Pemrograman Non Linier(NLP)

Slides:



Advertisements
Presentasi serupa
Max dan Min Tanpa Kendala Untuk Beberapa Variabel
Advertisements

PENGANTAR PROGRAM LINIER & SOLUSI GRAFIK
DR Rahma Fitriani, S.Si., M.Sc.,
Fungsi Konveks dan Konkaf
Algoritma Golden Section Search untuk Mencari Solusi Optimal pada Pemrograman Non Linear Tanpa Kendala Eni Sumarminingsih Jurusan Matematika Fakultas MIPA.
Steepest Descent (Ascent) untuk Kasus Min (Maks)
Model Transportasi 2 Mei 2011 Rahma Fitriani, S.Si., M.Sc,
Pemrograman Linier Semester Ganjil 2012/2013
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier)
Network Model 1 DR Rahma Fitriani, S.Si., M.Sc., Riset Operasi 2011 Semester Genap 2011/2012.
Linear Programming (Pemrograman Linier)
Teknik Optimasi Semester Ganjil 2013/2014
Dr. Rahma Fitriani, S.Si., M.Sc
Disusun oleh : Linda Dwi Ariyani (3F)
Model Transportasi.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2013/2014 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
SEPARABLE PROGRAMMING
Pemecahan NLP Satu Peubah pada Selang Tertentu
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
1 Pertemuan 5 Diferensial Matakuliah: R0262/Matematika Tahun: September 2005 Versi: 1/1.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
LINEAR PROGRAMMING METODE GRAFIK.
PEMROGRAMAN LINEAR Karakteristik pemrograman linear: Proporsionalitas
Optimasi Dengan Metode Newton Rhapson
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier)
Metode Linier Programming
Program Studi Statistika Semester Ganjil 2012
Pemrograman Kuadratik (Quadratic Programming)
Linear Programming (Pemrograman Linier)
Minggu 1 Pertemuan II Riset Operasi
Pemecahan NLP Satu Peubah pada Selang Tertentu
Salmah Jurusan Matematika FMIPA Universitas Gadjah Mada
Linear Programming (Pemrograman Linier)
PEMROGRAMAN LINIER Tujuan : Memahami prinsip dan asumsi model LP
Program Studi Statistika Semester Ganjil 2012
Fungsi Naik Fungsi f yang didefinisikan pada suatu selang dikatakan naik pada selang tersebut, jika dan hanya jika f(x1) < f(x2) apabila x1 < x2 Dimana.
MODUL I.
Program Studi Statistika Semester Ganjil 2011
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier)
D0104 Riset Operasi I Kuliah V - VII
Heru Nugroho Penggunaan Turunan.
Aplikasi Turunan.
Network Model (lanjut) CPM (Critical Path Method)
Dasar-Dasar Model Sediaan
Peubah Acak (Random Variable) IV (kasus Peubah Kontinyu)
Linear Programming (Pemrograman Linier)
Pembangkitan Peubah Acak Kontinyu I
Riset Operasi Semester Genap 2011/2012
Pendugaan Parameter Statistika Matematika II
Network Model (lanjut) CPM (Critical Path Method)
Linear Programming (Pemrograman Linier)
Program Studi Statistika Semester Ganjil 2014
Pengantar Teori Peluang Semester Genap 2011/2012
Minimum Spanning Tree Problem
Pendugaan Parameter Statistika Matematika II
Riset Operasi Semester Genap 2011/2012
Pengantar Teori Peluang Semester Genap 2011/2012
Sifat-sifat kebaikan penduga Latihan 1
Linear Programming (Pemrograman Linier)
Model untuk Respons Biner
Program Linier Riset Operasi I.
Model Sediaan Probabilistik (lanjutan)
Transcript presentasi:

