Jaringan
transportasi,
jaringan
listrik
dan
jaringan
resource
sebenarnya
berbentuk
linear
programming.
Sebagai
contoh,
SHORTEST PATH
Seringkali kita mempunya problem yang berhubungan dengan pemeilihan suatu rute
perjalanan menuju suatu tujuan tertentu. Apa yang kita selesaikan dalam shortest path adalah
mencari jarak total terpendek dari suatu node asal O dan node tujuan T melewati beberapa
node yang lain. Pemelihan rute terpendek ini merupakan inti permasalahan yang kita coba
pecahkan dalam shortest path.
kandidatnya, tambahkan jarak antara mereka dan jarak lintasan terpendek dengan node sudah
terselesaikan. Kandidat dengan dengan jarak total terpendek tersebut adalah node ke n
terdekat.
Jarak Total
node yang
secara
langsung
tersambung
Node
terdekat
ke- n
Jarak
minimum
Cabang
terakhir
OA
2,
3
O
A
C
B
4
2+2=4
C
B
4
4
OC
AB
A
B
C
D
E
E
2 + 7= 9
4 + 3= 7
4 + 4= 8
BE
A
B
E
D
D
D
2 +7 =9
4+ 4 =9
7+1=8
D
D
8
8
BD
ED
D
E
T
T
8+5=13
7+7=14
13
DT
Ada cara lain yang lebih efisien untuk permasalahan shortest path yang lebih besar. Yaitu,
dengan model optimasi. Dalam model optimasi ini kita gunakan formulasi programa linier.
Berikut ini cara memformulasikan dan menyelesaikan problem shortest path (lintasan
terpendek) dengan menggunakan Excel-solver dan LINDO. Sebelumnya bisa kita definisikan
aliran masuk dari satu node ke node yang lain dan fungsi tujuannya sebagai berikut
Minimasi 2XOA+5XOB+4XOC+2XAB+7XAD+XBC+XCB+4XBD+3XBE+4XCE+XED+XDE
+5XDT +7XET
subject to
XOA+XOB+XOC = 1 (node O)
-XOA+XAB+XAD = 0 (node A)
net-flow
=C4+C5+C6
=-C4+C7+C8
=-C5C7+C9+C10+C11-
C
D
E
T
C12
=-C6-C9+C13+C12
=-C8C10+C14+C15-C16
=-C14C13+C16+C17
=-C15-C17
Kolom C menunjukkan solusi optimal dari problem ini. Nilai 1 pada kolom ini menunjukkan
cabang (arc) tersebut masuk dalam rute terpendek yang terpilih. Sebaliknya, nilai 0
menunjukkan bahwa cabang yang bersangkutan tidak masuk dalam rute. Sedangkan fungsi
obyektif diperoleh dari perkalian nilai solusi optimal (kolom C) dengan koefisien jarak
(kolom D).
Sedangkan formulasi dalam LINDO untuk masalah ini dan solusinya adalah sebagai berikut
Min 2XOA + 5XOB + 4XOC+2XAB + 7XAD + XBC + XCB + 4XBD + 3XBE +
4XCE + XED + XDE + 5XDT +7XET
subject to
XOA+XOB+XOC
= 1
-XOA+XAB+XAD =0
!(node O)
!(node A)
!(node C)
!(node D)
!(node E)
!(node T)
end
Sedangkan solusinya adalah sebagai berikut
LP OPTIMUM FOUND AT STEP
13.00000
VARIABLE
XOA
XOB
XOC
XAB
XAD
XBC
XCB
XBD
XBE
XCE
XED
XDE
XDT
XET
ROW
2)
3)
4)
5)
6)
7)
8)
VALUE
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
NO. ITERATIONS=
REDUCED COST
0.000000
1.000000
1.000000
0.000000
1.000000
2.000000
0.000000
0.000000
0.000000
0.000000
0.000000
9.000000
0.000000
1.000000
DUAL PRICES
0.000000
2.000000
4.000000
3.000000
8.000000
7.000000
13.000000
Contoh lain
Akan ditempuh kota T dari kota O. Diberikan jarak antar kota dalam network berikut.
