Penulis: Adam Malik, Muhammad Aria Rajasa Pohan
Abstrak
Penelitian ini mengusulkan algoritma perencanaan jalur yang menggabungkan algoritma Rapidly-exploring Random Tree (RRT) dan Particle Swarm Optimization (PSO). Penelitian ini bertujuan untuk mencapai nilai mendekati optimal dengan konvergensi cepat menggunakan algoritma yang diusulkan. Algoritma RRT dapat menghasilkan jalur yang lebih cepat, tetapi tidak optimal. Algoritma RRT dihybridkan dengan algoritma PSO untuk meningkatkan kinerjanya dan menghasilkan jalur yang mendekati optimal. Setiap iterasi dari proses kombinasi melibatkan pemutaran roda roulette. Hasil pemutaran roda roulette menentukan apakah proses pengambilan sampel selanjutnya dilakukan secara acak, di sekitar jalur terbaik lokal, atau di sekitar jalur terbaik global. Akibatnya, seiring meningkatnya kualitas suatu jalur, probabilitas pengambilan sampel di sepanjang jalur tersebut juga meningkat. Algoritma PSO-RRT adalah nama yang diberikan untuk algoritma yang diusulkan. Algoritma PSO-RRT diuji dan dibandingkan dengan algoritma RRT* dan RRT* terinformasi. Pengujian didasarkan pada simulasi dan menggunakan berbagai tolok ukur seperti lingkungan yang berantakan, banyak jalur sempit, lapangan persegi, dan jalur yang sulit. Hasil pengujian ini, yang dibahas di bagian hasil dan diskusi, menunjukkan bahwa algoritma yang diusulkan mengungguli RRT* dan RRT* terinformasi. © School of Engineering, Taylor’s University.
Kata kunci penulis
Konvergensi cepat; Optimasi swarm partikel; Perencanaan jalur; Pohon acak yang menjelajahi dengan cepat
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85145409136
