Desain Perilaku Agen pada Permainan Bulutangkis dengan Menggunakan Multi-Objective Genetic Algorithm

Adianto, Adianto (2009) Desain Perilaku Agen pada Permainan Bulutangkis dengan Menggunakan Multi-Objective Genetic Algorithm. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 2207206810-Master_thesis.pdf Restricted to Repository staff only Download (17MB)

Abstract

Sulit untuk mendesain suatu agen NPC (non-player characters) yang memiliki kemampuan mengembangkan permainannya pada saat melawan player. Pengembangan permainan itu meliputi kemampuan untuk menyerang dan bertahan. Pada kebanyakan game saat ini, agen dibuat menggunakan pendekatan single-objective dengan melibatkan fungsi satu objektif dan biasanya menghasilkan satu solusi tunggal. Untuk mengatasi masalah tersebut, dibuat solusi optimal yang dapat digunakan untuk berbagai fungsi objektif, yaitu dengan menggunakan Multi-Objective Genetic Algorithm. Optimasi multi-objective mempertimbangkan beberapa konflik untuk mencapai tujuan secara bersamaan. Dalam kasus ini, biasanya tidak ada satu solusi optimal tunggal, melainkan satu set alternatif dengan trade-off yang berbeda. Multi-objective yang dipakai pada penelitian ini menggunakan NSGA-II (Non-dominated Sorting in Genetic Algorithms II). NSGA-II akan memberikan nilai Pareto front untuk fungsi minimal dan fungsi maksimal. Diharapkan dari penelitian ini didapatkan solusi optimal yang dapat mengakomodasi objektif dalam permainan bulutangkis, sehingga agen NPC dapat memiliki kemampuan adaptif dalam mengembangkan permainannya.
===================================================================================================================================
It is difficult to design non-player character (NPC) agents that possess the ability to adapt and improve their gameplay when playing against human players. Game development includes both offensive and defensive strategies. Most current games rely on a single-objective function, which usually yields only a single solution. To overcome this limitation, optimal solutions addressing multiple objective functions can be generated using Multi-Objective Genetic Algorithms. Multi-objective optimization considers conflicting goals simultaneously; thus, rather than a single optimal solution, it provides a set of trade-off alternatives. The multi-objective approach used in this research is NSGA-II (Non-dominated Sorting in Genetic Algorithms II), which generates a Pareto front balancing minimum and maximum objective functions. This research is expected to provide optimal solutions that accommodate the various objectives of badminton gameplay, enabling NPC agents to adaptively develop their strategies.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Multi-objective Algoritma Genetika, Non-Dominated Sorting in Genetic Algorithms, pareto front.
Subjects:	Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods.
Divisions:	Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	28 Sep 2026 03:24
Last Modified:	28 Sep 2026 03:24
URI:	http://repository.its.ac.id/id/eprint/144936

Actions (login required)

View Item