DR Rahma Fitriani, S.Si., M.Sc.,

Slides:



Advertisements
Presentasi serupa
TEKNIK PENCARIAN HEURISTIK
Advertisements

Linear Programming (Pemrograman Linier)
MODEL TRANSPORTASI & MODEL PENUGASAN
Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks Optimasi Jaringan.
Pertemuan 6– Transportasi
MODEL TRANSPORTASI 11
Graf Berarah PART 5 DOSEN : AHMAD APANDI, ST.
Model Transportasi Pemrograman Linier Semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc,
Dasar-Dasar Model Sediaan
Linear Programming (Pemrograman Linier)
Steepest Descent (Ascent) untuk Kasus Min (Maks)
*copyleft*1 Ade Ariyani A Agung Taufiqurrahman Annas Firdausi Hario Adit W Kartika Anindya P Kelompok XII Implementation of Dijkstra’s Shortest Path Algorithm.
BASIC FEASIBLE SOLUTION
Model Transportasi 2 Mei 2011 Rahma Fitriani, S.Si., M.Sc,
Pemrograman Linier Semester Ganjil 2012/2013
Sebaran Peluang bersyarat dan Kebebasan
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.
DISUSUN OLEH : IPHOV KUMALA SRIWANA
Linear Programming (Pemrograman Linier)
Network Model 1 DR Rahma Fitriani, S.Si., M.Sc., Riset Operasi 2011 Semester Genap 2011/2012.
Pertemuan 24 BRANCH AND BOUND (2)
LINEAR PROGRAMMING METODE SIMPLEX
Dr. Rahma Fitriani, S.Si., M.Sc
Model Transportasi.
Program Studi Statistika Universitas Brawijaya.  Dynamic programming problems adalah masalah multi tahap(multistage) dimana keputusan dibuat secara berurutan.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Assignment dan Transhipment Problem
Pertemuan 13 Dynamic Programming
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2013/2014 DR. Rahma Fitriani, S.Si., M.Sc.
Minimum Spanning Tree Problem
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
Transhipment Model Riset Operasi 9 Mei 2011 Rahma Fitriani, S.Si, M.Sc.
Minimum Cost Network Flow Problems
MATERI - 3 TRANSPORTASI.
Pertemuan 6 dan 7 MODEL TRANSPORTASI & MODEL PENUGASAN.
Graf Berarah / DIGRAPH PART 5 DOSEN : AHMAD APANDI, ST.
MODEL TRANSPORTASI.
MODEL ARUS JARINGAN Pertemuan 9.
Model Arus Jaringan.
Analisis Jaringan.
Program Dinamis.
MODEL TRANSPORTASI Pertemuan 09
Studi kasus Graph Ali Ridho Barakbah.
Pertemuan 12 METODA GREEDY lanjutan….
Linear Programming (Pemrograman Linier)
Program Dinamis (Dynamic Programming)
Matematika Diskrit Semester Ganjil TA Short Path.
BAB 10: Short Path Matematika Diskrit DU1023 Heru Nugroho, S.Si., M.T.
STRUKTUR DATA Struktur Data Graf.
Trees Directed Graph Algoritma Dijkstra
Analisa Jaringan Teori Optimasi Teori Optimasi.
Quiz 2 Logika.
Jenis data penentuan lokasi pabrik : Data kualitatif, seperti kualitas sarana transportasi, iklim dan kebijakan pemerintah. Data kuantitatif, seperti.
POHON DAN APLIKASI GRAF
Algoritma dan Struktur Data
Network Model (lanjut) CPM (Critical Path Method)
Pemrograman Non Linier(NLP)
Jarak Terpendek - Algoritma Djikstraa
Quiz 2 Logika.
Riset Operasi Semester Genap 2011/2012
Network Model (lanjut) CPM (Critical Path Method)
DETERMINISTIC DYNAMIC PROGRAMMING 1
Network Model (lanjut) Program Evaluation and Review Technique (PERT)
Minimum Spanning Tree Problem
Riset Operasi Semester Genap 2011/2012
Model Sediaan Probabilistik (lanjutan)
NETWORK MODELS Minimal Spanning Tree (Rangkaian terpendek)
Logika Matematika/DPH1A3
Graf dan Analisa Algoritma
Transcript presentasi:

DR Rahma Fitriani, S.Si., M.Sc., Network Model Semester Genap 2011/2012 DR Rahma Fitriani, S.Si., M.Sc., Riset Operasi 2011

