NAMA : M.Dani Fatoni

NPM : 06.2009.1.04836

MATKUL : Kecerdasan Buatan

Bab VI

Adversarial Search

Dalam Bab ini dijelaskan mengenai bagaimana suatu Game dengan MultiAgent

berjalan. MultiAgent tersebut dapat bersaing satu sama lain untuk mencapai tujuan yang

sama. Istilah – istilah yang terdapat dalam Bab ini:

Games: Merupakan suatu kumpulan Agent yang dapat bermusuhan maupun bersekutu

satu sama lain

Zero-Sum Games: Merupakan suatu keadaan dimana terdapat dua atau lebih Agent

yang bermusuhan satu sama lain dan memiliki tujuan yang berlawanan.

Istilah dalam Algoritma Adversial Search:

Initial State, memiliki nilai posisi awal untuk kemudian menebak langkah

musuh.

Successor Function, merupakan komponen Search yang mengembalikan

sepasang nilai (Gerak, Status), setiap nilai berarti Gerak yang diperbolehkan

dan hasil kondisi.

Terminal Test, menentukan kapan game tersebut berakhir.

A Utility Function (disebut juga sebagai fungsi Objek dari Fungsi pelunasan),

Komponen ini membrikan nilai numerik untuk kondisi terminal. Nilai tersebut

dapat berupa nilai positif dan negatif maupun nilai nol (Digunakan untuk

kondisi seri).

Game Tree: Suatu Tree untuk menentukan langkah – langkah yang akan diambil oleh

Agent – Agent pada suatu game.

Strategy: Suatu nilai yang mengkhususkan gerakan Max dalam kondisi awal, untuk

kemudian gerakan tersebut menghasilkan seluruh respon yang memungkinkan dari

Min ke semua gerakan tersebut, dan seterusnya.

Ply: Suatu bahasa game, dapat ditemukan satu tree yang dalam, yang memiliki dua

gerakan sebagian, masing – masing gerakan tersebut disebut Ply.

Minimax Value: Suatu alat untuk Max yang ada dalam kondisi yang sesuai,

memperkirakan bahwa kedua pemain bermain secara optimal dari kondisi tersebut

hingga akhir Game.

Minimax Decision: Suatu pilihan optimal untuk max karena pilihan ini mengarah

kepada Successor dengan nilai Minimac tertinggi.

Minimax Algorithm: Suatu Algoritma yang memperhitaungkan keputusan Minimax

dari kondisi sekarang.

Alliances: Suatu kondisi dimana Agent akan memutuskan untuk membuat suatu

hubungan Sekutu dengan Agent lain atau Pemain.

Alpha – Beta Pruning: Suatu teknik untuk menyerdehanakan perhitungan untuk

keputusan MiniMax.

Transposition: Permutasi yang berbeda dari urutan gerakan yang berakhir pada posisi

yang sama.

Transposition Table: Tabel campuran dari posisi yang terlihat sebelumnya.

Features: Suatu fungsi yang menentukan bermacam kategori atau kecocokan class

dari kondisi. Kondisi tersebut memiliki nilai yang sama untuk semua Feature.

Expected Value: Suatu nilai yang diharapkan untuk suatu kondisi.

Material Value: Suatu nilai yang diberikan kepada masing – masing Feature.

Weighted Linear Function: Suatu fungsi yang menghitung bobot dari suatu gerakan

untuk kemudian memperhitungkan, bobot mana yang paling tepat.

Quiescence: Kediaman (Letak suatu Agent).

Quiescence Search: Suatu metode pencarian untuk mencari suatu kediaman dari posisi

yang bukan kediaman.

Horizon Effect: Suatu Efek yang muncul saat suatu program sedang berhadapan

dengan sebuah gerakan dari lawan yang menyebabkan kerusakan yang parah dan

tidak bisa dihindari.

Singular Extensions: Sebuah gerakan yang “Lebih baik” daripada semua gerakan lain

dalam sebuah posisi yang diberikan.

Forward Pruning: Berarti bahwa semua gerakan pada node yang diberikan

disederhanakan secepatnya tanpa pemikiran lebih lanjut.

Null Move: Suatu teknik untuk tidak melakukan pergerakan sehingga musuh dapat

bergerak 2 kali.

