Perancangan Algoritma Dynamic Path Planing Pada Autonomous Mobile Robot Menggunakan Modifikasi Crossover Algoritma Genetika

Utami, Nia Saputri (2019) Perancangan Algoritma Dynamic Path Planing Pada Autonomous Mobile Robot Menggunakan Modifikasi Crossover Algoritma Genetika. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111650022002-Master-Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Sistem navigasi cerdas diperlukan oleh autonomous mobile robot untuk menghindari tabrakan dengan halangan apapun pada lintasan yang akan dilewati dari titik awal sampai ke titik target. Tabrakan tersebut dapat dihindari dengan merencanakan lintasan bebas tabrakan terlebih dahulu. Penelitian ini menggunakan metode algoritma genetika termodifikasi untuk membuat perencanaan lintasan bebas tabrakan dengan halangan statis maupun halangan dinamis. Lintasan utama dihasilkan berdasarkan informasi data halangan statis dan dijadikan sebagai setpoint pada lintasan alternatif. Modifikasi algoritma genetika dilakukan pada operator genetika crossover yaitu dengan membuat peraturan tertentu bahwa keturunan hasil crossover yang nilai fitnessnya tidak lebih bagus dari induk akan dibuang dan induk tetap dipertahankan. Berdasarkan percobaan yang telah dilakukan, diperoleh hasil bahwa modifikasi crossover mampu menghasilkan kromosom-kromosom dengan karakteristik baik yang tidak menabrak halangan. Percobaan dengan tiga halangan statis mempunyai 11 kromosom baik pada populasi awal dengan nilai fitness terbaik 0,925074 dan setelah melalui proses crossover kromosom berkarakteristik baik bertambah menjadi 29 kromosom dengan nilai fitness terbaik 0,977968 dan hanya menyisakan satu kromosom dengan nilai fitness yang buruk yaitu 0,087153. Semakin banyak jumlah halangan statis semakin sedikit kromosom baik pada populasi awal, namun setelah melalui proses crosover, diperoleh hampir 98% kromosom dengan nilai fitness yang baik pada populasi akhir. Percobaan kedua menggunakan halangan dinamis di dalam environment dimana dapat dilihat bahwa moving area sensor mampu mendeteksi halangan dinamis pada jarak tertentu sehingga autonomous mobile robot mampu men-generate waypoint baru untuk membuat lintasan alternatif yang tidak menabrak halangan dinamis.
===================================================================================================================================
Autonomous mobile robot such as differential drive mobile robot really need an intelligent navigation system that is able to avoid collisions with any obstacles from the starting point to the destination point. This condition can be avoided by planning a collision-free path first. This study uses a modified genetic algorithm method to planning free collision path with both static and dynamic obstacles. Modification of genetic algorithm is carried out on the crossover process by making certain rules that fitness value of the progeny should be compare with fitness value of parents. If the fitness value of progeny is better than parents, the chromosome will be taken and used for the mutation process. Meanwhile, if the fitness value of the progeny is poor than parents, it will be ignored and parents will be maintained. The result of experiments with three static obstacles has 11 good chromosomes in the initial population with best fitness values 0.925074 and after going through the crossover process, the good characteristics chromosomes are increased to 29 with the best fitness value 0.977968, and left only one chromosome with a poor fitness value 0,087153. The more number of static obstacles, the fewer good chromosomes in the initial population, but after going through the crossover process, almost 98% of the chromosomes are obtained with good fitness values in the final population. The second experiment uses dynamic obstacles in the environment where it can be seen that the moving area sensor is able to detect dynamic obstacles at a certain distance so that the autonomous mobile robot is able to generate new waypoints to create alternative path so it doesn’t bump in to the dynamic obstacles.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Genetic Algorithm, Path Planning, Autonomous Mobile Robot
Subjects:	T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL521.3 Automatic Control
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	UTAMI NIA SAPUTRI
Date Deposited:	23 Jul 2026 07:12
Last Modified:	23 Jul 2026 07:12
URI:	http://repository.its.ac.id/id/eprint/67960

Actions (login required)

View Item