Model Linier Programming

Slides:



Advertisements
Presentasi serupa
BAB III Metode Simpleks
Advertisements

DUALITAS DALAM LINEAR PROGRAMING
Teknik Pencarian Solusi Optimal Metode Grafis
MANAJEMEN SAINS Penyelesaian Persoalan Program Linier dengan
PROGRAMA BILANGAN BULAT
Algoritma Pemotongan Algoritma Gomory Langkah 1 x3* = 11/2 x2* = 1
PENYIMPANGAN - PENYIMPANGAN BENTUK STANDAR ( METODE SIMPLEX )
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
KASUS MINIMISASI Ir. Indrawani Sinoem, MS
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Tabel Simplex (MetodE Big-M & 2 Fasa) Amelia Kurniawati, ST., MT.
Metode Simpleks Metode simpleks merupakan prosedur iterasi yang bergerak step by step dan berulang-ulang Jumlah variabel tidak terbatas Penyelesaian masalah.
D0104 Riset Operasi I Kuliah VIII - X
Metode Simpleks Dyah Darma Andayani.
Pertemuan 2 Metoda Simplex bilqis.
ALGORITMA PEMOTONGAN Algoritma Gomory.
Pert.3 Penyelesaian Program Linier Metode Simpleks
Metode Dua Phase.
Metode Linier Programming
Arta Rusidarma Putra, ST., MM
Program Linier (Linier Programming)
Metode Linier Programming
Linier Programming Metode Dua Fasa.
METODE BIG M DAN DUAL SIMPLEKS
Pemrograman Kuadratik (Quadratic Programming)
Metode Simpleks Free Powerpoint Templates.
Metode Simpleks Free Powerpoint Templates.
TEORI DUALITAS Click to add subtitle.
Kasus Khusus Simpleks & Metode Big M
Programa Linear Metode Primal Dual
LINEAR PROGRAMMING Pertemuan 06
Linear Programming (Pemrograman Linier)
INTEGER PROGRAMMING.
METODE SIMPLEKS Pertemuan 2
TEORI DUALITAS.
Linear Programming (Pemrograman Linier)
TEORI DUALITAS D0104 Riset Operasi I.
Metode Linier Programming
MANAJEMEN SAINS METODE SIMPLEKS.
Metode Linier Programming
METODE DUA PHASA.
Kasus Khusus Simpleks & Metode Big M
Metode Simpleks Dual dan Kasus Khusus Metode Simpleks
Metode Simpleks Free Powerpoint Templates.
Metode Dua Phase.
Pertemuan ke-5 25 Oktober 2016 PARANITA ASNUR
BAB IV Metode Simpleks Persoalan Minimasi
Universitas Ahmad Dahlan Yogyakarta
Ismeila Widya Abdullah
Metode Simpleks Free Powerpoint Templates.
INTEGER LINEAR PROGRAMMING
METODE DUA FASE.
BAB V Metoe Penalty (Teknik M)
METODE BIG M.
METODE BIG-M LINEAR PROGRAMMING
Pertemuan 4 Penyelesaian PL Metode Simpleks (2) Big M dan Dua Fasa
D0104 Riset Operasi I Kuliah V - VII
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.1
METODE BIG M.
Metode Simpleks Metode simpleks merupakan prosedur iterasi yang bergerak step by step dan berulang-ulang Jumlah variabel tidak terbatas Penyelesaian masalah.
METODA “M” BESAR (BIG “M”) Ardaneswari, D.P.C., STP, MP.
Metode Simpleks Free Powerpoint Templates.
METODE SIMPLEX LINEAR PROGRAMMING (LP)
BAB IV Metode Simpleks Persoalan Minimasi Oleh : Devie Rosa Anamisa.
Fomulasi Variabel Keputusan:
BAB III METODE SIMPLEKS(1).
Program Linier – Bentuk Standar Simpleks
METODE Dua Phasa Pertemuan Ke-7
Linear Programming (Pemrograman Linier)
6s-1LP Metode Simpleks William J. Stevenson Operations Management 8 th edition RISETOperasi.
Transcript presentasi:

