Perbandingan Algoritma Particle Swarm Optimization (PSO) dan Differential Evolution Algorithm (DEA) Untuk Perilaku Non Player Character Secara Berkelompok

Ada banyak algoritma optimasi yang berkembang diantaranya algoritma particle swarm optimization (PSO) dan algortima diferensial evolusi (DEA). Algoritma PSO merupakan salah satu hasil perkembangan dari kecerdasan buatan yang terinspirasi dari perilaku pergerakan kawanan hewan seperti ikan (school of fish), burung (flock), dan kawanan serangga seperti semut rayap dan lebah. Differential evolutional algorithm (DEA) adalah salah satu algoritma evolusi yang terkenal dengan kecepatan konvergensinya dan merupakan salah satu algoritma evolusioner yang memiliki performansi lebih baik daripada algoritma evolusioner yang lain seperti genetic algorithm (GA). 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. Berdasarkan hasil pengujian aplikasi secara keseluruhan menghasilkan waktu proses rata-rata menggunakan pso adalah 32.29476 detik dan 16.6 kali iterasi sedangkan menggunakan DEA 47.97894 detik dan 24.4 kali iterasi yang artinya penggunaan algoritma PSO menghasilkan waktu proses lebih cepat 40% untuk mencapai tujuan dan iterasi yang dibutuhkan 20% lebih sedikit, dimana semakin sedikit iterasi yang dibutuhkan maka dapat meminimalkan kinerja dari komputer.

There are many developing optimization algorithms include algorithms particle swarm optimization (PSO) and differential evolution algorithm (DEA). Algorithm PSO is one result of the development of artificial intelligence inspired by the behavior of the movement of herds of animals such as fish (school of fish), birds (flock), and swarms of insects such as ants termites and bees. [1] Differential evolutional algorithm (DEA) is one of an evolutionary algorithm that is known for the speed of convergence and is one of the evolutionary algorithm has better performance than other evolutionary algorithms such as genetic algorithm (GA). The parameters that greatly affect the calculations performed one of which is the fitness value which is impacting on the fitness value determination where the NPC leader. Based on the results of testing the overall application generates time average processing using pso is 32.29476 seconds and 16.6 iterations while using DEA 47.97894 seconds and 24.4 times iteration, which means the use of algorithms PSO produce processing time is faster 40% to achieve the objectives and iterations needed 20 % less, where the fewer iterations are needed, it can minimize the performance of the computer.