Heuristic Search (Part 2) Yufis Azhar – Teknik Informatika – UMM

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

Contoh

Best First Search (Lanjutan) Best First Search akan membangkitkan node berikutnya dari semua node yg pernah dibangkitkan Pertanyaannya : Bagaimana menentukan sebuah node terbaik saat ini? Dilakukan dengan menggunakan biaya perkiraan Bagaimana caranya menentukan biaya perkiraan? Biaya perkiraan dapat ditentukan dengan fungsi heuristic

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.

Contoh dab = ( yb – ya )2 + ( xb – xa )2 dAB = 15 dBC = 20 dCD = 10 100 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

Algoritma Best First Search Greedy Best First Search Algoritma A*

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

Contoh 90 A F 10 10 5 40 25 K B 50 S 30 30 40 G C 35 10 40 25 H 25 D 15 L E 52 80 20 J 40 M n S A B C D E F G H J K L M h’(n) 80 60 70 85 74 40 100 30 20

Langkah 1 A 10 n S A B C D E 25 B S 30 C 35 10 D E h’(n) 80 60 70 85 74 25 B S 30 C 35 10 D E

Langkah 2 A F 10 5 25 K B 50 S 30 C 35 10 D n A C D E F K E h’(n) 80 70 85 74 30 E

Langkah 3 A F 10 5 25 K B 50 S 30 30 G C 35 10 D n A C D E F G E h’(n) 80 70 85 74 E

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

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

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

Contoh 90 A F 10 10 5 40 25 K B 50 S 30 30 40 G C 35 10 40 25 H 25 D 15 L E 52 80 20 J 40 M n S A B C D E F G H J K L M h’(n) 80 60 70 85 74 40 100 30 20

Langkah 1 A 10 n S A B C D E 25 B S 30 C 35 10 D E h’(n) 80 60 70 85 74 g(n) 10 25 30 35 f(n) 90 100 120 84 25 B S 30 C 35 10 D E

Langkah 2 A 10 n A B C D J 25 B S 30 C 35 10 D 15 E 20 J h’(n) 80 60 70 85 100 g(n) 10 25 30 f(n) 90 110 130 25 B S 30 C 35 10 D 15 E 20 J

Langkah 3 A F 10 10 5 25 K B 50 S 30 C 35 10 n A C D J F K D 15 E 20 J h’(n) 80 70 85 100 30 g(n) 10 25 75 f(n) 90 110 130 105 D 15 E 20 J

Langkah 4 90 A F 10 10 5 25 K B 50 S 30 G C 35 10 D n C D J F K G 15 E h’(n) 70 85 100 30 g(n) 25 f(n) 110 130 95 15 E 20 J

Langkah 5 90 A F 10 10 5 40 25 K B 50 S 30 G C 35 10 D n C D J K G 15 h’(n) 70 85 100 30 g(n) 25 65 f(n) 110 130 95 15 E 20 J

Langkah 6 90 A F 10 10 5 40 25 K B 50 S 30 30 G C 35 10 D n C D J G 15 h’(n) 70 85 100 g(n) 30 25 95 f(n) 110 130 15 E 20 J

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

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