Optimisasi adalah satu cara untuk mencari keseimbangan dalam reka bentuk yang perlu ditoleransi antara faktor yang tertentu seperti kecerdasan dan kos. Dalam bidang kejuruteraan, salah satu optimisasi yang biasa dijumpai adalah optimisasi pengawal kadaran-kamiran-bezaan (PID). Optimisasi pengawal berkadar-integral-berbeza (PID) adalah susah kerana terdapat tiga parameter yang hendak dikawal, parameter kadaran, Kp, parameter kamiran, Ki, dan parameter bezaan, Kd. Dalam kajian ini, kepintaran berkumpulan digunakan untuk menyelesaikan masalah optimisasi. Algoritma serigala kelabu dan algoritma pepatung dipilih. Tiga sistem pangkal dipilih. Sistem pertama adalah berdasarkan sistem bola dan gelung, dan sistem kedua pula berdasarkan sistem servo motor arus terus. Sistem yang terakhir berdasarkan sistem motor berberus arus terus. Fungsi objektif untuk kajian ini adalah fungsi kos. Kriteria untuk fungsi kos adalah Mp, puncak lanjakan, ess,ralat keadaan mantap,Ts, masa penetapan and masa kenaikan, Tr. Walau bagaimanapun, untuk mengunakan algoritma sepenuhnya, parameter algoritma perlu ditetapkan sebaiknya. Dalam kajian ini, nombor agen pencarian untuk kedua-dua algoritma. Kriteria berhenti juga perlu ditetapkan. Dalam kajian ini, nombor maksima kitaran untuk kedua-dua algoritma. Keputusan yang dijangkan adalah kedua-dua algoritma dapat mengoptimumkan pengawal berkadar-integral-berbeza (PID). Namun begitu, prestasi untuk setiap sistem dijangkan berbeza daripada algoritma yang berbeza.
_______________________________________________________________________________________________________
Optimisation is a method to find a balance performance when the design has to compromise between a certain factors, which affects fitness and cost. In engineering field, one of the common optimisation problem is optimisation of PID controller. Optimisation is difficult to optimise as there are three parameters that need to be tuned, Kp, Integral parameter, Ki, and derivative parameter, Kd. In this research, swarming intelligence is used to solve optimisation problem. Grey Wolf Optimizer and Dragonfly Algorithm were chosen. Three plant system were used in this study. First system is based on the ball and hoop system and second system is based on the DC servo motor. Last system is based on the brushed DC motor. Objective function in this research, cost function was chosen. The criteria of the cost function are low peak overshoot, Mp, low steady-state error, ess, low settling time, Ts, and low rise time, Tr. However, to fully utilize the algorithm, the parameter of the algorithm need to be set properly. In this case, the right number of the search agents for both algorithm. The stopping criteria also need to be identified. In this study, maximum number of iterations is the stopping criteria. The expected result is the algorithms are able to optimise the PID controller. However, the performance of system is expected to be different from different algorithm.