UTS Kecerdasan Buatan

Algoritma pencarian A-Star menggunakan parameter berikut, kecuali:

• G(n)

• H(n)

• F(n)

• Heuristik

• Iterasi

Dalam algoritma Minimax, tujuan dari pemain yang diwakili oleh MIN adalah:

• Memaksimalkan nilai

• Meminimalkan risiko

• Memaksimalkan hasil langkah lawan

• Meminimalkan keuntungan lawan

• Meminimalkan nilai

Agen cerdas yang hanya merespons berdasarkan kondisi saat ini tanpa mempertimbangkan sejarah disebut:

• Model-Based Agent

• Simple Reflex Agent

• Utility-Based Agent

• Learning Agent

• Goal-Based Agent

Fungsi heuristik dalam pencarian A-Star bertujuan untuk:

• Mengurangi waktu pencarian

• Meningkatkan akurasi

• Mengoptimalkan tujuan

• Mengukur jarak yang sudah ditempuh

• Mengestimasi jarak ke tujuan

Teknik pruning dalam algoritma Alpha-Beta bertujuan untuk:

• Menghilangkan langkah optimal

• Mempercepat pencarian

• Menambah pilihan langkah

• Menyimpan semua node

• Menghindari langkah lawan

Dalam PEAS, "Actuators" berfungsi untuk:

• Mengukur performa

• Menyediakan informasi lingkungan

• Mengerjakan tindakan yang dipilih

• Mendeteksi sensor

• Mengoptimalkan tujuan

Algoritma A-Star bekerja dengan prinsip kombinasi antara:

• Algoritma Greedy dan BFS

• Fungsi biaya dan fungsi heuristik

• Fungsi evaluasi dan DFS

• Depth-first search dan Breadth-first search

• Branch-and-bound dan pruning

Jenis agen yang dapat belajar dari pengalamannya adalah:

• Reflex Agent

• Goal-Based Agent

• Utility-Based Agent

• Learning Agent

• Model-Based Agent

Algoritma pencarian Alpha-Beta merupakan pengembangan dari:

• Minimax

• BFS

• A-Star

• DFS

• Uniform Cost Search

Pada desain agen otomatis untuk supir taksi, sensor yang dibutuhkan antara lain:

• GPS

• Kompas

• Mesin suara

• Printer

• Scanner