KOMPARASI KINERJA ALGORITMA WHCA* DAN P-WHCA* PADA GRAF BERGENRE ROGUELIKE

Syahrul Arifin, NIM.: 17106050047 (2022) KOMPARASI KINERJA ALGORITMA WHCA* DAN P-WHCA* PADA GRAF BERGENRE ROGUELIKE. Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (KOMPARASI KINERJA ALGORITMA WHCA* DAN P-WHCA* PADA GRAF BERGENRE ROGUELIKE) 17106050047_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (KOMPARASI KINERJA ALGORITMA WHCA* DAN P-WHCA* PADA GRAF BERGENRE ROGUELIKE) 17106050047_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Perkembangan ekosistem industri game di Indonesia masih berada dalam tahap awal. Kegiatan riset terkait industri game yang masih sedikit menjadi salah satu permasalahan yang dihadapi. Perkembangan ekosistem tersebut membutuhkan peran serta oleh berbagai pihak. Oleh karena itu, penelitian ini dimaksudkan untuk mendukung perkembangan industri game di Indonesia. Penelitian ini menguji performa algoritma multi agent pathfinding (MAPF). Pathfinding merupakan bagian dari elemen utama pada game yaitu artificial intelligence. MAPF diimplementasikan untuk merencanakan rute banyak agent dalam mencapai posisi target dengan seoptimal mungkin tanpa bertabrakan. Agent umumnya adalah Non Playable Character (NPC). Algoritma MAPF yang diimplementasikan adalah Windowed Hierarchical Cooperative A* (WHCA*) dengan window sepanjang 16 yang diujikan pada tiga jenis graf yang identik terdapat pada roguelike. Priority-WHCA* (P-WHCA*) dengan panjang window yang sama juga diujikan sebagai perbandingan. Pengujian kedua algoritma pada penelitian ini menunjukkan bahwa kedua algoritma dapat bekerja dengan baik dengan persentase keberhasilan algoritma mencapai lebih dari 99.6% untuk WHCA dan lebih dari 99.85% untuk P-WHCA*. P-WHCA lebih efektif dan efisien apabila diimplementasikan pada graf denganpresentase vertex tanpa penghalang mencapai ≥ 87.5% dari jumlah agent.

Share this knowledge with your friends :

Actions (login required)

View Item