Penulis: Muhammad Aria
DOI: 10.36909/jer.ASSEEE.16105
Abstrak
Studi ini bertujuan untuk mengusulkan algoritma perencanaan jalur baru yang dapat menjamin solusi jalur optimal. Metode yang digunakan adalah dengan menghibridkan algoritma Peta Jalan Probabilistik (PRM) dengan Algoritma Pencarian Informasi. Algoritma hibridisasi ini disebut algoritma Informed-PRM. Terdapat dua metode pencarian terinformasi yang digunakan. Metode pertama adalah pengambilan sampel terinformasi melalui subset elipsoid yang eksentrisitasnya bergantung pada panjang solusi terpendek saat ini yang berhasil direncanakan pada iterasi tersebut. Metode kedua adalah menggunakan algoritma pencarian lokal. Algoritma PRM dasar akan dijalankan pada iterasi pertama. Sejak iterasi kedua, pembangkitan titik sampel dalam algoritma PRM akan dilakukan berdasarkan informasi. Metode pengambilan sampel terinformasi akan digunakan untuk menghasilkan 50% titik sampel. Sementara itu, jumlah titik sampel yang tersisa akan dihasilkan menggunakan algoritma pencarian lokal. Dengan menggunakan beberapa kasus benchmark, kami membandingkan kinerja algoritma Informed-PRM dengan Rapidly Exploring Random Tree* (RRT*) dan algoritma Informed RRT*. Hasil pengujian menunjukkan bahwa algoritma Informed-PRM berhasil membangun jalur yang hampir optimal untuk semua kasus yang diberikan. Dalam menghasilkan jalur, waktu dan biaya jalur algoritma Informed-PRM lebih baik daripada algoritma RRT* dan Informed RRT*. Uji Friedman kemudian dilakukan untuk memeriksa perbedaan kinerja yang signifikan antara Informed-PRM dengan RRT* dan Informed RRT*. Dengan demikian, algoritma Informed-PRM dapat diimplementasikan dalam berbagai sistem yang membutuhkan algoritma perencanaan jalur optimal, seperti dalam kasus bedah robot medis atau sistem kendaraan otonom. © 2021 University of Kuwait. Semua hak dilindungi undang-undang.
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85123706614
