Pembagian Tugas Dinamis dan Kontrol Fuzzy-State Feedback Untuk Kolaborasi Multiagen dalam Lingkungan Kompleks

Hage, Giselle (2025) Pembagian Tugas Dinamis dan Kontrol Fuzzy-State Feedback Untuk Kolaborasi Multiagen dalam Lingkungan Kompleks. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6022232027-Master-Thesis.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Penelitian terdahulu umumnya memodelkan ancaman radar dan misil sebagai area statis yang harus dihindari UAV, padahal kenyataannya misil memiliki pergerakan dinamis yang adaptif terhadap target. Untuk mengatasi keterbatasan ini, penelitian ini mengembangkan pendekatan yang lebih mendekati kondisi nyata dengan memodelkan misil menggunakan algoritma navigasi proporsional (PPN) dan target UGV menggunakan dinamika sederhana. Lingkungan ini memungkinkan sistem multi-UAV untuk berkolaborasi secara dinamis dan beradaptasi dengan cepat dalam menghadapi ancaman yang lebih kompleks. Penelitian ini mengembangkan strategi pembagian tugas dinamis yang terintegrasi dengan kontrol state feedback dan metode Artificial Potential Field (APF) untuk mengoordinasikan sistem multi-UAV dalam skenario tiga dimensi dengan target UGV dinamis serta ancaman radar dan misil dengan pergerakan yang realistis. Algoritma pembagian tugas dinamis pada penelitian ini digunakan untuk mengalokasikan tugas secara adaptif berdasarkan kondisi real-time. Distribusi tugas dihitung ulang dengan mempertimbangkan urutan nilai prioritas target, status kondisi UAV, serta posisinya saat itu, sehingga UAV secara dinamis diarahkan menuju target yang belum tercapai. Strategi ini bertujuan memaksimalkan akumulasi nilai tugas dalam kondisi dinamis dan risiko tinggi. Pada dua skenario, baik dengan maupun tanpa halangan statis, algoritma dynamic berhasil mempertahankan nilai total tugas yang tinggi. Pada kasus tertentu, dynamic mampu meraih total task value sebesar 286, sementara metode greedy justru turun menjadi 244. Bahkan pada skenario lain, dynamic masih bisa mencatat 253, sedangkan greedy hanya mencapai 224. Hal ini menunjukkan keunggulan dynamic yang lebih stabil dan adaptif dalam menghadapi perubahan lingkungan maupun tantangan pada proses penugasan target bernilai tinggi, sementara algoritma greedy cenderung menghasilkan pencapaian target dengan nilai lebih rendah di keseluruhan pengujian yang telah dilakukan.
===================================================================================================================================
Prior studies generally modeled missile and radar threats as static areas that UAVs must avoid, whereas in reality, missiles exhibit dynamic movements that adapt to their targets. To address this limitation, this study develops a more realistic approach by modeling missiles using a Proportional Navigation (PPN) guidance algorithm and modeling UGV targets with simple dynamics. This environment allows the multi-UAV system to collaborate dynamically and quickly adapt to more complex threats. This research develops a dynamic task allocation strategy integrated with state feedback control and the Artificial Potential Field (APF) method to coordinate the multi-UAV system in a three-dimensional scenario involving dynamic UGV targets and radar and missiles with realistic movement. The dynamic task allocation algorithm in this study is used to adaptively assign tasks based on real-time conditions at each time step. Task distribution is recalculated by considering the target priority ranking, UAV status conditions, and current positions, so that UAVs are dynamically directed toward uncompleted targets. This strategy aims to maximize the total task value in dynamic, high-risk conditions. In both scenarios, both with and without static obstacles, the dynamic algorithm managed to maintain a high total task value. In some cases, dynamic was able to achieve a total task value of 286, while the greedy method actually dropped to 244. Even in other scenarios, dynamic was still able to record 253, while greedy only reached 224. This shows the superiority of dynamic which is more stable and adaptive in facing environmental changes and challenges in the process of assigning high-value targets, while the greedy algorithm tends to produce lower target achievement values in all tests that have been carried out.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Dynamic Task Allocation, Missile and Radar Threats, Multi-UAV Colaboration, Ancaman Misil dan Radar, Kolaborasi Multi-UAV, Pembagian Tugas Dinamis
Subjects:	T Technology > T Technology (General) > T57.74 Linear programming T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models. T Technology > T Technology (General) > T57.84 Heuristic algorithms. T Technology > TA Engineering (General). Civil engineering (General) > TA169 Reliability (Engineering)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Giselle Hage
Date Deposited:	25 Jul 2025 08:07
Last Modified:	25 Jul 2025 08:07
URI:	http://repository.its.ac.id/id/eprint/121523

Actions (login required)

View Item