



_{Misalkan terdapat graf/pohon dengan n buah simpul dan v merupakan simpul}

(27)

4.

Ulangi DLS mulai dari simpul w.

5.

Ketika mencapai simpul semua simpul yang bertetangga dengannya telah u sedemikian sehingga dikunjungi, pencarian dirunut-balik (backtrack) ke simpul terakhir yang dikunjungi sebelumnya dan mempunyai simpul w yang belum dikunjungi.

6.

(28)

Kelebihan dan Kekurangan



DLS lahir untuk mengatasi kelemahan DFS(tidak

complete) dengan membatasi kedalaman maksimum

dari suatu jalur solusi. Tetapi harus diketahui atau ada

batasan dari sistem tentang level maksimum. Jika

batasan kedalaman terlalu kecil, DLS tidak complete.

(29)

Contoh 1

(30)

Contoh 2

(31)

4. Uniform Cost Search (UCS)



Konsepnya hampir sama dengan BFS, bedanya adalah bahwa

BFS menggunakan urutan level yang paling rendah sampai

yang paling tinggi, sedangkan UCS menggunakan urutan

biaya dari yang paling kecil sampai yang terbesar.



UCS berusaha menemukan solusi dengan total biaya

(32)

5. Iterative-Deepening Search (IDS)



_{IDS merupakan metode yang menggabungkan}

kelebihan BFS (Complete dan Optimal) dengan

kelebihan DFS (space complexity rendah atau

membutuhkan sedikit memori)



_{Tetapi konsekwensinya adalah time complexitynya}

(33)

Iterative deepening search



The problem with depth-limited search is deciding on a suitable depth

parameter. To avoid this problem there is another search called iterative

deepening search (IDS).



This search method tries all possible depth limits; frst 0, then 1, then 2 etc.,

until a solution is found.



IDS may seem wasteful as it is expanding nodes multiple times. But the

overhead is small in comparison to the growth of an exponential search tree



For large search spaces where is the depth of the solution is not known IDS is

normally the preferred search method.



_{The following slide illustrates an iterative deepening search of 26 nodes}

(34)

A

C

D

E

F

B

G

H

I

J

K

L

M

N

O

P

Q

R

S

T

U

V

W

X

Y

Z

The example node set

Initial state

Goal state

A

L

(35)

A

We begin with our initial state: the node _{labeled A. This node is added to the}

queue. Press space to continue

Size of Queue: 0

Nodes expanded: 0 Current Action: Expanding Current level: n/a

Queue: Empty Queue: A

Current level: 0 Nodes expanded: 1

Queue: Empty Size of Queue: 0

Press space to begin the search

As this is the 0th iteration of the search, we cannot search past any level greater than zero.

This iteration now ends, and we begin the 1st_iteration.

ITERATIVE DEEPENING SEARCH PATTERN (0th ITERATION)

(36)

A

C

D

E

F

B

A

B

C

D

We again begin with our initial state: the

node labeled A. Note that the 1st_iteration

carries on from the 0th, and therefore the

‘nodes expanded’ value is already set to 1. Press space to continue

Node A is expanded, then removed from the queue, and the revealed nodes are added to the front . Press space.

The search now moves to level one of the node set. Press space to continue

Node B is expanded and removed from the queue. Press space.

Nodes expanded: 1 Current Action: Current level: n/a

Nodes expanded: 2

Queue: B, C, D, E, F

Press space to begin the search

Current level: 0 Current Action: Expanding

Queue: C, D, E, F Size of Queue: 4

Nodes expanded: 3 Current Action: Backtracking Current level: 1Current level: 0Current level: 1

Queue: D, E, F Size of Queue: 3

Nodes expanded: 4 Current Action: ExpandingCurrent Action: Backtracking Current level: 0Current level: 1 Queue: E, F

Nodes expanded: 5 Current Action: ExpandingCurrent Action: BacktrackingCurrent Action: Expanding Current level: 0Current level: 1 Queue: F

E

Current Action: Backtracking Current level: 0

Current Action: Expanding Current level: 1

Queue: Empty

F

Current level: 0 Current level: 1 Press space to continue the search

Press space to continue the search Press space to continue the search

ITERATIVE DEEPENING SEARCH PATTERN (1st ITERATION)

Size of Queue: 1 Size of Queue: 0

As this is the 1st iteration of the search, we cannot search past any level greater than level

one. This iteration now ends, and we begin a 2nd_iteration.

Nodes expanded: 6 Nodes expanded: 7

(37)

A

We again begin with our initial state: the

node labeled A. Note that the 2nd

iteration carries on from the 1st, and

therefore the ‘nodes expanded’ value is already set to 7 (1+6). Press space to continue the search

Again, we expand node A to reveal the level one nodes. Press space.

Node A is removed from the queue and

each revealed node is added to the front of the queue. Press space.

The search then moves to level one of the node set. Press space to continue Node B is expanded and the revealed nodes added to the front of the queue. Press space to continue.

Nodes expanded: 7 Current Action: Current level: n/a

Current level: 0 Nodes expanded: 8

Queue: B, C, D, E, F

Current level: 1 Queue: G, H, C, D, E, F

Nodes expanded: 9 Current level: 2

ITERATIVE DEEPENING SEARCH PATTERN (2nd ITERATION)

Current Action: Expanding We now move to level two of the node

set. Press space to continue.

After expanding node G we backtrack to expand node H. The process then continues until goal state. Press space

Queue: H, C, D, E, F

Nodes expanded: 10 Current Action: BacktrackingCurrent Action: Expanding Queue: C, D, E, F

H

Press space to continue the search

Size of Queue: 5 Size of Queue: 4

Current Action: Backtracking Current Action: Expanding Queue: I, J, D, E, F

C

I

Current Action: Backtracking Current level: 1Current level: 2

Queue: D, E, F

Current Action: Expanding Size of Queue: 3

J

Current Action: Backtracking Current level: 1Current level: 0Current level: 1 Current Action: Expanding

Queue: K, L, E, F Size of Queue: 4

D

Current level: 2 Queue: L, E, F

K

Current Action: Expanding Current level: 1Current level: 2

LLLLL

Current Action: Backtracking Queue: Empty

Node L is located on the second level and the search returns a solution on its second iteration. Press space to end.

(38)

6. Bi-Directional Search (BDS)



_{Pencarian dilakukan dari dua arah : pencarian maju}

(dari start ke goal) dan pencarian mundur (dari goal

ke start). Ketika dua arah pencarian telah

membangkitkan simpul yang sama, maka solusi

telah ditemukan, yaitu dengan cara

(39)

Perbandingan Strategi Pencarian

Keterangan

b : faktor percabangan

d : kedalaman solusi

M : kedalaman maksimum pohon pencarian