Heuristic Search

1. Heuristic Search

2. BEST FIRST SEARCH • Merupakan kombinasi kelebihan teknik depth first search dan breadth first search • Pencarian diperkenankan mengunjungi node yang ada di level yg lebih rendah jika ternyata node pada level yg lebih tinggi ternyata memiliki nilai heuristik yg buruk

3. Contoh

4. Best First Search (Lanjutan) • Best First Search akanmembangkitkan node berikutnyadarisemua node ygpernahdibangkitkan • Pertanyaannya : Bagaimanamenentukansebuah node terbaiksaatini? Dilakukandenganmenggunakanbiayaperkiraan Bagaimanacaranyamenentukanbiayaperkiraan? Biayaperkiraandapatditentukandenganfungsi heuristic

5. FUNGSI HEURISTIC • Suatu fungsi heuristic dikatakan baik jika bisa memberikan biaya perkiraan yang mendekati biaya sebenarnya. • Semakin mendekati biaya sebenarnya, fungsi heuristic tersebut semakin baik.

6. Contoh 100 16 10 A B C D ( 20 , 10 ) ( 35 , 10 ) ( 55 , 10 ) ( 65 , 10 ) Dalam kasus pencarian rute terpendek, biaya sebenarnya adalah panjang jalan Raya yang sebenarnya. Sedangkan fungsi heuristiknya adalah garis lurus dari 1 kota ke kota lainnya. Untuk itu,bisa digunakan rumus berikut : dAB = 15 dab = ( yb – ya )2 + ( xb – xa )2 dBC = 20 dCD = 10

7. Algoritma Best First Search • Greedy Best First Search • Algoritma A*

8. Greedy Best First Search • Algoritma ini merupakan jenis algoritma Best First Search yg paling sederhana • Algoritma ini hanya memperhitungkan biaya perkiraan saja f(n) = h’(n) • Karena hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya, maka algoritma ini menjadi tidak optimal

9. Contoh 90 A F 10 10 40 5 25 K 50 B 30 S 30 G 40 C 35 10 40 25 H 25 D 15 L E 52 80 20 J 40 M

10. Langkah 1 A 10 25 B S 30 C 35 10 D E

11. Langkah 2 A F 10 5 25 K 50 B S 30 C 35 10 D E

12. Langkah 3 A F 10 5 25 K 50 B S 30 30 G C 35 10 D E

13. SOLUSI A F 10 5 25 K 50 B S 30 30 G C 35 10 D S - B - K - G E Dengan Total Jarak = 105

14. PENJELASAN • Dari contoh di atas, Greedy akan menemukan solusi S-B-K-G dengan total jarak 105 • Padahal ada solusi lain yg lebih optimal, yakni S-A-B-F-K-G dengan total jarak hanya 95 • Dari situ bisa disimpulkan bahwa Greedy Best First Search tidak bisa menemukan solusi yang optimal

15. Algoritma A* • Berbeda dg Greedy, algoritma ini akan menghitung fungsi heuristic dengan cara menambahkan biaya sebenarnya dengan biaya perkiraan. Sehingga didapatkan rumus : f(n) = g(n) + h’(n) g(n) = Biaya sebenarnya dari Node Awal ke Node n h’(n) = Biaya perkiraan dari Node n ke Node Tujuan

16. Contoh 90 A F 10 10 40 5 25 K 50 B 30 S 30 G 40 C 35 10 40 25 H 25 D 15 L E 52 80 20 J 40 M

17. Langkah 1 A 10 25 B S 30 C 35 10 D E

18. Langkah 2 A 10 25 B S 30 C 35 10 D 15 E 20 J

19. Langkah 3 A F 10 10 5 25 K 50 B S 30 C 35 10 D 15 E 20 J

20. Langkah 4 90 A F 10 10 5 25 K 50 B S 30 G C 35 10 D 15 E 20 J

21. Langkah 5 90 A F 10 10 40 5 25 K 50 B S 30 G C 35 10 D 15 E 20 J

22. Langkah 6 90 A F 10 10 40 5 25 K 50 B 30 S 30 G C 35 10 D 15 E 20 J

23. Solusi 90 A F 10 10 40 5 25 K 50 B 30 S 30 G C 35 10 D 15 S - A - B - F - K - G E 20 J Dengan Total Jarak = 95

24. Kesimpulan • Algoritma A* lebih baik dalam melakukan pencarian heuristic daripada Greedy Best First Search karena dapat mengasilkan solusi yang optimal