Kelebihan dan Kekurangan Heuristic Search

LancangKuning.com - Heuristik adalah salah satu teknik pencarian yang mengembangkan ketepatan dan kecepatan dalam proses pencarian, namun kelengkapan dari apa yang di cari harus di korbankan. Fungsi Heuristik adalah melakukan pemetaan dari gambaran keadaan masalah kepada pengukur kebutuhan, umumnya di gambarkan berupa angka.  

Jenis-jenis Heuristic Searching:

• Best First Search (pencarian pertama terbaik);
• Hill Climbing;
• Metode Branch and Bound (Metode Cabang dan Batas);
• Dynamic Programming (pemrograman dinamis);
• Dll.

AI menggunakan heuristik dalam 2 situasi dasar:

1. Masalah - masalah yang mungkin memiliki solusi yang tepat tetapi biaya perhitungan untuk menemukan solusi seperti itu sangat tinggi di sebagian besar masalah (seperti catur), ruang negara meningkat pesat dengan jumlah.
2. Masalah - masalah yang mungkin tidak memiliki solusi yang tepat karena ketidakjelasan dasar dalam pernyataan masalah atau data yang tersedia, salah satu contohnya adalah diagnosis medis.

Baca Juga : Tempat Wisata di Pekanbaru

Heuristik dapat digunakan pada beberapa kondisi berikut ini (Siswanto, 2010):

1. Atasi ledakan kombinatorial. Ada masalah yang cenderung berkembang dengan cepat (faktorial), menyebabkan ledakan kombinatorial. Heuristik adalah cara untuk menentukan arah penyelesaian masalah secara efisien.
2. Solusi paling optimal mungkin tidak diperlukan. Dalam suatu situasi, kemungkinan lebih baik untuk mencari dan mendapatkan solusi yang mendekati optimal dalam waktu singkat daripada mencari dan mendapatkan solusi paling optimal dengan waktu yang lama.
3. Meski tidak optimal, tetapi biasanya mendekati optimal. Bantu pemahaman untuk orang yang memecahkan masalah.
4. Orang yang memecahkan masalah ini akan memahami masalah dengan lebih baik jika mereka mencoba menerapkan heuristik.

Best First Search

Ini adalah kombinasi dari keunggulan pencarian pertama yang mendalam dan teknik pencarian pertama yang luas dengan mengambil keuntungan dari kedua metode.

Kelebihan

• Butuh memori kecil
• Menemukan solusi tanpa harus menguji lebih banyak sampel

Kelemahan

• Mungkin terjebak pada local optima

Baca Juga : Akreditasi Jurusan Kampus Sekolah Tinggi Ilmu Ekonomi Satria Purwokerto

Hill Climbing

Ada 2 tipe HC yang sedikit berbeda, yaitu Simple Hill Climbing (simple HC) dan Steepest-Ascent Hill Climbing (HC dengan memilih lereng terjal / terjal).

1. HC sederhana, secara langsung memilih daerah baru yang memiliki jalur yang curam, karena semakin curam akan lebih baik.
2. Sedangkan Steepest-Ascent HC, akan mengevaluasi semua negara bagian yang berada di bawah kondisi saat ini dan memilih negara dengan jalur yang paling curam.

Kelebihan

• Butuh memori kecil, karena hanya melakukan penyimpanan partial 1 kali.
• Menemukan solusi tanpa harus menguji lebih banyak lagi

Kelemahan

• Mungkin terjebak pada local optimal
• Perlu menentukan aturan yang tepat

Metode Branch and Bound

Metode Cabang dan Terikat adalah teknik algoritmik yang secara khusus mempelajari cara mengurangi Pohon Pencarian ke ukuran sekecil mungkin.

Baca Juga : Tempat Wisata di Riau

Sesuai namanya, metode ini terdiri dari 2 langkah:

1. Branch atau cabang, yang berarti membuat semua cabang pohon yang mungkin mengarah pada  solusi.

2. Bound yang berarti menghitung node mana yang merupakan node aktif (node ​​E) dan node mana yang merupakan node mati (D-node) menggunakan syarat batas kondisi (constraint).

Kelebihan

• Selalu menemukan global optimum

Kelemahan

• Melakukan penyimpanan partial lebih dari 1 kali sehingga memori menjadi lebih boros.

Dynamic Programming

Untuk memecahkan suatu masalah yang rumit atau kompleks digunakanlah Pemrograman Dinamis sebagai salah satu teknik desain algoritma, cara kerjanya yaitu dengan membuat sub-masalah. Perbedaan utama antara Dynamic Programming, Divide dan Conquer adalah bahwa dalam Dynamic Programming menggunakan kembali hasil perhitungan sub-masalah yang telah dilakukan sebelumnya, sedangkan yang lain tidak.

Kelebihan

• Selalu menemukan global yang terbaik.
• Lebih efektif, efisien dan hemat memori karena hanya melakukan 1 kali penyimpan lintasan parsial

Kelemahan

• Harus mengingat node terakhir dari lintasan parsial yang sudah dilewati sebelumnya.(Raihan)