Temukan lintasan terpendek dari O ke T. Pergunakan fomulasi LP.
A
7
4
1
Asal
O
D
5
T
8
4
5
Tujuan
E
5
Minimasi
:
4XOA+ 6XOB+ 5XOC+ XAB+ 7XAD+ 2XBC+ 5XBD+ 4XBE+ 2XCB+ 5XCE+ XDE+ 6XDT+ XED+ 8XET
Subject to
XOA + XOB + XOC = 1 (node O)
- XOA + XAB + XAD = 0 (node A)
- XOB XAB XCB + XBD + XBE = 0 (node B)
- XOC - XBC + XCE = 0 (node C)
- XAD - XBD - XED + XDT = 0 (node D)
- XCE XBE + XED + XET = 0 (node E)
-XDT XET = -1 (node T)
Dengan
Rute
O-A-B-D1 T
O-A-B-E2 D-T
jara
k
16
16
Node-1
1
2
O
O
A
C
Node
terdek
at
A
C
B
B
A
B
D
E
Jarak
total
4
5
4+1 5
5+2 7
1
4+7 1
5+4 9
1
5+5 0
1
5+5 0
1
9+1 0
10+ 1
6
6
10+ 1
8
8
Jarak
minim
al
4
5
1
2
Node
terak
hir
A
C
B
7
4
Caban
g
terakh
ir
OA
OC
AB
BE
5
5
BD
ED
DT
A
7
4
1
Asal
O
D
5
T
8
4
5
Tujuan
E
5
Netflow
1
0
0
0
0
0
-1
Supply/deman
d
1
0
0
0
0
0
-1
C
C
D
D
E
E
B
E
E
T
D
T
0
0
0
1
0
0
2
5
1
6
1
8
Nilai terpendek
16
3,5
A
4,6
3,4
3,4
3,6
Origin
4,7
SE
3,2
Destination
3,6
LN
3,3
4,2
3,8
3,5
C
3,4
9.5
Shorthes-path problem
Minimasi
:
4.6XSEA+ 4.7XSEB+ 4.2XSEC+3.5 XAD+ 3.4XAE+ 3.6XBD+ 3.2XBE+ 3.3XBF+ 3.5XCE+ 3.4XCF+
3.4XDLN+ 3.6XELN+3.8 XFLN
Subject to
XSEA+ XSEB+XSEC = 1 (node O)
- XSEA + XAD + XAE = 0 (node A)
- XSEB + XBD + XBE + XBF = 0 (node B)
- XSEC + XCE + XCF = 0 (node C)
- XAD - XBD + XDLN = 0 (node D)
- XAE XBE - XCE + XELN = 0 (node E)
XBF - XCF + XFLN = 0 (node E)
-XDLN XELN XFLN = -1 (node T)
Dengan
N Node
-1
Node
terde
kat
Jml waktu
Lama
penerbang
an
Node
terakhi
r
Caban
g
terakh
ir
1
SE
SE
SE
A
B
C
LN
LN
LN
3.5+4
.6
3.6+4
.7
3.4+4
.6
3.2+4
.7
3.5+4
.2
3.3+4
.7
3.4+4
.2
3.4+8
.1
3.6+7
.7
3.8+7
.6
4.6
4.7
4.2
4.2
OC
8.1
8.1
AD
8.3
8
7.9
7.9
7.7
7.7
CE
7.6
CF
11.3
LN
ELN
8
7.6
11.
5
11.
3
11.