Model Linier Programming Metode BIG-M

Pengantar (1) Merupakan model LP yang digunakan untuk mengatasi kelemahan dari metode simpleks Maks Z = 60X1 + 30X2 + 20X3 s/t 8X1 + 6X2 + X3 ≤ 48 4X1 + 2X2 + 3/2X3 ≥ 20 2X1 + 3/2X2 + 1/2X3 ≤ 8 X2 = 5 X1 ,X2 ,X3 ≥ 0

Karakteristik (1) Jumlah variabel keputusan ≥ 2 Jumlah fungsi pembatas ≥ 1 Jenis tanda pembatas ≤ , ≥ atau = Adanya variabel artifisial ( R ) pada fungsi pembatas dengan bertanda ≥ atau = Adanya variabel M untuk menghilangkan variabel artifisial pada saat iterasi dimulai

Karakteristik (2) Untuk FT maksimasi, nilai M berharga negatif Untuk FT minimasi, nilai M berharga positif Untuk pembatas ≥ , ditambahkan –S+R Untuk pembatas = , ditambahkan R

Contoh Maks Z = 3X1 + 5X2 s/t X1 ≤ 4 2X2 ≤ 12 3X1 + 2X2 = 18 X1,X2 ≥ 0

Bentuk kanonik (1) Pembatas : X1 + S1 = 4 2X2 + S2 = 12 3X1 + 2X2 + R3 = 18 Fungsi tujuan (FT) : Maks Z = 3X1 + 5X2 – MR3 Pembatas tanda : X1,X2,S1,S2,R3 ≥ 0

Bentuk kanonik (2) Maks Z = 3X1 + 5X2 – MR3 s/t X1 + S1 = 4 2X2 + S2 = 12 3X1 + 2X2 + R3 = 18 X1,X2,S1,S2,R3 ≥ 0

Inisialisasi Z -3X1 - 5X2 + MR3 = 0 x 1 3X1 + 2X2 + R3 = 18 x –M Z -3X1 - 5X2 + MR3 = 0 -3MX1 – 2MX2 -MR3 = -18M + Z – 3X1-3MX1-5X2-2MX2 = -18M Z – (3+3M)X1 – (5 + 2M)X2 = -18M

Bentuk kanonik (3) Maks Z – (3+3M)X1 – (5 + 2M)X2 = -18M s/t X1 + S1 = 4 2X2 + S2 = 12 3X1 + 2X2 + R3 = 18 X1,X2,S1,S2,R3 ≥ 0

Iterasi 0 BV Z X1 X2 S1 S2 R3 Solusi Ratio 1 (-3-3M) (-5-2M) -18M - 4 -18M - 4 2 12 ~ 3 18 6

Iterasi 1 EV1 = X1 LV1 = S1 BV Z X1 X2 S1 S2 R3 Solusi Ratio

Iterasi 1 EV1 = X1 LV1 = S1 BV Z X1 X2 S1 S2 R3 Solusi Ratio 1 (-5-2M) (-5-2M) (3+3M) -6M-12 - 4 ~ 2 12 6 -3 3

Iterasi 2 EV2 = X2 LV2 = R3 BV Z X1 X2 S1 S2 R3 Solusi Ratio

Iterasi 2 EV2 = X2 LV2 = R3 BV Z X1 X2 S1 S2 R3 Solusi Ratio 1 -9/2 -9/2 (5/2 + M) 27 - 4 3 -1 6 2 -3/2 1/2

Iterasi 3 EV3 = S1 LV3 = S2 BV Z X1 X2 S1 S2 R3 Solusi

Iterasi 3 EV3 = S1 LV3 = S2 BV Z X1 X2 S1 S2 R3 Solusi 1 3/2 (1+M) 36 3/2 (1+M) 36 -1/3 1/3 2 1/2 6

Solusi Optimal X1 = 2 X2 = 6 Z = 36

TUGAS I Minimasi Z = 4X1 + X2 s/t 3X1 + X2 = 3 4X1 + 3X2 ≥ 6 X1 + 2X2 ≤ 4 X1,X2 ≥ 0

Solusi : X1 = 1 5 X2 = 9 5 Z = 17 5