Implementasi Algoritme Ant Colony Optimization pada Swarm UAV Crazyflie untuk Menyelesaikan Masalah Multiple Travelling Salesman Problem

Abstract

Penggunaan teknologi swarm robotics saat ini semakin berkembang, salah satunya adalah penggunaan swarm UAV. Salah satu permasalahan yang kerap muncul adalah Multiple Travelling Salesman Problem (MTSP), yakni suatu masalah pencarian rute pada sejumlah swarm UAV yang terlibat untuk mengunjungi sejumlah target tertentu tepat satu kali dan kembali ke posisi awal dengan biaya perjalanan minimum. Ant Colony Optimization (ACO) merupakan salah satu pendekatan yang dapat digunakan untuk menyelesaikan permasalahan MTSP, namun belum banyak penelitian yang mengimplementasikan algoritme ACO pada swarm UAV di lingkungan nyata. Penelitian ini bertujuan untuk mengimplementasikan algoritme ACO pada swarm UAV berjenis Crazyflie untuk menyelesaikan masalah MTSP. Pergerakan swarm UAV akan disimulasikan pada simulator Crazyswarm, lalu diimplementasikan secara real menggunakan Crazyflie. Hasil penelitian yang dilakukan menunjukkan bahwa algoritme ACO yang diimplementasikan pada Crazyflie telah berhasil mengunjungi target-target yang diharapkan dengan meminimumkan jarak tempuh. Selain itu, hasil penelitian juga menunjukkan error posisi antara hasil simulasi dan hasil aktual yang cukup rendah, yakni kurang dari 5 cm secara rata-rata pada setiap sumbu koordinat x, y, dan z.

The use of swarm robotics technology is currently growing and one of them is the use of UAV swarm. One of the problems that often arises is the Multiple Traveling Salesman Problem (MTSP), which is a route-finding problem for a number of UAV swarms involved to visit a certain number of targets exactly once and return to the initial position with minimum travel costs. Ant Colony Optimization (ACO) is one approach that can be employed to solve MTSP problems, but not many studies have implemented the ACO algorithm on UAV swarms in the real environment. This study aims to implement the ACO algorithm on the Crazyflie type UAV swarm to solve the MTSP problem. The movement of the UAV swarm will be simulated on the Crazyswarm simulator, then implemented in real-time using Crazyflie. The result of our study showed that the ACO algorithm implemented on Crazyflie has succeeded in visiting the expected targets by minimizing the distance. Simulation results also showed that we obtain a relatively low error between the simulation results and the actual results, which is less than 5 cm on average on each x, y, and z coordinates.