4
Rute
SE - C - E - LN
3,5
SE
4,6
3,4
Origin
3,6
4,7
D
3,4
Destination
3,2
jarak
11.3
3,6
LN
3,3
4,2
3,8
3,5
C
3,4
Da
ri
K
e
SE
SE
SE
A
A
B
B
B
C
C
A
B
C
D
E
D
E
F
E
F
L
N
L
N
L
N
D
E
F
Masu
k
rute
0
0
1
0
0
0
0
0
1
0
Lama
penerban
gan
4.6
4.7
4.2
3.5
3.4
3.6
3.2
3.3
3.5
3.4
3.4
3.6
3.8
Nilai terpendek
Nod
e
Netflow
SE
A
B
C
D
E
F
LN
1
0
0
0
0
0
0
-1
Suppl
y/dem
and
1
0
0
0
0
0
0
-1
11.3
0
Mendesain jaringan telekomunikasi (fiber-optic networks, computer networks,leasedline telephone networks, cable television networks, etc.)
1. Pilih sembarang node sebagai node awal. Lalu sambungkan dengan node terdekat.
2. Tentukan satu node terdekat dengan node-node lain yang sudah terhubung. Lalu
hubungkan kedua node ini. Ulangi langkah ini hingga semua node tersambung.
3. Jika ada dua node mempunyai jarak sama dengan node lain yang sudah tersambung,
bisa dipilih secara sembarang. Dengan demikian, ada kemungkinan lebih dari satu
solusi optimal dengan jarak minimum total sama.
Pilih
node O sebagai node untuk mulai. Node yang belum tersambung yang paling dekat ke O
adalah A, hubungkan A ke O.
Node yang belum tersambung yang paling dekat ke O atau A, adalah node B. Node B lebih
dekat ke A, maka sambungkan B ke A.
Node yang belum tersambung yang paling dekat ke O, A atau B , adalah node C. Node C
lebih dekat ke B, maka sambungkan C ke B.
Node yang belum tersambung yang paling dekat ke O, A, B atau C , adalah node E. Node E
lebih dekat ke B, maka sambungkan E ke B.
Node yang belum tersambung yang paling dekat ke O, A, B, C atau E , adalah node D. Node
D lebih dekat ke E, maka sambungkan D dengan E.
Dari D dan E paling dekat ke node T adalah cabang DT. Maka sambungkan T ke D.
Jadi terbentuk minimum spanning tree .
Perbedaan utama minimum spanning tree dan shortest path adalah dalam minimum spanning
tree yang dipentingkan adalah menyambungkan semua node atau titik yang ada. Dalam
shortest path tujuan kita adalah mencapai node tujuan dari node awal dengan jarak total
minimum. Jadi dalam shortest path tidak perlu setiap titik tersambung dengan titik yang lain.
Secara matematis permasalahan minimum spanning tree bisa diformulasikan sebagai
berikut
xij= aliran barang melalui cabang i - j,
cij= biaya per unit aliran melewati cabang i- j,
min
i 1
x
j 1
c
j 1
ij
ij
xij
i 1
j 1
ij
N 1
Xij=0 atau 1
Berikut ini contoh lain dari permsalahan minimum spanning tree. Ada 5 kota yang harus
terhubung yaitu A, B, C dan D. Jarak antar kota diberikan sebagai berikut
0
702
454
842
2396
702
0
324 1093 2136
454
324
0
1137 2180
842 1093 1137
0
1616
2396 2136 2180 1616
0
Jika kita mengirimkan data dari satu kota maka data harus bisa terkirim ke 4 kta lain. Kita
harus menghubungkan setiap kota dengan ongkos minimum;
D
842
1616
1093
E
2396
A
702
2136
B
1137
2180
454
324
C
MIN
12]- 2 X24
13]- 2 X34
14]- 4 X45
15] X15 +
16]- 2 X25
17]- 2 X35
18]- 2 X45
19] X12 +
20] 3 X12
21] 3 X13
22] 3 X14
23] 3 X15
END
INTE X11
INTE X12
INTE X13
INTE X14
INTE X15
INTE X21
INTE X22
INTE X23
INTE X24
INTE X25
INTE X31
INTE X32
INTE X33
INTE X34
INTE X35
INTE X41
INTE X42
INTE X43
INTE X44
INTE X45
INTE X51
INTE X52
INTE X53
INTE X54
INTE X( 5 5
SLB U( 2
SUB U( 2
SLB U( 3
SUB U( 3
SLB U( 4
SUB U( 4
SLB U( 5
SUB U( 5
