Algoritma AI 1
description
Transcript of Algoritma AI 1
Algoritma AI 1
Game Theory
Two Player Games /Zero-Sum Games
Tic-Tac-Toe
•Minimax
•Minimax dengan Alpha-BetaPruning
Algoritma Minimax
Alpha-Beta Pruning is a simple algorithm that minimizes the game-tree search for moves that are obviously bad
Minimax denganAlpha-Beta Pruning
Ide DasarAlpha-Beta Pruning
Identify moves that are not beneficial, and
remove them from the game tree
Syarat pruning : pruningnode pruningnode
maxmin
5 3 10
7 4
8
9
3 -2
10
6
7 8
Max
Min
Max
Min
Simulated Annealing
Algoritma Optimasi
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.
Ide DasarSimulated 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
Simulated AnnealingMensimulasikan proses pendinginan yang secara bertahapmenurunkan suhu sistem hingga konvergen pada keadaanbeku dan stabil
Persamaan Boltzman
Probabilitas suatu new state yang lebih buruk dari current state masih mungkin terpilih sebagai next state
kTEeEp /
EPr
Pemetaan Physical Annealingke Simulated Annealing Fisika (Termodinamika)
Simulated Annealing
Keadaan sistem Solusi yang mungkin
Energi Biaya
Perubahan keadaan Solusi tetangga
Temperatur Parameter kontrol
Keadaan beku Solusi heuristik
• Dalam SA, sebuah solusi dikenal dengan istilah State
• Ukuran baik atau tidaknya state tersebut dinyatakan dengan Energi
• SA dirancang untuk kasus minimasi, maka Energiakhir haruslah lebih kecil dibandingkan dengan energi awal
Algoritma SAcreate initialStateset initial temperature Tstartwhile Tnow > Tend
repeat n timesgenerate newStatedeltaEnergi = (energiBaru - energiLama)if deltaEnergi < 0
currentState = newStateelseif rand(0,1) < exp(-deltaEnergi/T)
currentState = newStateendif
end repeatdecrease T
end while
Contoh Kasus :Travelling Sallesman Problem (TSP)
Adaptive Resonance
Theory
ART
ART 2
ART 1
Setiap kali pola dikenalkan, suatu unit cluster yang tepat dipilihdan bobot cluster tersebut disesuaikan agar unit cluster dapatmempelajari polanya.
Bobot pada cluster unit dapat dianggap sebagai code vectoruntuk pola-pola yang ditempatkan pada cluster tersebut.
ART didesain untuk memperkenankanuser mengontrol derajat kemiripan dari pola-pola yang ditempatkan pada cluster yang sama.
Algoritma PembelajaranART 1
Contoh Kasus :Character Recognition