Solving a Linear Programming Problem with Mixed Constraints Operation Research Minggu 3 Part 2.

Slides:



Advertisements
Presentasi serupa
BAB III Metode Simpleks
Advertisements

Oleh : Novita Cahya Mahendra
SEGITIGA DAN SIFAT SUDUT PADA SEGITIGA
GRAPHICAL SOLUTION OF LINEAR PROGRAMMING PROBLEMS
1 Pertemuan 19 Control Unit 2 Matakuliah: H0344/Organisasi dan Arsitektur Komputer Tahun: 2005 Versi: 1/1.
William J. Stevenson Operations Management 8 th edition OPERATIONS RESEARCH Rosihan Asmara
DUALITAS DALAM LINEAR PROGRAMING
Simpleks.
FUNGSI LINEAR NUR MINDARWATI 2013.
PROGRAMA LINIER Konsep dasar
SIMPLEKS BIG-M.
Operational Research Linear Programming With Simplex Method
Problems in The Simplex Method
Review Operasi Matriks
PERTEMUAN VI Analisa Dualitas dan Sensitivitas Definisi Masalah Dual
Operations Management
Selamat Datang Dalam Kuliah Terbuka Ini 1. Kuliah terbuka kali ini berjudul “Pilihan Topik Matematika -I” 2.
PROGRAM LINIER : SOLUSI SIMPLEKS
Pertemuan 4– Analisis Post Optimal
Korelasi dan Regresi Ganda
Bab 11A Nonparametrik: Data Frekuensi Bab 11A.
Goal Programming.
METODE SIMPLEKS OLEH Dr. Edi Sukirman, SSi, MM
METODE SIMPLEKS OLEH Dr. Edi Sukirman, SSi, MM
Teori Perilaku Konsumen
METODE SIMPLEKS PRIMAL Evi Kurniati, STP., MT.
Operations Management
matematika ekonomi Nama kelompok Sony Andrian ( )
SOAL MENGURAIKAN DAN MENYUSUN GAYA
Polinom dan Bangun Geometris.
Algoritma JST Backpropagation
Linear Programming Metode Simplex
Teori Permainan Teori Permainan [ game theory] banyak digunakan dalam analisis pemasaran atau perencanaan strategi perusahaan Konsep dasar teori permainan.
BAB 7 Regresi dan Korelasi
PERTEMUAN V Kasus Khusus Aplikasi Metode Simpleks.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Jurusan Teknik Elektro Fakultas Teknik UNTIRTA
Metode Simpleks Primal (Teknik M & Dua Tahap) dan Simpleks Dual
PROGRAM LINIER : ANALISIS POST- OPTIMAL
PERSAMAAN DAN PERTIDAKSAMAAN
SISTEM PERSAMAAN LINEAR
Operasi Aritmatika.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Pertemuan 23 Titik Berat Benda dan Momen Inersia
Pertemuan 2 Mencari Titik Berat
FUZZY.
DUALITAS DAN ANALISA SENSITIVITAS
Metoda Simplex Oleh : Hartrisari H..
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.

REGRESI LINEAR SEDERHANA
SISTEM PERSAMAAN LINEAR
Oleh : Devie Rosa Anamisa
FUNGSI Cherrya Dhia Wenny, S.E..
By Eni Sumarminingsih, SSi, MM
ARTIFICIAL VARIABLES -3X1 + 4X2 = -6
PEMROGRAMAN LINIER Pertemuan 2.
Analisis Sensitivitas
PERTEMUAN ANALISIS SENSITIVITAS
Linear Programming (Pemrograman Linier)
Modal Rp ?. Rp Rp. 1 Juta/hari.
Operations Management
TRANSFORMASI VARIABEL RANDOM DISKRIT
Persamaan Garis Lurus Latihan Soal-soal.
Fungsi WAHYU WIDODO..
Korelasi dan Regresi Ganda
TRANSFORMASI.
PROGRAM LINEAR.
BASIC FEASIBLE SOLUTION
Masalah Identifikasi.
Transcript presentasi:

Solving a Linear Programming Problem with Mixed Constraints Operation Research Minggu 3 Part 2

Maximize Z = 5x 1 + x 2 subject to x 1  10 x 1 – 2x 2  3 x 1 + x 2 = 12 With x 1, x 2  0

