Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PENENTUAN POSISI STRATEGIS AGENT PADA SIMULASI ROBOT SEPAK BOLA DUA DIMENSI 23209341 - Galih.

Presentasi serupa


Presentasi berjudul: "IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PENENTUAN POSISI STRATEGIS AGENT PADA SIMULASI ROBOT SEPAK BOLA DUA DIMENSI 23209341 - Galih."— Transcript presentasi:

1 IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PENENTUAN POSISI STRATEGIS AGENT PADA SIMULASI ROBOT SEPAK BOLA DUA DIMENSI Galih Hermawan Sidang Tesis Program Magister Teknik Elektro STEI ITB 14 Juni 2011

2 Outline | Materi Presentasi Pendahuluan Latar Belakang Tujuan Batasan Masalah Rumusan Masalah Tinjauan Pustaka Robot Sepak Bola Particle Swarm Optimization RoboCupUvA TrilearnRosemary Analisis dan Desain Spesifikasi Sistem Posisi Strategis UvA Trilearn Mekanisme Seleksi Aksi Rosemary Kebutuhan Desain Agent Positioning Desain Mekanisme Seleksi Aksi Implementasi dan Pengujian Implementasi PSO Pengujian Hasil Pertandingan Klasemen dan Grafik Kesimpulan dan Saran KesimpulanSaran Demo

3 Bab I | Pendahuluan Latar Belakang Swarm Robotics kerja sama koordinasi negosiasi RoboCup robosoccer simulasi robosoccer 2d Agent Positioning particle swarm optimization mekanisme seleksi aksi 1 1

4 Bab I | Pendahuluan Tujuan Membantu menentukan posisi strategis agent saat situasi menyerang untuk memperbesar peluang agent dalam mencetak gol ke gawang lawan. Dalam situasi bertahan, agent dapat menentukan posisi strategis untuk mempertahankan gawangnya agar tidak kemasukan gol. 2 2

5 Bab I | Pendahuluan Batasan Masalah Simulator RoboCup Soccer Server: o server versi , monitor versi , dan logplayer versi Client (base code): UvA Trilearn. o tim rosemary o tim karakterisasi PSO diterapkan pada agent yang tidak sedang membawa bola. o ofensif o semi defensif 3 3

6 Bab I | Pendahuluan Rumusan Masalah Implementasi PSO untuk agent positioning pada tim Rosemary. Integrasi PSO pada tim karakterisasi. 4 4

7 Bab II | Tinjauan Pustaka Robot Sepak Bola Robot bermain sepak bola. o Menghibur dan menyenangkan, o MAS, o Machine Learning, o Real Time Planning. 1 1

8 Bab II| Robot Sepak Bola – Simulasi

9 Bab II| Robot Sepak Bola – Ukuran Mini

10 Bab II| Robot Sepak Bola - Humanoid

11 Bab II| Robot Sepak Bola – Wheel Chair

12 Bab II | Tinjauan Pustaka Particle Swarm Optimization 2 2

13 Bab II| PSO - Formula Velocity (persamaan 2.3) [implementasi]implementasi Posisi (persamaan 2.2)

14 Bab II | Tinjauan Pustaka RoboCup TM 3 3 Kompetisi. o RoboCup Soccer, o RoboCup Rescue, o o RoboCup Junior.

15 Bab II | Tinjauan Pustaka RoboCup TM Soccer 3 3 Kategori. o Liga Simulasi, o Liga Robot Ukuran Kecil, o Liga Robot Ukuran Sedang, o Liga Humanoid, o Liga Platform Standar.

16 Bab II | Tinjauan Pustaka Simulator 3 3 Client System Soccer Server System Soccer Monitor System Informasi-informasi sensorial Soccer Server Agent(s) Action Commands Informasi-informasi lapangan Soccer Server

17 Bab II | Tinjauan Pustaka Pemodelan Obyek Lapangan 3 3

18 Bab II | Tinjauan Pustaka UvA Trilearn 4 4

19 Bab II | Tinjauan Pustaka 4 4

20 Rosemary

21 Bab III | Analisis dan Desain Spesifikasi Sistem Ofensif – penerapan PSO untuk agents positioning agar memperbesar peluang mencetak gol. Defensif – bergerak cepat dan strategis ke wilayah pertahanan. 1 1

