Review Algoritma C-Theta* dan Prospek Implementasinya di Masa Depan
Abstract
Perencanaan jalan digunakan untuk menentukan jalan yang akan dilalui oleh agen agar dapat mencapai tujuannya. Penggunaan perencanaan jalan tidak hanya diterapkan pada game melainkan juga diterapkan pada robot dan mesin lainnya yang memiliki kemampuan untuk bergerak. C-Theta* merupakan algoritma perencanaan jalan baru dengan kecepatan perencanaan dan hasil perencanaan yang lebih baik dibandingkan dengan pendahulunya, algoritma A* dan Theta*. Tentunya sebagai algoritma yang baru C-Theta* belum memiliki penelitian lebih lanjut mengenai prospek implementasinya di masa depan, sehingga para peneliti tidak dapat mengetahui apakah algoritma ini dapat diimplementasikan pada penelitiannya. Demi mengembangkan algoritma perencanaan jalan di berbagai bidang maka perlu dilakukan penelitian lebih lanjut untuk mencari tahu prospek implementasi dari algoritma C-Theta* di masa depan. Penelitian ini bertujuan untuk memberi review mengenai C-Theta* dengan melakukan komparasi C-Theta* dengan algoritma perencanaan jalan lainnya dan menganalisa kasus pada penelitian lain untuk mencari tahu kemungkinan bagi algoritma ini untuk dapat diimplementasikan atau tidak.
Downloads
References
[2]Barnouti, N., & Al-Dabbagh, S. (2016). Pathfinding in Strategy Games and Maze Solving Using a Search Algorithm. Journalof Computer and, 15–25.
[3]Sinthamrongruk, T., Mahakitpaisarn, K., & Manopiniwes, M. (2013). A Performance Comparison between A* Pathfinding and Waypoint Navigator Algorithm on Android and iOS Operating System. International Journal of Engineering and Technology, 5(4), 498–501.
[4]Mendonca, P., & Goodwin, S. (2015). C-Theta*: Cluster Based Path-Planning on Grids. 2015 International Conference on Computational Science and Computational Intelligence (CSCI), 605–608.
[5]Nash, A., Koenig, S., & Tovey, C. (2010). LazyTheta *: Any-Angle Path Planning and Path Length Analysis in 3D. AAAI Conference on Artificial Intelligence, 147–154.
[6]Griffiths, M., Rogers, A., & Anderson, B. (2013). Migration, time and temporalities: review and prospect. COMPAS Research Resources Paper, (March), 1–31.
[7]Abd Algfoor, Z., Sunar, M. S., & Kolivand, H. (2015). A comprehensive study on pathfinding techniques for robotics and video games. International Journal of Computer Games Technology, 2015. Uras, T., Koenig, S., & Hernández, C. (2013). Subgoal Graphs for Optimal Pathfinding in Eight-Neighbor Grids. Twenty-Third International Conference on Botea, 224–232.
[8]Lara-Cabrera, R., Cotta, C., & Fernandez-Leiva, A. J. (2013). A review of computational intelligence in RTS games. Proceedings of the 2013 IEEE Symposium on Foundations of Computational Intelligence, FOCI 2013 -2013 IEEE Symposium Series on Computational Intelligence, SSCI 2013, 114–121.
[9]Graham, R., Mccabe, H., & Sheridan, S. (2003). Pathfinding in Computer Games. ITB Journal, 4(8), 57–81.
[10]Guruji, A. K., Agarwal, H., & Parsediya, D. K. (2016). Time-efficient A* Algorithm for Robot Path Planning. Procedia Technology, 23, 144–149.
[11]Duchon, F., Babinec, A., Kajan, M., Beno, P., Florek, M., Fico, T., &Juri’ica, L. (2014). Path planning with modified A star algorithm for a mobile robot. Procedia Engineering, 96, 59–69.136
[12]Paranjape, A. A., Meier, K. C., Shi, X., Chung, S. J., & Hutchinson, S. (2013). Motion primitives and 3-D path planning for fast flight through a forest. IEEE International Conference on Intelligent Robots and Systems, 2940–2947.
[13]Chen, M., Bansal, S., Tanabe, K., & Tomlin, C. J. (2017). Provably Safe and Robust Drone Routing via Sequential Path Planning: A Case Study in San Francisco and the Bay Area, 1–29.
[14]Souissi, O., Benatitallah, R., Duvivier, D., Artiba, A., Belanger, N., & Feyzeau, P. (2013). Path Planning : A 2013 Survey. Int. Conf. on Indust. Eng. and Sys. Manag., 2013(October), 1–8.
[15]Singhal, P., & Kundra, H. (2014). A Review paper of Navigation and Pathfinding using Mobile Cellular Automata, 2(I), 43–50.
[16]Salehinejad, H., & Nezamabadi-pour, H. (2015). Combined A*-ants algorithm: a new multi-parameter vehicle navigation scheme. 154–159.
[17]Oh, S., & Leong, H. W. (2016). Strict Theta * Shorter Motion Planning Using Taut Paths, (Icaps), 253–257
[18]Le, P. T. H., & Lee, K. (2016). Weight Value and Map Complexity in Theta * Specific Weight -Dynamic Weight Theta *, 5003, 10–14.
