Constraint Satisfaction Problems (CSP

)
M. JAUHARUL FUADY

spesifikasi. • Solusi adalah suatu kombinasi assignment terhadap setiap variable sehingga semua constraint terpenuhi. • Contoh masalah nyata • Penugasan kuliah (siapa mengajar apa) • Penjadwalan kuliah (kuliah kapan dan dimana) • Konfigurasi hardware (constraint: anggaran.Pengertian • Merupakan bentuk khusus dari suatu masalah • State terdiri dari sejumlah variable Xi yang mempunyai nilai dari suatu domain Di. • Goal test adalah himpunan constraint yang harus dipenuhi berupa kombinasi nilai dari subset variable. dsb) .

… } . … • (WA. (red.Contoh: Map Coloring • Variabel: { WA. blue } • Constraint: Dua wilayah berbatasan harus berbeda warna • WA ≠ NT. (green. V. (green. NT. red). NT ≠ SA. NT) є { (red. green. Q. blue). NSW. T } • Domain: Di = { red. blue). SA. green).

NSW = green. NT = green. V = red. Q = red. SA = blue. T = green } .Contoh Solusi: Map Coloring Solusi: Pemberian nilai setiap variabel yang memenuhi syarat (tidak melanggar constraint) Misal: { WA = red.

W) . 5.Contoh Lain: Cryptarithmetic • Variabel: { F. U. T. R. T. 3. 6. R. U. 2. O. 8. O. X3 } • Domain: Di = { 0. 9 } • Constraint: O + O = R + 10X1 X2 + T + T = O + 10X3 X1 + W + W = U + 10X2 F = X3 alldiff(F. 7. X2. X1. 4. W. 1.

Penyelesaian: Uninformed Search • Formulasi masalah CSP sebagai search • Initial state: assignment kosong { } • Successor function: pilih nilai untuk sebuah variabel yang belum di-assign yang diperbolehkan (tidak menyebabkan konflik). dengan n adalah banyaknya variabel  depth first search • Inefisiensi: path tidak penting . Jika tidak ada: gagal! • Goal test: apakah assignment sudah lengkap • Bisa menyelesaikan semua masalah CSP • Solusi pasti ditemukan di depth n.

sehingga terdapat dn leaf • disebut juga backtracking search • Merupakan algoritma uninformed standar untuk masalah CSP . hanya perlu meng-assign satu variabel saja • b = d.Depth First Search pada CSP • Variable assignment berlaku komutatif • [WA=red lalu NT=green] sama saja dengan [NT=green lalu WA=red] • Pada tiap level.

Contoh eksekusi Backtracking Search .

Mempercepat Penyelesaian CSP • Kinerja backtracking search dapat diperbaiki dengan menentukan urutan pemilihan variabel dan nilai yang di-assign ke suatu variabel. • Terdapat beberapa strategi tambahan (heuristics) yang dapat diberlakukan umum (general-purpose) • • • • Variabel mana yang dipilih untuk di-assign terlebih dahulu? Nilai apa yang dipilih untuk di-assign? Apakah kita bisa mendeteksi adanya failure lebih awal? Bisakah struktur masalah CSP tersebut kita manfaatkan? (dengan menggunakan representasi yang jelas) .

Heuristic 1: Most Constrained Variable • Prinsip Pilih variabel yang memiliki kemungkinan nilai sah (nilai yang tidak melanggar constraint) paling sedikit. .

Heuristic 2: Most Constraining Variable • Prinsip Pilih variable yang paling banyak terlibat constraint dengan variable lain. . Sebagai tie-breaker jika ada beberapa variable yang sama bagusnya dari heuristic 1.

Heuristic 3: Least Constraining Value • Prinsip Pilih nilai yang paling sedikit menimbulkan batasan kemungkinan nilai pada variable lain yang belum di-assign. .

Forward Checking • Prinsip Catat kemungkinan nilai sah untuk semua variable yang belum di-assign. . Jika ada sebuah variable yang tidak mempunyai nilai sah. langsung failure (backtrack dini).

Constraint Propagation • Informasi dari suatu variable yang di-assign yang diteruskan ke variable lain disebut juga dengan constraint propagation. tidak semua failure bisa dideteksi dini. • Namun. .

dengan mempertahankan konsistensi antar constraint. .Arc Consistency • Merupakan metode constraint propagation yang lebih canggih. • Prinsip X  Y dikatakan konsisten jika dan hanya jika untuk setiap nilai sah x dari X ada nilai sah y dari Y.

• Pemilihan variable: pilih acak variable yang melanggar constraint.Penyelesaian dengan Local Search • Dalam praktek. local search cocok untuk CSP. • State harus lengkap/complete tapi boleh melanggar constraint. • Operator/action: menukar nilai variable (reassign). • Pemilihan nilai: heuristic minimum conflict (pilih nilai yang melanggar constraint paling sedikit) • Lakukan local search dengan meminimalkan h(n) .

Local Search untuk CSP 4-Queens • State: 4 queen dalam 4 kolom (44 = 256 state) • Operator/action: pindahkan queen dalam kolom • Goal test: tidak ada yang saling makan • Evaluation/fitness function: h(n) = jumlah pasangan yang saling makan .

Ringkasan • CSP adalah masalah dalam bentuk spesifik • State berupa assignment nilai terhadap himpunan variable • Goal test berupa constraint terhadap nilai variable • Backtracking search • Depth first search yang mempertimbangkan satu variable pada tiap level • Heuristic urutan pemilihan variable dan nilai sangat mempengaruhi kinerja • Forward checking dan arc consistency adalah bentuk constraint propagation untuk mendeteksi failure dini • Metode local search dengan heuristic min-conflict cukup efektif untuk CSP .

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.