Futility Pruning: Suatu teknik yang membantu untuk memutuskan langkah mana yang

lebih baik untuk mencapai Successor Function.

Beberapa contoh yang digunakan dalam bab ini antara lain:

Halma

Checkers

Othello

Backgammon

Bridge

Bab 7

Logical Agents Bab ini menjelaskan tentang bagaimana suatu Agents dapat mengambil tindakan

selayaknya manusia. Manusia pada umumnya memiliki alasan dan pengetahuan dalam

mengambil tindakan, hal ini juga penting dalam pembuatan Agent buatan. Supaya pencapaian

agent tersebut nantinya dapat mencapai hasil yang maksimal. Istilah – istilah yang terdapat

dalam Bab ini:

Knowledge Base: Adalah suatu kumpulan data yang terbentuk dari sekumpulan

kalimat.

Sentences: Suatu kumpulan kata – kata yang memiliki tujuan tertentu. Kalimat

tersebut mewakli beberapa pernyataan tentang dunia

Knowledge Representation Language: Sebuah bahasa yang merupakan perwakilan

dari sekumpulan kalimat.

Inference: Suatu Sentences baru yang terbuat dari sekumpulan Sentences lama. Dapat

juga diartikan sebagai Kesimpulan.

Logical Agents: Suatu Agents yang haruslah menyelesaikan masalah berdasarkan

pada Inference dari suatu Knowledge Base.

Knowledge Level: Suatu pengetahuan yang hanya menentukan apa yang diketahui

oleh Agent tersebut, dan menentukan pula tujuan dari Agent tersebut, untuk dapat

menentukan sikap dari Agent tersebut.

Declarative: Suatu teknik Men-desain suatu bahasa representasi untuk membuatnya

mudah untuk menyatakan suatu pengetahuan dalam bentuk kalimat, untuk

mempersingkat suatu pembentukan masalah.

Wumpus World: Sebuah goa yang memiliki beberapa ruangan yang terhubung dengan

lorong – lorong.

Istilah dalam PEAS:

Performance Measure, suatu bobot yang merupakan nilai saat suatu tidakan

diambil.

Enviroment, suatu tempat dimana suatu Agent tersebut melakukan semua

tindakan.

Actuators, suatu peraturan yang dimiliki oleh Agent dalam setiap tindakan

yang diambil

Sensors, suatu alat yang digunakan oleh Agent untuk memeriksa lingkungan

sekitarnya.

Semantic: Suatu hubungan dengan suatu Sentences. Semantic dari bahasa menentukan

kebenaran dari tiap Sentences dengan mematuhi tiap dunia yang mungkin.

Models: Adalah suatu inti dari proses matematik dengan masing – masingnya

membetulkan kebenaran atau kesalahan dari setiap Sentences yang berhubungan.

Entailment: Suatu ide bahsa sebuah Sentence mengikuti secara Logika dari Sentence

lain.

Model Checking: Suatu teknik yang menyebutkan semua model yang mungkin untuk

memeriksa bahwa “a” adalah benar dalam semua model dimana suatu Knowledge

Base adalah benar.

Sound / Truth Preserving: Suatu Algoritma Inference yang hanya memperoleh

Sentence bersyarat.

Completeness: Suatu Algoritma Inference adalah lengkap jika Algoritma tersebut

dapat memperoleh Sentence mana saja yang bersyarat.

Grounding: Suatu hubungan antara proses alasan dengan lingkungan sesungguhnya di

mana suatu Agent berada.

Logical Connectivities: Suatu hubungan antara Logika satu dengan Logika lain.

Beberapa Istilah dalam Logical Connectivities:

Negation (-), suatu hubungan yang berarti Logika –a adalah bukan Logika a.

And (A), suatu hubungan yang berarti penghubung antara Logika satu dengan Logika

lain.

Or (V), suatu hubungan yang berarti memisahkan antara Logika satu dengan Logika

lain.

Implication (), suatu hubungan yang dapat berarti seperti Jika-Maka.

Biconditional (), suatu hubungan yang tidak bersyarat.

Truth Table: Suatu tabel yang menentukan nilai kebenaran dari sebuah Sentence rumit

untuk setiap tugas yang mungkin dari nilai kebenaran pada Komponen tersebut.

