Autonomous Robot Path Planning Menggunakan Perbandingan Metode Particle Swarm Optimization dan Genetic Algorithm

Miftah Rahmalia Ariyati, Ahmad Reza Musthafa

Abstract


Abstract. A research on robot planning path has been widely conducted and developed. Generally, the desired path is the safe one which has no obstacles and it can be conducted in a quick process. There are several methods that can be applied in planning the path including particle swarm optimization method and genetic algorithm. Both methods are compared in this research in order to discover the best method. Particle swarm optimization method utilizes the particle population movement and genetic algorithm method explores a population consisting individuals’ solutions. The finding reveals that particle swarm optimization method is better than generic algorithm method. This is due to computation time and path required by particle swarm optimization method are shorter than genetic method algorithm.
Keyword: Robot path planning, particle swarm optimization, genetic algorithm.

Abstrak. Penelitian mengenai perencanaan jalur untuk robot mobil telah banyak diteliti dan dikembangkan. Pada umumnya perencanaan jalur yang diinginkan adalah jalur yang yang aman, tanpa rintangan, dan jarak tempuh yang singkat. Terdapat beberapa metode yang dapat diterapkan dalam perencanaan jalur ini diantaranya adalah metode particle swarm optimization dan genetic algorithm. Pada penelitian ini, kedua metode optimasi tersebut diterapkan. Kedua metode optimasi tersebut dibandingkan untuk didapatkan metode dengan hasil yang terbaik. Metode particle swarm optimization memanfaatkan pergerakan populasi partikel dan metode genetic algorithm melakukan pencarian pada sebuah populasi dari sejumlah individu-individu yang merupakan solusi permasalahan. Hasil penelitian yang dilakukan dengan membandingkan kedua metode optimasi ini adalah metode particle swarm optimization lebih baik daripada metode genetic algorithm. Hal ini berdasarkan pada waktu komputasi dan jalur tempuh yang dibutuhkan oleh metode particle swarm optimization lebih pendek dibandingkan metode genetic algorithm.
Kata Kunci: perencanaan jalur robot, particle swarm optimization, genetic algorithm.


Full Text:

PDF

References


G. C. Setyawan, T. Informatika, F. Sains, & U. K. Immanuel, “Sistem Robot Otonom Penghindar Rintangan dan Pencari Jalur Menuju Sasaran Berbasis Mikrokontroler PIC16F877A,” vol. 7, no. 1, pp. 51–58.

R. Islam, M. H. Muftee, & S. Hossain, “Autonomous Robot Path Planning Using Particle Swarm Optimization in Dynamic Environment with Mobile Obstacles & Multiple Target ICMIEE-PI-140282-2,” 2014.

P. K. Das, H. S. Behera, S. Das, B. K. Panigrahi, & S. K. Pradhan, “Author ’ s Accepted Manuscript A Hybrid Improved PSO-DV Algorithm for Multi- Robot Path Planning in a Clutter Environment To appear in : Neurocomputing A Hybrid Improved PSO-DV Algorithm for Multi- Robot Path Planning in a Clutter Environment,” Neurocomputing, 2016.

T. T. Mac, C. Copot, D. T. Tran, & R. De Keyser, “Ac ce pt ed us cr t,” Appl. Soft Comput. J., 2017.

A. Bakdi, A. Hentout, H. Boutami, A. Maoudj, O. Hachour, & B. Bouzouia, “Optimal Path Planning and Execution for Mobile Robots using Genetic Algorithm and Adaptive Fuzzy- Logic Control,” Rob. Auton. Syst., 2016.

A. Tuncer & M. Yildirim, “Dynamic path planning of mobile robots with improved genetic algorithm q,” Comput. Electr. Eng., vol. 38, no. 6, pp. 1564–1572, 2012.

A. S. Sankoh, A. R. Musthafa, M. I. Rosadi, & A. Z. Arifin, “Klasterisasi Jenis Musik Menggunakan Kombinasi Algoritma Neural Network , K-Means dan Particle Swarm Optimization,” pp. 183–194, 2015.

S. S. Sri Martyna, “Penerapan metode particle swarm optimization pada artificial neural network backpropagation untuk peramalan penjualan furniture pada cv. octo agung,” pp. 1–9, 2011.

I. P. S. Handika, I. A. Giriantari, & A. Dharma, “Perbandingan Metode Extreme Learning Machine dan Particle Swarm Optimization Extreme Learning Machine untuk Peramalan Jumlah Penjualan Barang,” vol. 15, no. 1, pp. 84–90, 2016.

R. Altoria Mavida, IMPLEMENTASI ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB-SHOP. Yogyakarta: UNIVERSITAS SANATA DHARMA, 2007.

R. A. Pratama, E. C. Djamal, & A. Komarudin, “Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika,” pp. 11–15, 2017.

M. S. Hoque, “An Implementation of Intrusion Detection System Using Genetic Algorithm A N I MPLEMENTATION OF I NTRUSION D ETECTION,” no. May, 2014.

P. D. Sathya & R. Kayalvizhi, “Engineering Applications of Artificial Intelligence Modified bacterial foraging algorithm based multilevel thresholding for image segmentation,” Eng. Appl. Artif. Intell., vol. 24, no. 4, pp. 595–615, 2011.




DOI: https://doi.org/10.24002/jbi.v9i2.1518

Refbacks

  • There are currently no refbacks.