Optimasi Parameter Algoritma Adaptive Motivated Particle Swarm Optimization (MPSO) untuk Masalah Pencarian Target

Abstract

Penggunaan drone dalam pencarian target saat ini telah diimplementasikan karena kemampuan drone yang mampu memantau area luas dalam waktu yang relatif singkat. Pencarian target menggunakan banyak drone memerlukan algoritma koordinasi yang optimal. Salah satu solusinya adalah Motivated Particle Swarm Optimization (MPSO) yang menambahkan motivasi pada partikel, di mana partikel diasumsikan sebagai agen. Adaptive MPSO merupakan pengembangannya yang memungkinkan penyesuaian tipe agen secara dinamis untuk meningkatkan efektivitas pencarian. Akan tetapi, penelitian yang mengimplementasikan Adaptive MPSO untuk koordinasi drone masih terbatas. Maka, penelitian ini bertujuan untuk mencari konfigurasi parameter algoritma Adaptive MPSO yang optimal untuk masalah pencarian target pada drone Crazyflie di lingkungan 3D. Simulasi dilakukan dalam ruang berukuran 400 × 400 × 400 dengan 15, 30, dan 50 drones. Hasil optimasi menunjukkan konfigurasi paling efektif dicapai dengan 50 drone pada rasio 60:40 (afiliasi:kekuasaan), serta parameter ? = 150, changingtime = 10, dan staydistance = 150. Keunggulan konfigurasi ini divalidasi melalui perbandingan, di mana ia mampu menemukan target hingga 1,3 kali lebih banyak dibandingkan MPSO. Dibandingkan NichePSO, Adaptive MPSO pada konfigurasi teroptimasi ini menemukan target enam kali lebih banyak dan mengalokasikan target empat hingga lima kali lebih banyak, membuktikan algoritma ini sudah cukup robust.