Yufis Azhar – T.Informatika - UMM

Presentasi berjudul: "Yufis Azhar – T.Informatika - UMM"— Transcript presentasi:

1 Yufis Azhar – T.Informatika - UMM
AI in Game Playing Yufis Azhar – T.Informatika - UMM

2 Kenapa Game ? Kriteria menang dan kalah jelas
Permasalahan dapat dipelajari Fun Memiliki Search space yang besar (misalnya catur memiliki nodes dalam search tree)

3 Seberapa Hebat AI ? Garry Kasparov VS Deep Blue © 1997

4 Seberapa Hebat AI ? Garry Kasparov VS Deep Blue © 1997

5 Game yang dipelajari Game yang dimainkan oleh 2 player (Computer/Human) Player bermain secara bergiliran (Turn Based) Zero-Sum  Kerugian seorang pemain adalah keuntungan bagi pemain yang lain Tidak mengandung probabilistik (seperti dadu) Contoh : Tic-tac-toe, Chess, Nim, Othello, dll

6 Search Space in Game Contoh search space tree untuk game Tic-Tac-Toe

7 MINIMAX algorithm John von Neumann pada tahun menguraikan sebuah algoritma search pada game, dikenal dengan nama minimax, yang memaksimalkan keuntungan pemain serta meminimalkan keuntungan lawan

8 MINIMAX algorithm

9 MINIMAX in NIM game + + + Diawali serangkaian batang
Setiap pemain harus memecah serangkaian batang tersebut menjadi 2 kumpulan dimana jumlah batang di tiap kumpulan tidak boleh sama dan tidak boleh kosong Seorang pemain dinyatakan menang jika lawan tidak bisa memecah rangkaian batang menurut aturan yang ditetapkan + + +

10 Misalkan jumlah awal batang = 7
6 - 1 5 - 2 4 - 3

11 ASUMSI Terdapat 2 pemain yaitu MIN dan MAX MIN jalan lebih dulu
Evaluation Function Nilai 1  MAX menang Nilai 0  MIN menang

12 7 6 - 1 5 - 2 4 - 3 1 MIN 1 1 1 MAX 1 1 1 1 MIN 1 1 1 1 1 MAX 1 1 1 1 1 MIN MAX

13 Alpha-Beta Pruning Merupakan improvisasi dari minimax
Basic Idea “If you have an idea that is surely bad, don’t take the time to see how truly awful it is” (Pat Watson)

14 Alpha-Beta Pruning

15 Alpha-Beta Pruning

16 Alpha-Beta Pruning