Dr. Ir.

Yandra Arkeman, MEng

Mata Kuliah Teknik Optimasi
Departemen Teknologi Industri Pertanian
Fateta - IPB
Maret 2012
Nonlinear Programming (NLP)
Formulasi NLP
Maks/Min f (x) x = [ x
1
x
2
x
3
. X
n
]
T

terhadap h (x) = 0 j = 1, 2, .., m
g (x) 0 j = m + 1, ., p



Fungsi Kendala dapat dalam bentuk persamaan
maupun pertidaksamaan
Bentuk pertidaksamaan bentuk persamaan
Beberapa Metode
Metode Eliminasi
Metode Lagrange
Metode Penalty

Ketiga metoda akan digunakan untuk
kendala dgn bentuk persamaan (=)
METODE ELIMINASI
CONTOH

Minimumkan f (x) = 4x
1
2
+ 5x
2
2
(pers. 1)
terhadap 2x
1
+ 3x
2
= 6 (pers. 2)

Gunakan Metode Eliminasi!


METODE ELIMINASI
PENYELESAIAN

Baik x
1
maupun x
2
dapat dieliminasi. Cth gunakan x
1
;

x
1
= 6 3 x
2
2
Selanjutnya eliminasikan ke pers.2;

f (x
2
) = 14x
2
2
36x
2
+ 36 (pers.3)


METODE ELIMINASI
PENYELESAIAN

minimisasi pers.3, dgn cara turunan
f(x
2
) = 28x
2
36 = 0 x
2
*
= 1.286
x
2
Sehingga diperoleh
x
1
*
= 6 3 x
2
x
1
*
= 1.071

2

METODE ELIMINASI
METODE PENGALI LAGRANGE
Metode ini dapat digunakan bila sulit
menggunakan Metode Eliminasi
Misal terdapat masalah optimasi dengan
2 variabel dan 1 persamaan konstrain:
Min f (x
1
, x
2
)
terhadap h (x
1
, x
2
) = e ( e adalah konstanta)
atau h (x
1
, x
2
) e = 0
h e = 0
Bentuk Umum
Kalau fungsi yang akan diminimumkan adalah:
Y = f(x)
Dengan kendala h
k
= h(x)=0, ,maka:

Notasi fungsi dengan pengali Lagrange menjadi:

L(x,) = Y +
k
h
k
METODE PENGALI LAGRANGE
Jika fungsi objektif tambahan dapat didefinisikan sebagai
L(x, ) = f (x) + h(x) catatan h(x) = 0

Maka pers.1 dapat ditulis menjadi (untuk 2 variabel x
1
dan x
2
) :
f + h = L = 0 (Pers.2a)
x
1
x
1
x
1

f + h = L = 0 (Pers.2b)
x
2
x
2
x
2


Syarat kondisi (Pers.2) yang optimum adalah

L (x, ) = h (x) = o (Pers.3)

METODE PENGALI LAGRANGE
Contoh Soal
Minimumkan f(x) = 4x
1
2
+ 5x
2
2
Terhadap h(x)= 0 = 2x
1
+ 3x
2
6

Penyelesaian
Ubah bentuk fungsi tujuan L(x, ) = 4x
1
2
+ 5x
2
2
+ (2x
1
+ 3x
2
6)
(terapkan syarat kondisi pers. 2 dan 3 )
L(x, ) = 8x
1
+ 2 = 0
x
1
L(x, ) = 10x
2
+ 3 = 0
x
2
L(x, ) = 2x
1
+ 3x
2
6 = 0





Dengan substitusi,
x
1
= -/4 dan x
2
= -3/10,
Maka 2(-/4) + 3(-3/10) 6 = 0
= -30/7
x
1

= 1.071
x
2
'
= 1.286


Latihan 1 (Pengali Lagrange)
Optimumkan fungsi:
F(x) = 3x
1
2
+ x
2
2
+ 2x
1
x
2
+ 6x
1
+ 2x
2
Terhadap
2x
1
x
2
= 4
Gunakan matriks Hess untuk menguji apakah solusi
yang didapatkan merupakan titik minimum atau
maksimum
METODE PENALTY
Merupakan metode kedua yang banyak digunakan
untuk menyelesaikan NLP
Ide utama Metode ini:
Min f(x)
terhadap g(x) 0 min P(f,g,h)
h(x) = 0
Dimana P(f,g,h) merupakan fungsi Penalty atau
fungsi baru
Jika fungsi Y = f(x) akan dioptimasikan dengan
kendala g
i
= 0, maka dibuat fungsi baru:

F = Y + p
k
(g
k
)
2

Fungsi ini kemudian diperlakukan sbg fungsi tanpa
kendala dan dioptimumkan dgn nilai P sangat besar,
atau p
Untuk mencari maksimum bentuknya menjadi:

F = Y - p
k
(g
k
)
2

CONTOH

Minimumkan f (x) = 4x
1
2
+ 5x
2
2
(pers. 1)
terhadap 2x
1
+ 3x
2
= 6 (pers. 2)

Gunakan Metode Penalty!


Penyelesaian:
Karena hanya ada satu kendala, maka:
F = Y + p
1
(g
1
)
2
Sehingga diperoleh:
F = 4x
1
2
+ 5x
2
2
+ p(2x
1
+3x
2
-6)
2
(i)

F/ x
1
= 8x
1
+4p(2x
1
+3x
2
-6) = 0 (ii)
F/ x
2
= 10x
2
+6p(2x
1
+3x
2
-6) = 0 (iii)
Pers (ii) = Pers (iii), maka:
8x
1
/4 = -p(g) = 10x
2
/6
x
1
= (5/6) x
2

Subtitusi ke pers. (ii):
8[(5/6)x
2
] + 4p[(5/3)x
2
+3x
2
-6] = 0
20/3 x
2
+ 20/3 px
2
+ 12px
2
24p = 0
20/3 x
2
+ 56/3 px
2
= 24p
x2 [ 20/3 + (56/3)p ] = 24p

x2 = 24p .
20/3 + (56/3)p
Pers. dibagi dgn p dan disederhanakan (all kali 3/8):
x2 = 9 .
(5/2p) + 7
Jika p , maka x2 1.286. Sehingga x1=1.071

Cari nilai matriks Hess dan tentukan apakah titik
stasioner yang didaptkan benar merupakan titik
minimum!
Latihan:

NLP sbb:
Min f(x) = (x
1
1)
2
+ (x
2
2)
2
terhadap h(x) = x
1
+ x
2
+ - 4 = 0
NLP tersebut dapat ditransform menjadi fungsi tanpa kendala sbb
P(x,r) = (x
1
1)
2
+ (x
2
2)
2
+ r (x
1
+ x
2
+ - 4 )
2