Setyawan, Novendra (2017) Pengembangan Adaptive Particle Swarm Optimization (PSO) Dan Aplikasinya Pada Perencanaan Jalur Mobile Robot Dengan Halangan Dinamis. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2215202004-Mater_Thesis.pdf - Published Version Download (8MB) | Preview |
Abstract
Kunci sukses dari navigasi sebuah mobile robot bergantung pada
pembangkitan trajektori atau perencanaan jalur. Perencanaan jalur berbasis metode
optimasi heuristik dikembangkan untuk menyederhanakan permasalaahan
perencanaan jalur menjadi permasalahan optimasi. Salah satu metode optimasi
heuristik yang sering digunakan dalam perencanaan jalur adalah Particle Swarm
Optimization (PSO) karena kesederhanaan pada algoritmanya, mudah
diimplementasikan dan memiliki sedikit parameter untuk diatur. Akan tetapi pada
permasalahan perencanaan jalur yang kompleks dengan lingkungan dinamis,
algoritma dasar PSO tidak dapat menjamin menemukan solusi optimal (local
optimum) dikarenakan konvergensi prematur yang menyebabkan terjadi tumbukan
dengan halangan dan jalur yang lebih panjang.
Pada penelitian ini setelah perilaku pencarian PSO dianalisa, PSO adaptif
dikembangkan dengan menggunakan fungsi Gaussian dalam pengaturan nilai
parameter pada PSO untuk mempercepat konvergensi dan reinisialisai partikel
dilakukan untuk mencegah terjadinya konvergensi prematur.
Simulasi dan perbandingan dengan algoritma Adaptif Inertia (AIW) PSO
dan standard PSO menunjukan algoritma yang diusulkan dapat menemukan solusi
optimal lebih cepat dengan konvergensi kurang dari 150 iterasi pada halangan statis
dan 200 iterasi pada halangan bergerak. Selain itu algoritma yang diusulkan
memiliki 3% panjang lintasan yang lebih pendek, 10% lebih smooth dan lebih
terjamin terhindar dari tumbukan.
========================================================================
The
success
key
in mobile robot
navigation
depends on trajectory
generation or
path
planning. Path planning based on heuristic optimization method
is developed to simplify the path planning issues into optimization problems. One
of the heuristic optimization methods used in path planning is the Pa
rticle Swarm
Optimization (PSO) that is often used because of its simplicity, easy to implement
and has few parameters to set. However, in the case of complex path planning with
dynamic environments, the PSO basic algorithm can not guarantee finding the
op
timum solution (local optimum) due to premature convergence that causes
collisions
,
with longer obstacles and paths.
In the proposed method, the Gaussian parameter updating rule use to
speed up the convergence by maintaining exploration and exploitation o
f the
particle. Then, particle re
-
initialization is proposed after analyzing the behavior of
PSO algorithm to prevent premature convergence.
Simulation result shows in benchmark test with Adaptive Inertia (AIW)
PSO and standard PSO that proposed PSO algor
ithm
can find optimal solution
faster than the other algorithm which can convergence in less than 150 iteration in
static obstacle and 200 iteration in dynamic obstacle.
Proposed PSO algorithm with
particle
re
-
initialization
can
guarantee to find optimal solution with resulting path
3% more shortest, 10% more
smooth
and g
uaranteed to collision
free path.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTE 629.892 Set p |
| Uncontrolled Keywords: | Particle Swarm Optimization, Adaptive Parameter PSO, Mobile Robot, Optimisasi Multi Tujuan, Multi-Objective Optimization |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms |
| Divisions: | Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | Novendra Setyawan . |
| Date Deposited: | 06 Sep 2017 07:44 |
| Last Modified: | 05 Mar 2019 03:58 |
| URI: | http://repository.its.ac.id/id/eprint/42518 |
Actions (login required)
 |
View Item |