- 4
- 4
- 2
X25
- 4
- 4
- 4
X13
+ U
+ U
+ U
+ U
X42 +
X43 +
X54 + X35
X52 +
X53 +
X54 +
+ X14
2 <=
3 <=
4 <=
5 <=
U2 - U4 >=
U3 - U4 >=
U4 + U5 >=
+ X45 = 1
U2 - U5 >=
U3 - U5 >=
U4 - U5 >=
+ X15 >= 1
4
4
4
4
- 3
- 3
- 3
- 3
- 3
- 3
1.000
999999.000
1.000
999999.000
1.000
999999.000
1.000
999999.000
SETS:
CITY / 1..5/: U; ! U( I) = level of city I;
! U( 1) = 0;
LINK( CITY, CITY):
DIST, ! The distance matrix;
X; ! X( I, J) = 1 if we use link I, J;
ENDSETS
DATA:
454 324
0 1137 2180
842 1093 1137
0 1616
2396 2136 2180 1616
0
; !from Mon;
!from Cin;
!from Hou;
!from LA;
ENDDATA
! The model size: Warning, may be slow for N >= 8;
N = @SIZE( CITY);
! Minimize total distance of the links;
MIN = @SUM( LINK: DIST * X);
! For city K, except the base, ... ;
@FOR( CITY( K)| K #GT# 1:
! It must be entered;
@SUM( CITY( I)| I #NE# K: X( I, K)) = 1;
! If there are 2 disjoint tours from 1 city to
another, we can remove a link without breaking
connections. Note: These are not very powerful
for large problems;
@FOR( CITY( J)| J #GT# 1 #AND# J #NE# K:
U( J) >= U( K) + X ( K, J) ( N - 2) * ( 1 - X( K, J)) +
( N - 3) * X( J, K); );
);
! There must be an arc out of city 1;
@SUM( CITY( J)| J #GT# 1: X( 1, J)) >= 1;
! Make the X's 0/1;
@FOR( LINK: @BIN( X); );
! The level of a city except the base is at least
1 but no more than N-1, and is 1 if it links to
the base;
@FOR( CITY( K)| K #GT# 1:
@BND( 1, U( K), 999999);
U( K) <= N - 1 - ( N - 2) * X( 1, K);
);
END
Global optimal solution found at iteration:
8
Objective value:
3236.000
Variable
N
U( 1)
U( 2)
U( 3)
U( 4)
U( 5)
DIST( 1, 1)
DIST( 1, 2)
DIST( 1, 3)
DIST( 1, 4)
DIST( 1, 5)
DIST( 2, 1)
DIST( 2, 2)
DIST( 2, 3)
DIST( 2, 4)
Value
5.000000
0.000000
2.000000
1.000000
1.000000
2.000000
0.000000
702.0000
454.0000
842.0000
2396.000
702.0000
0.000000
324.0000
1093.000
Reduced Cost
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
DIST(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
X(
2,
3,
3,
3,
3,
3,
4,
4,
4,
4,
4,
5,
5,
5,
5,
5,
1,
1,
1,
1,
1,
2,
2,
2,
2,
2,
3,
3,
3,
3,
3,
4,
4,
4,
4,
4,
5,
5,
5,
5,
5,
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
1)
2)
3)
4)
5)
2136.000
454.0000
324.0000
0.000000
1137.000
2180.000
842.0000
1093.000
1137.000
0.000000
1616.000
2396.000
2136.000
2180.000
1616.000
0.000000
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Row
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Slack or Surplus
0.000000
3236.000
0.000000
0.000000
2.000000
3.000000
0.000000
0.000000
3.000000
4.000000
0.000000
4.000000
3.000000
0.000000
0.000000
3.000000
2.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
702.0000
454.0000
842.0000
2396.000
702.0000
0.000000
324.0000
1093.000
2136.000
454.0000
324.0000
0.000000
1137.000
2180.000
842.0000
1093.000
1137.000
0.000000
1616.000
2396.000
2136.000
2180.000
1616.000
0.000000
Dual Price
0.000000
-1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
19
20
21
22
23
1.000000
2.000000
0.000000
0.000000
2.000000
0.000000
0.000000
0.000000
0.000000
0.000000
minimum dari kapasitas residual yang ada disebut dengan kapasitas sisa dari lintasan
augmenting. Karena ia mewakili jumlah aliran yang feasibel yang bisa ditambahkan untuk
keseluruhan lintasan.