 Ubah pertidaksamaan menjadi persamaan  Tambahkan variabel artifisial (A)  Tambahkan koefisien –M pada fungsi tujuan (karena fungsi maximasi)  Tambahkan slack variabel (S)

Aturan Koefisien BatasanPenyesuaianMaximasiMinimasi ≤Tambah variabel pengurang 00 =Tambah variabel artifisial -MM ≥Kurang variabel penambah 00 Dan tambah variabel artifisial -MM

Maximize Z = 5x 1 + x 2 + 0S 1 + 0S 2 – MA 1 – MA 2 subject to x 1 + S 1 = 10 x 1 – 2x 2 - S 2 + A 1 = 3 x 1 + x 2 + A 2 = 12 With x 1, x 2, S 1, S 2, A 1, A 2  0

Initial Simplex Tableau cjcj 5100-M cbcb BASISx1x1 x2x2 S1S1 S2S2 A1A1 A1A1 Solution 0 -M S1A1A2S1A1A ZjZj -2MM0M-M -15M c j - Z j 5+2M1-M0-M00

Second Simplex Tableau cjcj 5100-M cbcb BASISx1x1 x2x2 S1S1 S2S2 A1A1 A1A1 Solution 0 5 -M S1x1A2S1x1A ZjZj M0-5-M5+M-M15-9M c j - Z j 011+3M05+M-5-2M0

Third Simplex Tableau cjcj 5100-M cbcb BASISx1x1 x2x2 S1S1 S2S2 A1A1 A1A1 Solution S1x1x2S1x1x /3 -1/3 1/3 -1/3 1/3 -1/3 -2/3 2/3 1/ ZjZj 510-4/34/311/348 c j - Z j 0004/3-M-4/3-M-11/3

Modified Simplex Tableau for Artificial Variable Illustration cjcj 5100 cbcb BASISx1x1 x2x2 S1S1 S2S2 Solution S1x1x2S1x1x /3 -1/3 1/ ZjZj 510-4/348 c j - Z j 0004/3

Optimal Simplex Tableau for Artificial Variable Illustration cjcj 5100 cbcb BASISx1x1 x2x2 S1S1 S2S2 Solution S2x1x2S2x1x ZjZj c j - Z j 00-40

Solving the Minimization Problem

 The pivot column : the nonbasic variable with the largest |c j – Z j | value, for c j – Z j < 0. (negatif terbesar)  Or choose the maximum value for zj-cj  The pivot row is as same as maximizing problem.

Minimize Z = 1200y y y 3 subject to y 1 + 2y 2 + y 3  3 y 1 + 3y 2 + 4y 3  4 with y 1, y 2, y 3  0

Minimize Z = 1200y y y 3 + MA 1 + MA 2 subject to y 1 + 2y 2 + y 3 – S 1 + A 1 = 3 y 1 + 3y 2 + 4y 3 - S 2 + A 2 = 4 with y 1, y 2, y 3, S 1, S 2, A 1, A 2  0

Initial Simplex Tableau for Minimization Problem cjcj MM cbcb BASISy1y1 y2y2 y3y3 S1S1 S2S2 A1A1 A2A2 Solution MMMM A1A2A1A ZjZj 2M5M -M MM7M c j - Z j M M M MM00

Second Simplex Tableau cjcj MM cbcb BASISy1y1 y2y2 y3y3 S1S1 S2S2 A1A1 A1A1 Solution M 3000 A1y2A1y2 1/ /3 4/3 0 2/3 -1/ /3 1/3 4/3 ZjZj (1/3M+ 1000) 3000 (-5/3M +4000) -M (2/3M ) M (-2/3M +1000) 1/3M c j - Z j (-1/3M +200) 0 (5/3M - 400) M (-2/3M +1000) 0 (5/3M )

Third Simplex Tableau cjcj MM cbcb BASISy1y1 y2y2 y3y3 S1S1 S2S2 A1A1 A1A1 Solution S1y2S1y2 ½½½½ /2 ½ -3/2 -1/ /2 ½ 0 ½ 3/2 ZjZj c j - Z j M-1500M

Optimal Simplex Tableau for Minimization Problem cjcj MM cbcb BASISy1y1 y2y2 y3y3 S1S1 S2S2 A1A1 A1A1 Solution y1y2y1y ZjZj c j - Z j (M-600)