Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kompleksitas menuntut para peneliti untuk membuat kecerdasan buatan. Skripsi ini membahas tentang implementasi algoritma pencarian rute Swarm Intelligece pada sistem kontrol visual berbasis MATLAB sebagai kontrol Mobile Microrobot yang menggunakan modul mikro kontroler ESP8266. Robot bergerak dengan menerima perintah dari sistem kontrol menggunakan koneksi nirkabel WiFi. Algoritma pencarian rute yang digunakan merupakan sifat dari kecerdasan kerumunan semut (ant colony), yang meliputi: penemuan rute (route discovery), pemeliharaan rute (route maintenance). Hasil akhir dari penelitian ini adalah sistem kontrol visual telah di-implementasikan algoritma pencarian rute swarm intelligence dari sifat yang dimiliki ant colony.

---

Complexity demanding to the researchers to make artificial intelligence. The focus of this study is about implementing swarm intelligence for routing algorithm on the visual servoing control system MATLAB based, to control mobile microrobot with ESP8266 micro controller module. The robot moves by receiving task from a control system using a WiFi wireless connection. Routing Algorithm used is the nature intelligence from ant colony, which include: route discovery, route maintenance, The end result of this research is visual control system has been implemented with swarm intelligence routing algorithm from the nature of ant colony."

"Kompleksitas menuntut para peneliti untuk membuat kecerdasan buatan. Skripsi ini membahas tentang implementasi algoritma pencarian rute Swarm Intelligece pada sistem kontrol visual berbasis MATLAB sebagai kontrol Mobile Microrobot yang menggunakan modul mikro kontroler ESP8266. Robot bergerak dengan menerima perintah dari sistem kontrol menggunakan koneksi nirkabel WiFi. Algoritma pencarian rute yang digunakan merupakan sifat dari kecerdasan kerumunan semut ant colony , yang meliputi: penemuan rute route discovery , pemeliharaan rute route maintenance . Hasil akhir dari penelitian ini adalah sistem kontrol visual telah di-implementasikan algoritma pencarian rute swarm intelligence dari sifat yang dimiliki ant colony.

---

Complexity demanding to the researchers to make artificial intelligence. The focus of this study is about implementing swarm intelligence for routing algorithm on the visual servoing control system MATLAB based, to control mobile microrobot with ESP8266 micro controller module. The robot moves by receiving task from a control system using a WiFi wireless connection. Routing Algorithm used is the nature intelligence from ant colony, which include route discovery, route maintenance, The end result of this research is visual control system has been implemented with swarm intelligence routing algorithm from the nature of ant colony. "

"ABSTRAKJurnal ini menyajikan perancangan sistem mekanikal dan elektrikal, proses manufaktur dan perakitan, dan proses pengukuran dan parameterisasi mobile microrobot untuk sistem vision control dan sistem kolaborasi swarm intelligence. Robot terdiri dari dua roda dimana rodanya saling bergerak secara independen dan disertai dengan sistem komunikasi nirkabel yaitu dengan menggunakan wifi. Sistem kendali pada robot menggunakan sistem vision control dimana kamera menangkap gambar dari robot yang kemudian diproses dengan menggunakan matlab, rangka robot harus dirancang dengan baik agar sistem vision control dapat mengenali robot. Data perintah yang dihasilkan oleh matlab kemudian disimpan pada web server yang selanjutnya robot membaca data dari web server yang kemudian diubah oleh microcontroller menjadi sinyal yang akan mengaktifkan aktuator dan sistem koordinasi antar robot menggunakan sistem swarm intelligence untuk menyelesaikan sebuah permasalahan.

---

ABSTRACTThis paper presents the mechanical and electrical design, manufacturing and assembly process, and mobile microrobot measurement and parameterizing process for vision control system and swarm intelligence collaboration system. The robots consist of two wheels in which the wheels can move independently and the robots is equipped with wireless communication system by using a Wi Fi. The robots use vision control system in which the camera takes the robot images and it rsquo s processed using matlab, the chassis must be designed well so that vision control system can recognize the robot. The command data that generated by matlab is stored at web server, the data that stored at web server is read by microcontroller and changed into a signal to activate the actuators and the coordination system between robots using swarm intelligence system to solve a problem."