Karena itu, setiap lintasan augmenting memberikan kemungkinan memperbesar aliran dalam
network.
Algoritma Augmenting Path untuk maximum flow
1. Identifikasikan suatu lintasan augmenting dengan menemukan lintasan dari sumber ke
tujuan dari jaringan yang tersisa sedemikian rupa sehingga setiap sambungan dalam
lintasan ini mempunyai kapasitas residual positif. (jika tidak ada lagi lintasan
augmenting, aliran net sudah menunjukkan aliran yang optimal)
2. Identifikasikan kapasitas tersisa c* dari lintasan augmenting ini dengan menemukan
kapasitas residual minimum dari cabang-cabang yang ada pada lintasan ini.
Tambahkan aliran pada lintasan ini sebesar c*.
3.
Suatu cut dapat di definisikan sebagai potongan dari sembarang set dari directed arcs yang
mengandung paling tidak satu arc dari setiap lintasan yang mengarah dari sumber(source)
ke tujuan (sink). Normalnya banyak cara untuk melakukan pemotongan (cutting) dalam
suatu network untuk membentuk suatu cut. Untuk suatu cut tertentu, nilai cut adalah jumlah
kapasitas dari semua lintasan yang ada pada cut tersebut.
Teorema max-flow min-cut menyatakan untuk sembarang network dengan satu sumber dan
satu tujuan, aliran maksimum yang feasible dari sumber ke tujuan sama dengan nilai
minimum cut untuk semua cuts dari network tersebut.
Jadi jika F menandakan jumlah aliran dari sumber ke tujuan untuk sembarang pola aliran
yang feasible, nilai dari suatu cut memberikan upper bound to F, dan nilai terendah dari
nilai cut sama dengan nilai maksimum F.
Dari contoh ini banyak kemungkinan cut yang bisa didapat. Cut yang digambarkan di atas
adalah cut dengan aliran minimum. Yaitu 3 + 4+ 1 + 6= 14, dimana nilainya sama dengan
aliran maksimum yang kita peroleh. Kita tidak perlu lagi mencari kemungkinan untuk
mengalirkan lagi.
Contoh lain
Maximum Flow
3
1
Dari
1
1
1
2
3
3
3
4
5
6
Ke
2
3
4
5
4
5
6
6
7
7
Flow
4
4
1
4
1
0
3
2
4
5
Maximum Flow
Kapasit
Nod
Net-
Supply/dema
as
6
4
1
4
3
1
3
4
4
9
flow
nd
Flow: 1 2 5 7
=4
1367
=3
13467
=1
1
2
3
4
5
6
7
9
0
0
0
0
0
-9
0
0
0
0
0
1467
=1
8. Tujuannya adalah meminimasi ongkos total pengiriman suplai yang tersedia melalui
network untuk memenuhi demand yang diminta.
(An alternative objective is to maksimasi the total profit from doing this.)
flow problems
Transshipmen
t Nodes
fasilitas
penyimpanan
sementara
Processing
facilities
Demand
Nodes
Customers
Solid waste
management
Sources of solid
waste
Landfill locations
Operation of a
supply network
Vendors
Intermediate
Gudang
Processing
facilities
Coordinating
product mixes at
Plants
plants
Production of a
specific product
Market untuk a
specific product
Cash flow
management
Contoh
Misalkan kita mempunyai network sebagai berikut dengan kapasitas cabang, biaya per unit
aliran melewati node, dan kebutuhan di setiap node.
