Steepest Ascent Hill Climbing melakukan pencarian berdasarkan nilai heuristic terbaik. Dalam hal ini penggunaan operator tidak menentukanpenemuan solusi.  Steepest ascent hill climbing merupakan metode algoritma yang banyak digunakan untuk permasalahan optimasi. Salah satu penerapannya adalah untuk mencari rute yang terpendek dengancara memaksimumkan atau meminimumkan nilai fungsi optimasi yang ada.Secara harafiah steepest berarti paling tinggi, sedangkan ascent berarti kenaikan. Dengan demikian steepest ascent berarti kenaikan paling tinggi.Jadi prinsip dasar metode ini adalah mencari kenaikan paling tinggi keadaan sekitar untuk mencapai nilai yang paling optimal.

Metode steepest ascent hill climbing ini merupakan pengembangan dari metode simple hill climbing. Bedanya adalah simple hill climbing menentukan next state dengan membandingkan current state dengan satu successor dan successor pertama yang lebih baik akan dipilih menjadi next state.Sedangkan steepest ascent akan membandingkan current state dengan semua succesors yang ada didekatnya sehingga dalam steepest ascent hill climbing, next statenya merupakan successor yang paling baik atau paling mendekati tujuan.

1. Mulai dari keadaan awal, lakukan pengujian : jika merupakan tujuan maka akan berhenti; dan jika tidak, lanjutkan dengan  keadaan sekarang sebagai keadaan awal.2. Kerjakan hingga tujuan tercapai atau hingga iterasi tidak memberikan perubahan pada keadaan sekarang.

a. Tentukan SUCC sebagai nilai heuristik terbaik dari successor –successor

b. Kerjakan untuk tiap operator yang digunakan oleh keadaan sekarang: i. Gunakan operator tersebut dan bentuk keadaan baru ii. Evaluasi keadaan baru tersebut. Jika merupakan tujuan,keluar.

Jika bukan, bandingkan nilai heuristiknya dengan SUCC. Jika lebih baik, jadikan nilai keadaan heuristik baru tersebut sebagai SUCC. Namun, jika tidak lebih baik, nilai SUCC tidak berubah

iii. Jika SUCC lebih baik dri pada nilai heuristik keadaan sekarang, ubah node SUCC menjadi keadaan sekarang.

1.  Local optimum: keadaan semua tetangga lebih buruk atau sama dengan keadaan dirinya.

2. Plateau : Keadaan semua tetangga sama dengan dirinya.3. Ridge : Local optimum yang lebih disebabkan karena ketidakmampuan untuk menggunakan 2 operator sekaligus.

Pada Steepest- Ascent Hill Climbing ada 3 masalah yang mungkin yaitu:

KEADAAN AWAL TUJUAN

¤¤  Operator yang digunakan untuk menggerakkan dari satu keadaan ke keadaan berikutnya adalah: ¤¤  Ubin kosong ke kiri ¤¤  Ubin kosong ke bawah ¤¤  Ubin kosong ke kanan

Pada permainan 8-puzzle, keadaan awal dan tujuan adalah sebagai berikut:

2 3

1 8 4

7 6 5

1 2 3

8 4

7 6 5

¤¤  Dengan menggunakan bentuk pohon untuk merepresentasikan ruang keadaan, gunakanlah metode Stepest Ascent Hill Climbing untuk mencari langkah-langkah yang harus ditempuh dari

keadaan awal sampai mendapatkan tujuan. ¤¤  Fungsi heuristik yang digunakan adalah jumlah ubin yang menempati posisi yang benar.

¤¤ Pada Gambar 1 terlihat bahwa semula ada 3 operator yang bisa digunakan, yaitu ubin kosong digeser ke kanan, kiri dan bawah. Masing-masing kondisi hasil dari implementasi operator memberikan nilai heuristik 4, 6, dan 5. Nilai heuristik terbesar adalah 6, sehingga kondisi kedua yang dipilih.

¤¤ Pada tahap kedua, operator yang bisa digunakan hanya 2, yaitu ubin kosong digeser ke kanan dan ke bawah. Masing-masing dengan nilai heuristik 5 dan 7. Nilai heuristik yang dihasilkan adalah 7, dan kondisi ini dipilih.

¤¤ Pada tahap ketiga, ada 3 operator yang digunakan, yaitu ubin kosong digeser ke atas, kanan, dan bawah. Masingmasing kondisi memiliki nilai heuristik 6, 8, dan 6.

2 31 8 47 6 5

2 31 8 47 6 5

2 8 31 47 6 5

2 31 8 47 6 5

1 2 37 8 4

6 5

1 2 38 47 6 5

2 31 8 47 6 5

1 2 38 4

7 6 5

2 31 8 47 6 5

Contoh kasus pada permainan puzzle yang ke 2

KEADAAN AWAL

2 3

1 4 5

7 8 6

1 2 3

4 5 6

7 8

TUJUAN

¤¤  Operator yang digunakan untuk menggerakkan dari satu keadaan ke keadaan berikutnya adalah:

¤¤  Ubin kosong ke kiri ¤¤  Ubin kosong ke bawah ¤¤  Ubin kosong ke kanan ¤¤  Ubin kosong ke kanan ¤¤  Ubin kosong ke bawah

2 31 4 57 8 6

2 31 4 57 8 6

1 2 34 57 8 6

2 31 4 57 8 6

2 4 31 57 8 6

2 31 4 57 8 6

1 2 34 5

7 8 6

1 2 37 4 5

8 6

2 31 4 57 8 6

1 34 2 57 8 6

1 2 34 5

7 8 6

1 2 34 57 8 6

1 2 34 8 57 6

1 24 5 37 8 6

1 2 34 5 67 8

1 2 34 57 8 6

Travelling Salesman Problem dengan steepest ascent hill climbing

A

C

B

D

8

5

6

7

3 4

¤¤  Menggunakan 6 operator untuk menukar posisi kota-kota yang bersebelahan.

¤¤  Fungsi heuristic yang di gunakan adalah panjang lintasan yang terjadi.

¤¤  Pada Gambar 2.20, terlihat bahwa, keadaan awal, lintasan terpilih adalah ABCD (19).

¤¤  Pada level pertama, hill climbing akan memilih nilai heuristik terbaik dari keenam succesor yang ada, yaitu: BACD(17), ACBD (12), ABDC(18), DBCA(12), ADCB (18) atau CBAD(20). Tentu saja yang terpilih adalah ACBD, karena memiliki nilai heuristik paling kecil (=12).

¤¤  Dari ACBD ini akan dipilih nilai heuristik terbaik dari succesornya

yaitu: CABD(15), ABCD(19), ACDB(13), DCBA(19), ADBC(16) atau BCAD(15). Ternyata dari keenam successor tersebut memiliki nilai heuristik yang lebih besar disbanding dengan ACDB.

¤¤  Sehingga tidak akan ada perubahan nilai keadaan (tetap

ACDB). Hasil yang diperoleh, lintasannya adalah ACDB (12).

Teknik Informatika

Sekian dan

Terima Kasih