Agen Otonom Untuk Ketepatan Penembakan Pada Game Roket Berbasis Ant Colony Optimization

Abstract

ACO berbasis klasifikasi diterapkan pada game Rocket Tank untuk membantu karakter rocket dalam menembak target (tower) secara tepat. Pada paper ini, roket berfungsi sebagai sarang semut dan tower sebagai sumber makanan. Agen semut dijalankan secara acak dan berjalan menemukan sumber makanan. Sumber makanan yang ditemukan didefinsikan sebagai target yang harus ditembak, dasar dari penentuan sumber makanan adalah jumlah bobot feromon yang terkumpul tanpa nilai jarak. Implementasi yang dilakukan pada paper ini adalah membandingkan penerapan ACO berbasis klasifikasi (melibatkan bobot feromon pada sumber makanan) dengan ACO state-of-the art dengan hasil pada 100 kali iterasi adalah ACO berbasis klasifikasi mampu menembak secara tepat pada sasaran dibandingkan dengan ACO state-of-the art dengan peningkatan jumlah tembakan yang lebih banyak pada ACO berbasis klasifikasi dibandingkan ACO state-of-the art.