Yufis Azhar – T.Informatika - UMM AI in Game Playing Yufis Azhar – T.Informatika - UMM
Kenapa Game ? Kriteria menang dan kalah jelas Permasalahan dapat dipelajari Fun Memiliki Search space yang besar (misalnya catur memiliki 35100 nodes dalam search tree)
Seberapa Hebat AI ? Garry Kasparov VS Deep Blue © 1997
Seberapa Hebat AI ? Garry Kasparov VS Deep Blue © 1997
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
Search Space in Game Contoh search space tree untuk game Tic-Tac-Toe
MINIMAX algorithm John von Neumann pada tahun 1944 menguraikan sebuah algoritma search pada game, dikenal dengan nama minimax, yang memaksimalkan keuntungan pemain serta meminimalkan keuntungan lawan
MINIMAX algorithm
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 + + +
Misalkan jumlah awal batang = 7 6 - 1 5 - 2 4 - 3 5 - 1 - 1 4 - 2 - 1 4 - 1 - 2 3 - 2 - 2 3 - 1 - 3 4-1-1-1 3-2-1-1 3-1-2-1 3-1-1-2 2-1-2-2 2-1-1-3 3-1-1-1-1 2-1-2-1-1 2-1-1-2-1 2-1-1-1-2 2-1-1-1-1-1
ASUMSI Terdapat 2 pemain yaitu MIN dan MAX MIN jalan lebih dulu Evaluation Function Nilai 1 MAX menang Nilai 0 MIN menang
7 6 - 1 5 - 2 4 - 3 5 - 1 - 1 4 - 2 - 1 4 - 1 - 2 3 - 2 - 2 3 - 1 - 3 4-1-1-1 3-2-1-1 3-1-2-1 3-1-1-2 2-1-2-2 2-1-1-3 3-1-1-1-1 2-1-2-1-1 2-1-1-2-1 2-1-1-1-2 2-1-1-1-1-1 1 MIN 1 1 1 MAX 1 1 1 1 MIN 1 1 1 1 1 MAX 1 1 1 1 1 MIN MAX
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)
Alpha-Beta Pruning
Alpha-Beta Pruning
Alpha-Beta Pruning