Definisi Dasar Graph atau Network ditentukan oleh 2 set simbol yaitu node dan arc Node : simpul dari graph atau network Arc : terdiri dari sepasang simpul yang berurutan dan merepresentasikan arah pergerakan yang mungkin yang dapat terjadi di antara simpul – simpul. Untuk arc (j,k), arah yang mungkin adalah node j ke node k. Node j disebut initial node dan node k disebut terminal node

Contoh : V = { 1,2,3,4} A = {(1,2), (2,3), (3,4), (4,1), (4,3)}

Chain : Barisan dari arc sedemikian hingga setiao arc memiliki tepat satu simpul yang sama dengan arc sebelumnya Path : Chain dimana terminal node setiap arc sama dengan initial node dari arc berikutnya

Shortest Path Problem Pengiriman dari titik ke titik Supply, transhipment (substation), dan demand nodes Shortest path problem Biaya proportional dengan jarak Masalah pemilihan jarak terpendek (biaya minimum)

Contoh: 2 4 3 2 4 Sumber 6 2 Tujuan 1 2 3 5 3 3

Algoritma Djikstra 1. Beri label node 1 dengan label permanen o. Kemudian beri label node – node yang berhubungan dengan node 1 dengan temporary label yang sama dengan panjang arc yang menghubungkan node 1 dengan node i. Node yang lain diberi label .Pilih node dengan temporary label terkecil dan jadikan permanen label

2. Misalkan node I adalah node ke (k+1) yang diberi permanen label 2. Misalkan node I adalah node ke (k+1) yang diberi permanen label. Untuk setiap node j yang sekarang mempunyai temporary label dan dihubungkan dengan node I, ganti temporary label j dengan min {temporary label node j yang sekarang , permanen label node I +panjang arc(I,j)} Ubah temporary label terkecil dengan permanen label. Lanjutkan sampai semua node mempunyai permanen label

3. Untuk menemukan path terpendek dari node node 1 ke node j, bekerjalah terbalik dari node j dengan menemukan selisih label yang sama dengan panjang arc yang menghubungkan node

2 4 3 2 4 6 1 2 2 5 3 3 3

Temporary ={1, 2, 3, 4, 5, 6} Permanent={ } ∞ ∞ 2 4 ∞ 3 2 4 6 1 2 ∞ ∞ 1 2 ∞ ∞ 2 5 3 3 3 Distance label

Temporary ={2, 3, 4, 5, 6} Permanent={1 } ∞ ∞ 2 4 ∞ 3 2 4 6 1 2 ∞ ∞ 2 1 2 ∞ ∞ 2 5 3 3 3 Distance label

Temporary ={2, 3, 4, 5, 6} Permanent={1 } ∞ ∞ 2 4 ∞ 3 2 4 6 1 2 ∞ ∞ 2 1 2 ∞ ∞ 2 5 3 3 3 Distance label

Temporary ={2, 3, 4, 5, 6} Permanent={1 } 4 ∞ 2 4 ∞ 3 2 4 6 1 2 3 ∞ 2 1 2 3 ∞ 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={2, 4, 5, 6} Permanent={1, 3 } 4 ∞ 2 4 ∞ 3 2 4 6 1 2 3 ∞ 2 1 2 3 ∞ 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={2, 4, 5, 6} Permanent={1, 3 } 4 ∞ 2 4 ∞ 3 2 4 6 1 2 3 ∞ 2 1 2 3 ∞ 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={2, 4, 5, 6} Permanent={1, 3 } 4 ∞ 2 4 ∞ 3 2 4 6 1 2 3 6 2 1 2 3 6 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={4, 5, 6} Permanent={1, 2,3 } 4 ∞ 2 4 ∞ 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={4, 5, 6} Permanent={1, 2,3 } 4 ∞ 2 4 ∞ 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={4, 5, 6} Permanent={1, 2,3 } 4 7 2 4 ∞ 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Temporary Distance label

Temporary ={4, 5, 6} Permanent={1, 2,3 } 4 7 2 4 ∞ 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Temporary ={4, 6} Permanent={1, 2,3, 5 } 4 7 2 4 ∞ 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Temporary ={4, 6} Permanent={1, 2,3, 5 } 4 7 2 4 8 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Temporary ={4, 6} Permanent={1, 2,3, 5 } 4 7 2 4 8 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Temporary ={6} Permanent={1, 2,3, 4, 5 } 4 7 2 4 8 3 2 4 6 1 2 3 6 2 5 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Temporary ={6} Permanent={1, 2,3, 4, 5 } 4 7 2 4 Min (9,8)=8 3 2 4 6 1 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Temporary ={ } Permanent={1, 2,3, 4, 5, 6 } 4 7 2 4 8 3 2 4 6 1 2 3 6 1 2 3 6 2 5 3 3 3 Permanen Permanen Temporary Distance label