"ABSTRAKUntuk dapat terus mengejar kemajuan dalam bidang robotika terutama dalam bidang microrobot dimensi robot terus diminimalisir. Peminimalisiran ini membuat terjadi beberapa halangan-halangan dalam hal komponen. Dengan menggantikan sensor yang ada dirobot menjadi sensor vision terpusat kita dapat menghiangkan banyak sekali ruang yang tadinya dipakai. Penelitian ini melakukan pengembangan sistem visual servoing untuk mobil microrobot. Sistem ini menggunakan multi object tracking dan hough transform untuk mengetahui posisi robot. Pengujian dari sistem yang dibuat mendapatkan bahwa sistem dapat mengendalikan banyak robot sekaligus. Dan dapat menggerakan robot dengan tingkat akurasi 5-6 pixel dari target yang diinginkan.

---

ABSTRACTTo achieve grater advancements in the fields of robotics especialy in microrobotics field the dimensions of robots are minimalize. With this isue there are several hurdles in which component can be minimize. By changing several sensors in the robot with a centralized vision sensor we can eliminate large spaces that are usualy ocuppied. A study and design of a visual servoing for microrobots have been developed. This system uses multy object tracking and hough transform to know the position of the robot. A test of the developed system conclude that it can control several robots at once. And can control robots with an accuracy of 5 6 pixels from the desired target."

"This book focuses on a different, complementary inspiration, namely physics. The editors have introduced the term 'physicomimetics' to refer to physics-based swarm approaches, which offer two advantages. The editors consolidated over a decade of work on swarm intelligence and swarm robotics, organizing the book into 19 chapters as follows. Part I introduces the concept of swarms and offers the reader a physics tutorial. Part II deals with applications of physicomimetics, in order of increased complexity. Part III examines the hardware requirements of the presented algorithms and demonstrates real robot implementations. Part IV demonstrates how the theory can be used to design swarms from first principles and provides a novel algorithm that handles changing environments. Part V shows that physicomimetics can be used for function optimization, moving the reader from issues of swarm robotics to swarm intelligence. The text is supported with a downloadable package containing simulation code and videos of working robots. "

"This book constitutes the proceedings of the 8th International Conference on Swarm Intelligence, held in Brussels, Belgium, in September 2012. This volume contains 15 full papers, 20 short papers, and 7 extended abstracts carefully selected out of 81 submissions. The papers cover various topics of swarm intelligence."

"This book and its companion volume, LNCS vols. 7331 and 7332, constitute the Proceedings of the Third International conference on Swarm Intelligence, ICSI 2012, held in Shenzhen, China in June 2012. The 145 full papers presented were carefully reviewed and selected from 247 submissions. The papers are organized in 27 cohesive sections covering all major topics of swarm intelligence research and developments."

"Isi tesis ini mengenai pembuatan simulator 3D dari algoritma pencarian Particle Swarm Optimization untuk pencarian banyak sumber asap dengan menggunakan Open Dynamics Engine dan mengenai Dynamic Niche-PSO yang adalah algoritma baru sebagai modifikasi algoritma MPSO dari penelitian sebelumnya [1]. Versi simulator 2D untuk PSO ini telah dibuat penelitian sebelumnya ini. Pemodelan fisik 3D ini bertujuan untuk mengurangi gap antara perangkat lunak dan perangkat keras di dunia nyata.Salah satu bab adalah bab yang menjelaskan pembuatan model robot, asap dan sumbernya, dan medan dengan Open Dynamics Engine. Dilanjutkan dengan bab tentang cara pemakaian GUI simulator ini.Algoritma Dynamic Niche-PSO yang diajukan pada penelitian ini bertujuan untuk memperbaiki kelemahan algoritma PSO sebelumnya dimana 2 niche (kelompok agen) atau lebih masih ada kemungkinan untuk menuju sumber asap yang sama. Pada Dynamic Niche-PSO ini diperkenalkan robot baru, yaitu robot utama yang mempunyai arca ketertarikan. Pada Dynamic Niche-PSO ini juga robot netral dan bermuatan dapat berpindah keanggotaan dari satu niche ke niche yang lain apabila memasuki arca ketertarikan atau attract area dari robot utama niche yang lain ini.

---

The contents of this thesis are the development of 3D simulator for visualizing Particle Swarm Optimization algorithm for multi odor source localization using Open Dynamics Engine, and Dynamic Niche-PSO as modification of MPSO algorithm from previous research [1]. The 2D version of this MPSO is made in previous research. This 3D modeling has a purpose to reducegap between Software and Hardware in the real world.

One of chapters is explaining about how to make the model of robots, plumes and its sources, and field with Open Dynamics Engine. Continued with chapter explaining about how to use the GUI of this simulator.

Dynamic Niche-PSO algorithm proposed in this research has a purpose to refine the weakness of previous algorithm where 2 niches (group of agents) or more still have a probability to move toward the same odor source. There is newly introduced robot in this Dynamic Niche-PSO algorithm called main robot which has an attract area. In this Dynamic Niche-PSO also a neutral robot or a charge robot could become a member of another niche if it entered the attract area of main robot of this other niche."

