Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Algoritma Particle Swarm Optimization Untuk Perilaku Non Player Character Menyerang Secara Berkelompok
Yoga Baskara NIM. (2014) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Algoritma particle swarm optimization (PSO) pertama kali diperkenalkan oleh Kennedy dan R. Eberhart pada tahun 1995. Penelitian tentang algoritma PSO ini pernah dilakukan salah satunya oleh Safril Rizki Waluyo, Mochamad Hariadi dan I ketut Eddy purnama. Penelitian yang dilakukan kali ini adalah mengacu terhadap saran dari penelitian yang dilakukan oleh mereka bertiga. pada penelitian kali ini algoritma PSO diimplementasikan terhadap perilaku non player character (NPC) menyerang secara berkelompok pada game action RPG. Dalam model perilaku menyerang secara berkelompok setiap NPC dalam kelompok NPC akan memilih NPC mana yang menjadi pemimpin untuk diikuti NPC lain dalam mengejar karakter player, dengan itu timbul masalah bahwa setiap NPC dalam kelompok NPC tidak akan bisa begitu saja memilih NPC mana yang memiliki posisi terbaik untuk dijadikan pemimpin yang akan diikuti NPC lain dalam mengejar karakter player. Adapun parameter yang sangat berpengaruh terhadap perhitungan yang dilakukan salah satunya adalah nilai fitness dimana nilai fitness ini berpengaruh terhadap penentuan NPC mana yang menjadi pemimpin. Pada pengujian yang dilakukan terhadap beberapa parameter dari algoritma PSO yang berpengaruh terhadap game dengan sebelumnya disesuaikan dengan hasil dari game, menunjukkan bahwa dengan algoritma PSO setiap NPC dalam kelompok NPC dapat dengan tepat menentukan NPC mana yang menjadi pemimpin.
Ringkasan Alternatif
Particle swarm optimization algorithms (PSO) was first introduced by Kennedy and R. Eberhart in 1995 Research on PSO algorithm is ever done one of them by Rizki Safril Waluyo, Mochamad Hariadi and I ketut Eddy full. Research conducted this time is referring to the suggestion of a study conducted by the three of them. the present study the PSO algorithm is implemented on the behavior of non-player character (NPC) attack in groups on action RPG game. In the model of attack behavior in groups every NPC in the NPC group will choose which one becomes the leader of the NPC to another NPC followed in pursuit of the player character, with it emerged that every NPC in the NPC group can not simply choose which NPC has the best position to be a leader who will be followed by other NPCs in the pursuit of the player character. The parameters that greatly affect the calculations carried one of which is the value of fitness in which the fitness value of this affect the determination of which one becomes the leader of the NPC. In testing conducted on several parameters of the PSO algorithm which influence the game with customizable with results from previous games, shows that the PSO algorithm every NPC in the NPC group can accurately determine which NPC leader.
Sumber
Judul Serupa
- Perbandingan Algoritma Particle Swarm Optimization (PSO) dan Differential Evolution Algorithm (DEA) Untuk Perilaku Non Player Character Secara Berkelompok