Pemrograman Non Linier(NLP) Semester Ganjil 2013/2014 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Konsep NLP Mencari nilai dari suatu peubah keputusan x1, ..., xn dari permasalahan: max (min) z =f(x1,...xn) s.t. g1 (x1,...xn) (≤,=,≥)b1 . gm (x1,...xn) (≤,=,≥)bm di mana z dan gi, i = 1, ..., n suatu fungsi yang non linier. Dimungkinkan maksimisasi/minimisasi tanpa kendala 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Perbedaan antara NLP dan Pemrograman Linier (LP) Himpunan Konveks (Convex set): himpunan titik­titik S di mana sembarang pasangan titik di dalam himpunan S dihubungkan oleh garis yang seluruh titik pada garis tersebut juga di S 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc (a) dan (b) himpunan konveks

Dr. Rahma Fitriani, S.Si., M.Sc Definisi daerah feasibel (feasible region): Himpunan titik (x1,...xn) yang memenuhi seluruh m kendala Definisi solusi optimal bagi NLP Kasus maks: Kasus min: Suatu titik di feasible region di mana Untuk semua x di feasible region Suatu titik di feasible region di mana Untuk semua x di feasible region 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Di dalam LP dengan daerah feasibel yang berupa himpunan konveks, solusi optimal adalah salah satu dari titik ekstrim (titik pojok) Di dalam NLP, walalupun daerah feasibel berupa himpunan konveks, solusi optimal belum tentu pada titik ekstrim (titik pojok) 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Contoh 1: Jika digunakan K unit alat dan L orang tenaga kerja, maka suatu perusahaan dapat memproduksi KL unit suatu produk. Jika alat dapat dibeli $4 per unit, tenaga kerja harus dibayar $1/orang, dan dimiliki modal $8 untuk membeli alat dan membayar tenaga kerja, bagaimana perusahaan tadi memaksimumkan jumlah barang yang akan diproduksi? 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Fungsi obyektif: memaksimumkan jumlah produksi sebagai fungsi dari alat dan tenaga kerja Kendala modal, dan non negatifitas Daerah feasibel (ABC) berupa himpunan konveks Titik D terkena garis isoprofit paling akhir, tapi bukan titik pojok 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Contoh 2: Kasus di mana fungsi obyektif berupa fungsi kuadratik yang akan dimaksimumkan, dan daerah feasibel adalah selang tertutup di antara 0 sampai dengan 1. 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Garis isoprofit bukan garis lurus (non linier) Daerah feasibel berupa selang Titik ekstrim seharusnya adalah x=0 dan x=1 Akan tetapi solusinya adalah x=½ yang bukan titik ekstrim 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Ekstremum Lokal (maks/min) Suatu titik feasibel x = (x1, ... , xn) adalah titik maksimum lokal jika - Untuk  relatif kecil dan sembarang titik feasibel x’ = (x’1, ... , x’n) di mana Berlaku: 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Ekstremum Lokal (maks/min) Suatu titik feasibel x = (x1, ... , xn) adalah titik minimum lokal jika - Untuk  relatif kecil dan sembarang titik feasibel x’ = (x’1, ... , x’n) di mana Berlaku: 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Ekstremum Lokal (maks/min) Untuk suatu LP maksimum/minimum lokal pasti solusi optimal, tetapi tidak untuk NLP 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Contoh 3 Fungsi obyektif non linier dengan daerah feasibel berupa selang tertutup di antara 0 sampai dengan 10 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Titik A dan B adalah titik maksimum lokal Akan tetapi hanya C yang merupakan solusi optimal karena bersifat maksimum global 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc NLP tidak mempunyai asumsi aditif dan proportionalitas seperti di dalam LP Pada LP jika nilai peubah keputusan x dinaikkan satu unit, maka fungsi obyektif akan meningkat/menurun secara proporsional Tidak berlaku bagi NLP 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Contoh 4 Diberikan NLP berikut ini Jika x diperbesar 2 kali lipat, kontribusi terhadap z tidak akan 2 kali lipat ataupun kelipatannya. 11/20/2018 Dr. Rahma Fitriani, S.Si., M.Sc