( )( )
m n m
b x x x g > = s , , ,..., ,
2 1
PENDAHULUAN
Pemrograman nonlinear tanpa kendala dengan satu
peubah :
max (atau min)
1.Tentukan semua maksimum (minimum) lokal
2.Tentukan nilai f(x) untuk semua maksimum (minimum)
lokal.
3.Nilai f(x) terbesar (terkecil) merupakan solusi optimal
( ) x f
| | b a x , e
Mencari Ekstremum
(Maksimum atau Minimum)
Lokal
Terdapat tiga kasus di mana calon titik
optimal dapat ditemukan, yaitu
1. Titik x* yang terletak pada [a,b] bila
f(x*) = 0
2. Titik x* ketika f(x*) tidak didefinisikan.
3. Titik batas a dan b.
Masalah akan muncul bila f(x*) = 0 sulit
dievaluasi
Algoritma Golden Section
Search (kasus maksimisasi)
Syarat : f(x) harus bersifat unimodal pada
[a,b], artinya jika x* adalah titik optimal
pada [a,b] maka
f(x) adalah fungsi monoton naik pada
interval [a,x*]
f(x) adalah fungsi monoton turun pada
interval [x*,b]
Algoritma Golden Section
Search
Konsep Dasar :
Penyempitan selang
a x1 x3 x* x4 x2 b
Algoritma Golden Section
Search
Panduan mempersempit selang
Jika ,persempit selang menjadi
Jika ,persempit selang menjadi
[ ]
Jika ,persempit selang menjadi
[ ]
Selang [ ] atau di mana x* mungkin
berada dinamakan selang ketidakpastian (SK)
) ( ) (
2 1
x f x f <
] , [
1
b x
) ( ) (
2 1
x f x f =
2
, x a
) ( ) (
2 1
x f x f >
2
, x a
2
, x a
] , [
1
b x
Algoritma Golden Section
Search
Algoritma :
1. Tetapkan = Interval (selang ketidakpastian) pada iterasi k.
selang ketidakpastian untuk iterasi 0 adalah [a,b]. Kemudian
evaluasi dan di mana :
Dengan = panjang selang ketidakpastian pada iterasi
k.
Untuk iterasi 0 , = |a b|.
r adalah akar dari persamaan atau
r = 0.618.
a = batas bawah selang ketidakpastian
b = batas atas selang ketidakpastian.
k
I
) (
1
x f
) (
2
x f
k
rL b a b r b x = = ) (
1
k
rL a a b r a x + = + = ) (
2
k
L
0
L
1
2
= +r r
Algoritma Golden Section
Search
2. Tentukan Selang Ketidakpastian baru
berdasar panduan yang telah dijelaskan
sebelumnya.
3. Kembali ke langkah 1 sampai didapat
yang cukup kecil
) (
1 +
k
I
c <
k
L
Algoritma Golden Section
Search
Alasan dipilihnya r yang merupakan akar dari
persamaan adalah masalah efisiensi.
Bukti
Jika , selang dipersempit menjadi
sehingga x3 dan x4 dapat diperoleh dari
) (
1 3
x b r b x =
) ( )] ( [
2
a b r b a b r r b = =
ra rb a b b a b r b + + = = ) )( 1 (
2
) ( x a b r a = + =
) (
1 4
a b r x x + =
1
2
= +r r
) ( ) (
2 1
x f x f <
] , [
1
b x
Algoritma Golden Section
Search
Jika , selang dipersempit menjadi
sehingga x3 dan x4 dapat diperoleh dari
) ( ) (
2 1
x f x f > ] , [
2
x a
( ) a x r x x =
2 2 3
)] ( [ ) (
2 4
a b r r a a x r a x + = + =
) )( 1 ( ) (
2
a b r a a b r a + = + =
) ( a b r b ra rb a b a = + + =
1
x =
Algoritma Golden Section
Search
keistimewaan lainnya adalah dapat
diketahuinya banyak iterasi yang akan
dilakukan bila diketahui nilai c yang
dikehendaki
Algoritma Golden Section
Search
Iterasi akan berhenti bila
karena nilai ln r adalah negatif maka didapat
0
L r a b r L
k k
k
= =
c < = =
0
L r a b r L
k k
k
0
/ L r
k
c <
0
/ ln ln L r
k
c <
0
/ ln ln L r k c <
r
L
k
ln
) / ln(
0
c
>
Contoh aplikasi
Max
s.t -1 s x s 3
Iterasi 0
= [-1,3]
= |-1 3 | = 4
= 3 0.618 (4) = 0.528
= -1 + 0.618(4) = 1.472
x
e x x f = ) (
0
I
0
L
0 1
) ( rL b a b r b x = =
0 2
) ( rL a a b r a x + = + =
1675 . 1 528 . 0 ) (
528 . 0
1 1
1
= = = e e x x f
x
886 . 2 472 . 1 ) (
472 . 1
2 2
2
= = = e e x x f
x
) ( ) (
2 1
x f x f >
= [-1, 1.472]
] , [
2
x a =
1
I =
1
I
Contoh aplikasi
Iterasi 1
= [-1, 1.472]
=| -1 1.472 | = 2.472
= 1.472- 0.618(2.472) = -0.0557
= -1 + 0.618(2.472) = 0.5277
1
I
1
L
1 1
) ( rL b a b r b x = =
1 2
) ( rL a a b r a x + = + =
00152 . 1 0557 . 0 ) (
0557 . 0
1 1
1
= = =
e e x x f
x
1673 . 1 5277 . 0 ) (
5277 . 0
2 2
2
= = = e e x x f
x
) ( ) (
2 1
x f x f >
=
1
I
] 5277 . 0 , 1 [ ] , [
2
= x a
Penutup
Algoritma Golden Section Search dapat
digunakan untuk mencari solusi optimal
pada Pemrograman Nonlinear Tanpa
Kendala dengan Satu Peubah.
Algoritma ini efisien
TERIMA KASIH