22 Bab III | Analisis dan Desain Formasi dan Posisi Strategis Pada UvA Trilearn Formasi 2 2

23 Bab III | Analisis dan Desain Formasi dan Posisi Strategis Pada UvA Trilearn Posisi Strategis 2 2 Get Strategic Position attr_x attr_y max_x max_y BehindBall qx, qy (ball position) Koordinat Strategis Agen: Sx, Sy

24 Bab III | Analisis dan Desain Mekanisme Seleksi Aksi Rosemary Kecakapan Agents 3 3

25 Bab III | Analisis dan Desain Mekanisme Seleksi Aksi Rosemary Pembagian area lapangan. 3 3

26 Bab III | Analisis dan Desain Mekanisme Seleksi Aksi Rosemary Algoritma. if bola berada di area 5a atau 5b then if lawan tidak ada di sekitar agen then oper bola ke teammate yang sedang bebas pada area 4, 5 atau 6. else if bola berada di luar area penalti dan jalur menuju gawang tidak ditutup oleh lawan then giring bola ke arah pinggir area penalti. else tendang bola ke arah gawang dengan daya maksimal. if bola berada di area 6 then if lawan tidak ada di sekitar agen then oper bola ke teammate yang sedang bebas pada area 4, 5 atau 6. else tendang bola ke arah salah satu sudut gawang dengan daya maksimal. 3 3

27 Bab III | Analisis dan Desain Kebutuhan Perangkat Keras. o Prosesor: 700 MHz x86, memori: 512 Mb. o Harddisk, dengan rincian: ruang untuk sistem operasi 4 Gb dan untuk simulator dan libraries sekitar 200 Mb. Partisi khusus swap diperlukan secukupnya jika ukuran memori agak rendah. o Kartu grafik dan monitor dengan kemampuan 1024x768 piksel. o CD/DVD drive (untuk instalasi dari perangkat tersebut). o Koneksi internet (jika diperlukan instalasi libraries via repositori).. 4 4

28 Bab III | Analisis dan Desain Kebutuhan Perangkat Lunak. o Sistem operasi: Linux atau Microsoft Windows XP/NT/Vista/Seven. o Perangkat lunak simulator RoboCup TM, meliputi: Soccer Server, Soccer Log, dan Soccer Monitor. o UvA Trilearn base code [15] atau binaries tim lain, misalnya peserta kompetisi RoboCup tahun 2009 [18] dan 2010 [19]. o Libraries tambahan yang diperlukan jika instalasi simulator dilakukan di sistem operasi berbasis Linux, seperti: build- essential, libtool, libboost-dev, libboost-filesystem-dev, flex, bison, libx11-dev, libxpm-dev, libqt-dev, qt4-dev-tools, dan libglib

29 Bab III | Analisis dan Desain Desain Agent Positioning Algoritma. 5 5 Bangkitkan posisi inisial swarm secara acak Repeat For setiap partikel i do If f(x i ) < f(p i ) Then p i  x i p g = min(p keseluruhan ) Update velocity (lihat persamaan 2.3) Update posisi (lihat persamaan 2.2) End For Until kriteria pemutusan tercapai

30 Bab III | Analisis dan Desain Desain Agent Positioning Pembagian Area. 5 5 Area bertahan Area menyerang

31 Bab III | Analisis dan Desain Desain Agent Positioning Teknik Menyerang. 5 5

32 Bab III | Analisis dan Desain Desain Agent Positioning Pseudocode Ketika Menyerang. 5 5

33 Bab III | Analisis dan Desain Desain Agent Positioning Teknik Bertahan. 5 5

34 Bab III | Analisis dan Desain Desain Agent Positioning Pseudocode Ketika Diserang. 5 5

35 Bab III | Analisis dan Desain Desain Mekanisme Seleksi Aksi 6 6 Orisinil Revisi

36 Bab IV | Implementasi dan Pengujian Implementasi PSO 1 1 Penggunaan formula.formula o velocity atau v id merupakan jarak dari sebuah agen atau partikel yang harus ditempuh, o p id merupakan posisi agent saat ini dengan nilai evaluasi terbaik yang pernah dimilikinya, o p gd merupakan posisi agent saat ini dengan nilai evaluasi terbaik dari seluruh agents di kumpulannya, o x id merupakan posisi agent saat ini.