Logical Equivalence: Suatu konsep yang berarti dua Sentences adalah sama secara

Logical jika Sentences tersebut bernilai True dalam beberapa set dari Model.

Validity: Suatu konsep yang berarti sebuah Sentence akan sah apabila Sentence

tersebut bernilai benar dalam semua Model.

Satisfiability: Suatu konsep yang bearti sebuah Sentence adalah memuaskan jika

bernilai benar dalam beberapa model.

Reducto Ad Absurdum: Suatu bahasa yang berarti “Pengurangan hal – hal yang

mustahil”. Juga dapat disebut sebagai bukti oleh sanggahan atau bukti oleh

pertentangan.

Inference Rules: Suatu peraturan yang menentukan pola standart dari suatu Inference

yang bisa diterapkan untuk menyatakan serantaian kesimpulan yang mengarahkannya

kepada tujuan yang diinginkan.

Proof: Sebuah urutan penerapan dari Inference Rules.

Monotonicity: Suatu teori yang mengatakan bahwa set dari Sentence bersyarat hanya

dapat meningkat sebagai informasi yang ditambahkan kedalam Knowledge Base.

Factoring: Penghapusan beberapa salinan dari Literal.

Refutation Completeness: Bearti bahwa keputusan selalu dapat digunakan untuk

memastikan maupun untuk menyanggah suatu Sentence.

Ground Resolution Theorem: Suatu teori yang berbunyi “Jika sebuah set dari

ketentuan tersebut tidak memuaskan, maka pengakhiran keputusan dari ketentuan –

ketentuan tersebut membawa ketentuan kosong.

Horn Clauses: Suatu pemisahan dari Literal dimana Maximal satu dari Literal

tersebut adalah positif.

Definite Clauses: Suatu ketentuan yang dapat dengan mudah ditulis dan dibaca yang

memiliki tepatnya satu Literal Positif.

Head: Suatu Literal positif dalam suatu ketentuan.

Body: Suatu Literal negatif dalam suatu ketentuan.

Fact: Sebuah Definite Clauses yang tidak memiliki Literal Negatif yang dengan

sederhana menegaskan sebuah Proporsisi yang diberikan.

Integrity Constraints: Suatu Horn Clause yang tidak memiliki nilai Positif yang dapat

dituliskan sebagai sebuah Implikasi dimana keputusannya adalah Literal False.

Forward Chaining: Suatu proses pengambilan keputusan yang dimulai dari pernyataan

yang ada untuk kemudian mencari kesimpulannya.

Backward Chaining: Suatu proses pengambilan keputusan yang dimulai dari

kesimpulan menuju suatu pernyataan (kebalikan dari Forward Chaining).

Data Driven Reasoning: Suatu pengambilan alasan dimana perhatian fokusnya

dimulai dari data yang diketahui.

Beberapa istilah dalam TT-ENTAILS:

Early Termination, Algoritma yang mendeteksi apakah kalimat harus bernilai

True atau False, bahkan dengan model yang baru setengah lengkap.

Pure Symbol Heuristic, Sebuah Pure Symbol adalah sebuah Symbol yang

selalu muncul dengan “Tanda” yang sama dalam semua ketentuan.

Unit Clause Heuristic, Sebuah Unit Clause ditentukan pada awal sebagai

sebuah ketentuan dengan hanya satu Literal.

Unit Propagation: Suatu penyebaran dengan ketentuan sebuah ketentuan Unit dapat

membuat ketentuan Unit lainnya.

Circuit Based Agent: Adalah suatu jenis tertentu dari Reflex Agent dengan kondisi.

Sequential Circuit: Adalah sebuah jaringan dari gerbang, dimana masing – masingnya

melaksanakan sebuah hubungan Logika, dan Register, dimana masing – masingnya

menyimpan nilai kebenaran dari sebuah Proporsisi satuan.

Acyclicity: Sebuah Circuit dapat memiliki proses yang berulang jika setiap langkah

yang menghubungkan dari Output dari sebuah Register kembali kepada Inputnya dan

memiliki sebuah element jeda interven.

Beberapa contoh yang digunakan dalam bab ini antara lain:

Wumpus World