" PSS (Power system stabilizer) telah digunakan secara luas untuk memperbaiki stabilitas sistem tenaga listrik modern. Dalam makalah ini diusulkan perancangan sistematik PSS dengan Particle Swarm Optimization (PSO) sebagai metode optimasi penalaan parameter PSS. Penalaan parameter PSS dilakukan untuk mendapatkan sistem tenaga listrik yang stabil dan teredam secara optimal. Kriteria optimal yang digunakan dalam proses penalaan parameter adalah indeks performansi Integral of Time multiplied by Absolute Error (ITAE). Performansi dariPSS ini diujikan pada sistem tenaga listrik mesin tunggal dibawah gangguan kecil, kondisi beban dan parameter tertentu. Hasil analisa nilaieigen dan simulasi menunjukkan bahwa osilasi sistem tenaga listrik dapat teredam secara optimal melalui penalaan PSS berbasis PSO ini. Hasil simulasi juga menunjukkan bahwa performansi dinamik PSS berbasis PSO lebih baik dibandingkan PSS yang ditala secara konvensional.

---

AbstractPower system stabilizer (PSS) have been extensively used in modern power system for enhancing stability of the system. This paper presents a new systematic approach for the design of power systemstabilizer using PSO (Particle Swarm Optimization). The proposed approach employs PSO search for optimal setting of PSS parameters. The optimal criteria of the Integral of Time multiplied by AbsoluteError (ITAE) is used to search optimal setting. The performance of the proposed PSS under small disturbances, loading conditions and system parameters is tested. The eigenvalue analysis and simulationresults show the effectiveness of the PSO based PSS to damp out the system oscillations. It is found that the dynamic performance with the PSO based PSS shows improved results, over conventionally tunedPSS."

"Traveling Salesman Problem (TSP) adalah masalah mencari jalur terpendek untuk mengunjungi setiap simpul tepat satu kali kecuali simpul awal kunjungan jika diberikan himpunan simpul yang harus dikunjungi. Tiga modifikasi dilakukan pada skripsi ini untuk menyelesaikan masalah TSP dengan menggabungkan metode Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) dan 3-Opt Algorithm. ACO digunakan untuk mencari solusi TSP, PSO digunakan untuk mencari nilai paremeter terbaik 𝛼 dan 𝛽 yang digunakan pada ACO, dan 3-Opt digunakan untuk mengurangi total jarak tempuh solusi yang didapat dari ACO. Pada modifikasi pertama, 3-Opt digunakan untuk mengurangi total jarak tempuh dari solusi terbaik yang didapatkan setiap iterasi. Pada modifikasi kedua, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang didapatkan pada setiap iterasi. Pada modifikasi ketiga, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang berbeda yang didapatkan pada setiap iterasi.Hasil modifikasi diuji menggunakan 6 benchmark problems yang diambil dari TSPLIB dengan menghitung besarnya galat relatif terhadap best known solution dan running time percobaan. Setiap masalah diselesaikan dengan 10 kali percobaan, dengan masing-masing percobaan menggunakan 10 agen dan 50 iterasi. Hasil implementasi menunjukkan modifikasi pertama tidak memberikan hasil yang memuaskan, modifikasi kedua memberikan hasil yang memuaskan namun dengan running time yang cukup besar, serta modifikasi ketiga memberikan nilai galat yang tidak jauh berbeda dengan modifikasi kedua namun dengan running time yang jauh lebih kecil.

---

The Traveling Salesman Problem (TSP) is the problem of finding a shortest tour which visits all the vertices exactly once, except the first vertex, given a set of vertices. This thesis discusses three modification to solve TSP by combining Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) and 3-Opt Algorithm. ACO is used to find the solution of TSP, PSO is used to find the best value of parameters α and β that are used in ACO, and 3-Opt is used to reduce the total of tour length from the solution obtained by ACO. In the first modification, 3-Opt is used to reduce the total of tour length from the best solution obtained at each iteration. In the second modification, 3-Opt is used to reduce the total of tour length from the entire solutions obtained at each iteration. In the third modification, 3-Opt is used to reduce the total of tour length from different solutions obtained at each iteration.Results were tested using 6 benchmark problems taken from TSPLIB by calculating the relative error to the best known solution and the running time. Every problem was solved with 10 trials, where each trial uses 10 agents and 50 iterations. The implementation results showed the first modification did not provide satisfactory results, the second modification gave a satisfactory result, but the running time was quite large, and the third modification gave errors that were close to the second one but with smaller running time."