37 Bab IV | Implementasi dan Pengujian Implementasi PSO 1 1 Skema.

38 Bab IV | Implementasi dan Pengujian Pengujian 2 2

39 Bab IV | Implementasi dan Pengujian Hasil Pertandingan 3 3

40 Bab IV | Implementasi dan Pengujian Klasemen 4 4

41 Bab IV | Implementasi dan Pengujian Grafik Poin 4 4

42 Bab IV | Implementasi dan Pengujian Grafik Kemenangan 4 4

43 Bab IV | Implementasi dan Pengujian Grafik Gol 4 4

44 2 2 Bab V | Kesimpulan dan Saran Kesimpulan 1 1 Penerapan algoritma PSO untuk penentuan posisi agents dalam kondisi menyerang berhasil memperbesar peluang tim untuk mencetak gol ke gawang lawan. Dalam kondisi diserang atau bertahan, pergerakan agents menggunakan algoritma PSO dalam bertahan secara umum berhasil membantu memperkecil peluang tim lawan dalam memasukkan gol. Tim RosemaryPSO dan tim GalihRio memiliki performa lebih baik ketimbang tim tesis sebelumnya Rosemary, hal ini bisa dilihat dari statistik jumlah kemenangan, kekalahan, gol memasukkan, dan gol kemasukan yang didapatkan dalam seluruh pertandingan. Penerapan algoritma PSO secara khusus untuk penentuan posisi agents dalam kondisi bertahan masih belum efektif, terutama jika melawan tim internasional seperti Helios dan Iran. Hal ini disebabkan tim berbasis UvA Trilearn kalah dalam segi basic skill, sehingga revisi hanya dalam hal agent positioning masih kurang efektif.

45 1 1 Bab V | Kesimpulan dan Saran Saran 2 2 Tim yang ingin menggunakan base code berbasis UvA Trilearn sebaiknya fokus pada perbaikan skill dasar dari agent, seperti: dribble, passing, marking, dan sejenisnya. Pengembangan tim RosemaryPSO maupun tim GalihRio selanjutnya adalah di bagian pertahanan, yaitu bagaimana mendesain strategi bertahan yang lebih baik, agar tim lawan seminimal mungkin membuat gol atau membuat peluang terciptanya gol di gawang tim kita. Penggunaan RoboCup TM Soccer Server tidak sekedar sebagai simulator pertandingan saja, tapi juga dapat digunakan untuk alat bantu pembelajaran AI dan MAS bagi peneliti maupun pelajar yang ingin menekuni bidang ini. Tim yang sudah dibuat atau dikembangkan baiknya diikutsertakan dalam kompetisi internasional RoboCup TM, dimana selain sebagai ajang uji coba tim yang sudah dibangun juga dapat dijadikan sebagai media bertukar ilmu dan informasi antar peneliti dan pelajar di bidang ini. Disarankan lebih memperhatikan perkembangan simulator dan mempelajari fitur-fitur yang sudah disediakan agar tidak ketinggalan informasi. Penggunaan base code dari Agent2D memiliki basic skill yang lebih baik dari UvA Trilearn, sehingga perlu adanya penelitian dan pembelajaran khusus pada base code ini.

46 DEMO Terima Kasih

47 Pengujian 1 | Pemain bergerak maju

48

49 RENCANA PENGUJIAN

50 Pengujian 2 | Pemain tengah melebar dan menukik

51

52

53

54

55

56 RENCANA PENGUJIAN

57 Pengujian 3 | Pemain depan ke daerah dekat gawang

58

59

60

61

62

63

64

65

66 RENCANA PENGUJIAN

67 Pengujian 4 | Pemain tengah mengumpan bola

68

69

70

71

72

73

74

75

76 RENCANA PENGUJIAN

77 Pengujian 5 | Pemain depan menendang bola

78

79

80

81

82

83

84

85

86

87

88

89 RENCANA PENGUJIAN

90 Pengujian 6 | Pemain mundur

91

92

93

94

95

96

97

98

99

100 RENCANA PENGUJIAN


Download ppt "IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK PENENTUAN POSISI STRATEGIS AGENT PADA SIMULASI ROBOT SEPAK BOLA DUA DIMENSI 23209341 - Galih."

Presentasi serupa


Iklan oleh Google