Permanen Permanen Permanen 4 7 Permanen 2 4 8 3 2 4 6 1 2 3 6 2 5 3 3 3 Permanen Permanen Shortest path: 1 – 2 – 5 – 6 Temporary Distance label

Shortest Path sebagai Transhipment Problem Transhipment problem dengan setiap demand dan supply sama dengan 1 Jalur yang tidak terdefinisi dikenai biaya besar Biaya nol untuk jalur dari node i ke node i

2 4 3 2 4 6 2 1 2 5 3 3 3 Cost 2 3 4 5 6 Supply 1 10000 Demand

Model LP shortest path sbg transhipment problem

Solusi optimal Contoh: 2 4 4 Sumber 6 2 Tujuan 1 2 5 3 Total distance (cost) = 8

Max Flow Problem Model network di mana kapasitas jalur diperhitungkan Memaksimumkan jumlah pengiriman dari source ke destination dengan kendala kapasitas setiap jalur

Contoh: dengan kapasitas setiap jalur 3 1 4 1 3 2 D 2 2 S 3 a0 a0 jalur buatan untuk conservation flow, outflow = inflow

LP untuk max flow problem

Solusi optimal max flow 3 1(1) 4(1) 1 3(0) 2 D 2(2) 2(1) S 3(2) a0

The Ford – Fulkerson Method Metode ini digunakan untuk menyelesaikan masalah maximum flow Asumsi: feasible flow telah ditemukan (misal : flow pada setiap arc adalah nol) Yang menjadi pertanyaan ?? Apakah sudah merupakan optimal flow ?? Jika belum, bagaimana memodifikasi flow supaya didapatkan feasible flow baru yang mempunyai flow yang lebih besar

Jawaban untuk Pertanyaan Kedua Tentukan property mana yang dimiliki setiap arc dalam network P1. Flow melalui arc (I,j) dibawah kapasitas arc (I,j), sehingga flow yang melalui (I,j) bisa ditingkatkan. Memiliki property I atau increase P2. Flow di arc(I,j) positif, sehingga flow di arc (I,j) bisa dikurangi. Memiliki property R atau reduce

II. Labeling procedure Labeli So Labeli node dan arc dengan aturan Jika node x sudah dilabeli, node y belum dilabeli, arc(I,j) anggota I, maka labeli node y dan arc (x,y). Arc (x,y) disebut forward arc Jika node y belum dilabeli, node x sudah dilabeli, arc (y,x) anggota R, maka labeli node y dan arc(y,x). Arc (y,x) disebut bacward arc 3. Lanjutkan proses pelabelan sampai Si dilabeli atau sampai tidak ada node yang bisa dilabeli

Jika proses pelabelan sampai ke sink, maka akan terbentuk chain (C) dari arc yang telah dilabeli dari So ke Si. Chain harus terdiri dari salah satu kasus berikut : Case 1. C terdiri dari hanya forward arc Case 2. C terdiri dari forward arc dan backward arc

III. Penyesuaian feasible flow dan peningkatan flow dari So ke Si Dalam Case 1. Misalkan i(x,y) adalah jumlah dimana flow di arc (x,y) dapat ditingkatkan tanpa melanggar capacity constraint untuk arc (x,y) : 𝑘= min (𝑥,𝑦)∈𝐶 𝑖(𝑥,𝑦) Tingkatkan flow melalui setiap arc di C sebesar k

Dalam Case 2. Misalkan r(x,y) adalah jumlah dimana flow melalui arc (x,y) dapat dikurangi 𝑘 1 = min (𝑥,𝑦)∈𝐶 𝑟(𝑥,𝑦) dan 𝑘 2 = min (𝑥,𝑦)∈𝐶 𝑖(𝑥,𝑦) Turunkan flow di backward arc dalam C sebesar min 𝑘 1 , 𝑘 2 unit dan tingkatkan flow di forward arc dalam C sebesar min 𝑘 1 , 𝑘 2

Rangkuman The Ford – Fulkerson Method Temukan feasible flow Gunakan labeling procedure, coba untuk melabeli sink. Jika sink tak bisa dilabeli, feasible flow adalah maximum flow Sesuaikan feasible flow dan tingkatkan flow dari source ke sink. Kembali ke langkah 2