Constraint Satisfaction Problems (CSP

)
M. JAUHARUL FUADY

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

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

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

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

dengan n adalah banyaknya variabel  depth first search • Inefisiensi: path tidak penting .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). Jika tidak ada: gagal! • Goal test: apakah assignment sudah lengkap • Bisa menyelesaikan semua masalah CSP • Solusi pasti ditemukan di depth n.

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. sehingga terdapat dn leaf • disebut juga backtracking search • Merupakan algoritma uninformed standar untuk masalah CSP .

Contoh eksekusi Backtracking Search .

• 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) .Mempercepat Penyelesaian CSP • Kinerja backtracking search dapat diperbaiki dengan menentukan urutan pemilihan variabel dan nilai yang di-assign ke suatu variabel.

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

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

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

. Jika ada sebuah variable yang tidak mempunyai nilai sah.Forward Checking • Prinsip Catat kemungkinan nilai sah untuk semua variable yang belum di-assign. 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. .

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

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