Explorasi Multi Agen Dalam Pencarian Target Menggunakan Modifikasi Algoritma Ant Colony pada Lingkungan Yang Tidak Diketahui

Purbolingga, Yoan (2019) Explorasi Multi Agen Dalam Pencarian Target Menggunakan Modifikasi Algoritma Ant Colony pada Lingkungan Yang Tidak Diketahui. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
07111650020005-Master_Thesis.pdf

Download (1MB) | Preview

Abstract

Beberapa dekade terakhir ini, banyak penelitian yang berhubungan dengan komputasi menggunakan perilaku alam sebagai dasar penelitiannya. Salah satu diantaranya ant colony (koloni semut). Ant colony system algorithm (ACS) termasuk dalam kelompok swarm intelligence yang bertujuan untuk menyelesaikan strategi masalah pencarian sasaran. Pada penelitian sebelumnya, metode koloni semut telah digunakan untuk menyelesaikan permasalahan dalam mencari jalur optimasi ke tempat target yang telah diketahui. Tetapi metode ini tidak dapat digunakan jika posisi target tidak diketahui. Pada penelitian ini, metode yang digunakan adalah algoritma koloni semut yang telah dimodifikasi dengan menambahkan fungsi anti feromon, yaitu untuk membuat agen swarm selalu membuat keputusan untuk memilih jalur dengan jumlah feromon terkecil. Dalam pemilihan node selanjutnya algoritma yang diusulkan menghitung banyaknya feromon (parameter ) dan panjangnya jarak (parameter ). Pengujian dilakukan dengan beberapa keadaan, yaitu menguji kemampuan semua agen untuk mengexplorasi seluruh node tanpa target dan menguji kemampuan semua agen untuk menemukan target pada simple dan complex environment dengan kriteria minimum iterasi dan jarak tempuh. Hasil simulasi menunjukkan bahwa algoritma koloni semut yang dimodifikasi dapat membuat agen swarm mengeksplorasi dalam mencari posisi target. Simulasi pertama tanpa target menggunakan 1-5 agen lebih efektif menggunakan parameter alpha = 1,beta = 1 . Simulasi kedua dengan target menggunakan 1-5 agen lebih efektif menggunakan parameter alpha = 2, beta = 1, dengan minimum jarak = 380 cm, iterasi = 33 dari hasil pengujian. Simulasi ketiga mencari target pada lingkungan komplek lebih efektif menggunakan parameter alpha = 2, beta = 1, dengan minimum jarak = 470, iterasi = 57. Metode yang diusulkan mampu menemukan posisi target yang tidak diketahui dengan minimum iterasi dan jarak tempuh. ================================================================================================ In the last few decades, many studies related to computation have used natural behavior as the basis of their research. One ofthem is ant colony. Ant colony system algorithm (ACS) is included in the swarm intelligence group which aims to resolvethe target search problem strategy. In previous studies, the method of ant colonies has been used to solve problems in finding an optimization path to a known target location. But this method cannot be used if the target position is unknown.In this study, the method used is an ant colony algorithm that has been modified by adding anti-pheromone functions, namely to make swarm agents always make the decision to choose the path with the smallest number of pheromones. In the next node selection the proposed algorithm calculates the number of pheromones (parameters alpha) and the length of the distance (parameter beta). Tests are carried out with several conditions, namely testing the ability of all agents to explore allnodes without targets and test the ability of all agents to find targets in simple and complex environments with minimum iteration criteria and distance traveled.The simulation results show that the modified ant colony algorithm can make the swarm agentexplore the target position. The first simulation without targets using 1-5 agents is more effective using parameters alpha=1,beta=1. The second simulation with targets using 1-5 agents is more effective using parameters alpha=1,beta=2 with a minimum distance = 380 cm, iteration = 33 from the test results. The third simulation looking for targets in complex environments is more effective using parameters alpha=1,beta=2 with minimum distance = 470, iterations = 57. The proposed method is able to find unknown target positions with minimum iterations and distance traveled.

Item Type: Thesis (Masters)
Additional Information: RTE 629.89 Pur e-1 2019
Uncontrolled Keywords: Ant Colony System, Search Problem, Swarm Algorithm, Exploration Method
Subjects: T Technology > TJ Mechanical engineering and machinery > TJ211 Robotics.
T Technology > TJ Mechanical engineering and machinery > TJ211.4 Robot motion
T Technology > TJ Mechanical engineering and machinery > TJ213 Automatic control.
T Technology > TJ Mechanical engineering and machinery > TJ223 PID controllers
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Yoan Purbolingga
Date Deposited: 13 Jul 2021 15:47
Last Modified: 13 Jul 2021 15:47
URI: https://repository.its.ac.id/id/eprint/60908

Actions (login required)

View Item View Item