Algoritma AI 1.

Presentasi berjudul: "Algoritma AI 1."— Transcript presentasi:

1 Algoritma AI 1

2 Game Theory

3 Two Player Games / Zero-Sum Games

4 Tic-Tac-Toe

5 Minimax Minimax dengan Alpha-Beta Pruning

6 Algoritma Minimax

7

8 Minimax dengan Alpha-Beta Pruning
Alpha-Beta Pruning is a simple algorithm that minimizes the game-tree search for moves that are obviously bad

9 Ide Dasar Alpha-Beta Pruning
Identify moves that are not beneficial, and remove them from the game tree

10 Syarat pruning :

11 5 3 10 7 4 8 9 -2 6 Max Min

12 Simulated Annealing

13 Algoritma Optimasi

14 Algoritma untuk menemukan nilai x sedemikian hingga menghasilkan f(x) yang bernilai sekecil atau sebesar mungkin untuk suatu fungsi f yang diberikan, yang mungkin disertai beberapa batasan pada x.

15 Ide Dasar Simulated Annealing
Apabila suatu materi dipanaskan hingga mencair, kemudian didinginkan secara perlahan maka akan dihasilkan logam-logam dengan kualitas baik. Sebaliknya, jika materi didinginkan terlalu cepat, maka logam yang dihasilkan pun tidak akan sempurna

16 Simulated Annealing Mensimulasikan proses pendinginan yang secara bertahap menurunkan suhu sistem hingga konvergen pada keadaan beku dan stabil

17 Persamaan Boltzman Probabilitas suatu new state yang
lebih buruk dari current state masih mungkin terpilih sebagai next state

18 Pemetaan Physical Annealing ke Simulated Annealing
Fisika (Termodinamika) Simulated Annealing Keadaan sistem Solusi yang mungkin Energi Biaya Perubahan keadaan Solusi tetangga Temperatur Parameter kontrol Keadaan beku Solusi heuristik

19 Dalam SA, sebuah solusi dikenal dengan istilah State
Ukuran baik atau tidaknya state tersebut dinyatakan dengan Energi SA dirancang untuk kasus minimasi, maka Energi akhir haruslah lebih kecil dibandingkan dengan energi awal

20 Algoritma SA create initialState set initial temperature Tstart
while Tnow > Tend repeat n times generate newState deltaEnergi = (energiBaru - energiLama) if deltaEnergi < 0 currentState = newState elseif rand(0,1) < exp(-deltaEnergi/T) endif end repeat decrease T end while

21 Contoh Kasus : Travelling Sallesman Problem (TSP)

22

23 Adaptive Resonance Theory

24 ART 1 ART ART 2

25 Setiap kali pola dikenalkan, suatu unit
cluster yang tepat dipilih dan bobot cluster tersebut disesuaikan agar unit cluster dapat mempelajari polanya. Bobot pada cluster unit dapat dianggap sebagai code vector untuk pola-pola yang ditempatkan pada cluster tersebut. ART didesain untuk memperkenankan user mengontrol derajat kemiripan dari pola-pola yang ditempatkan pada cluster yang sama.

26

27 Algoritma Pembelajaran
ART 1

28

29

30

31 Contoh Kasus : Character Recognition

32