F O RM U L A S I M OD E L
Misalkan kita mempunyai network yang mempunyai arah dan terhubung dengan n nodes
termasuk satu untuk suplai dan satu untuk demand. Variabel keputusan dan parameter
yang lain adalah
xij= aliran barang melalui cabang i - j,
cij= biaya per unit aliran melewati cabang i- j,
uij = kapasitas untuk cabang i- j,
bi= aliran netto yang timbul di node i.
Nilai bi tergantung pada posisi node i, dimana
bi > 0 jika node i adalah node supply,
bi <0 jika node i adalah node demand,
bi = 0 jika node i node antara.
n
min
i 1
c
j 1
j 1
j 1
ij
xij
node
A
B
C
D
E
net flow
=C3+C4+C5
=-C3+C6
=-C4-C6+C7
=-C5+C8-C9
=-C7-C8+C9
!(node A)
- XAB +XBC = 40
!(node B)
-XAC -XBC+XCE = 0
!(node C)
!(node A)
XCE <=80
!(node C)
End
LP OPTIMUM FOUND AT STEP
490.0000
VARIABLE
VALUE
REDUCED COST
XAB
0.000000
1.000000
XAC
40.000000
0.000000
XAD
10.000000
0.000000
XBC
40.000000
0.000000
XCE
80.000000
0.000000
XED
20.000000
0.000000
XDE
0.000000
5.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-9.000000
3)
0.000000
-8.000000
4)
0.000000
-5.000000
5)
0.000000
0.000000
6)
0.000000
-2.000000
7)
10.000000
0.000000
8)
0.000000
2.000000
NO. ITERATIONS=
ke
dari
Plant 1
Plant 2
Kapasitas angkut
Gudang 1
Gudang 2
125
150
175
200
Output
200
300
Untuk Outlet retail (RO),berikut ini adalah demand bulanan, ongkos angkut per truk dari
setiap gudang, dan jumlah maksimum yang bisa dikirim per bulan dari setiap gudang .
To
Ongkos angkut per unit
Kapasitas angkut
Dari
RO1
RO2
RO3
RO1
RO2
RO3
Gudang 1
$470
$505
$490
100
150
100
Gudang 2
$390
$410
$440
125
150
75
Demand $ 150 $
200 $
150
150
200
150
Permasalahan ini bisa diselesaikan dengan excel. Berikut adalah solusi dengan menggunakan
excel.
Biaya
Dari
Plan1
Plan1
Plan2
Plan2
W1
W1
W1
W2
W2
W2
Ke
W1
W2
W1
W2
Ro1
Ro2
Ro3
Ro1
Ro2
Ro3
Flow
125
75
125
175
25
150
75
125
50
75
Kapasitas
<=
125
<=
150
<=
175
<=
200
<=
100
<=
150
<=
100
<=
125
<=
150
<=
75
perunit
425
560
510
600
470
505
490
390
410
440
457375.0
TOTAL COST
01
Node
Plan1
Plan2
W1
W2
Ro1
Ro2
Ro3
Net-flow
200
300
0
0
-150
-200
-150
Supply/demand
200
300
0
0
-150
-200
-150
Problem ini bisa diselesikan melalaui formulasi Linear programming sebagai berikut
Minimize
425XP1W1+ 560XP1W2+ 510XP2W1+ 600XP2W2 + 470XW1RO1+ 505XW1RO2+ 490XW1RO3+
390XW2RO1+ 410XW2RO2 + 440XW2RO3
Subject to
XP1W1+ XP1W2= 200
!(node P1)
XP2W1+ XP2W2= 300
!(node P2)
XP1W1 + XP2W1 - XW1RO1- XW1RO2 - XW1RO3= 0 !(node W1)
XP1W2 + XP2W2 - XW2RO1- XW2RO2 - XW2RO3= 0 !(node W2)
- XW1RO1- XW2RO1 = -150
!(node RO1)
- XW1RO2 XW2RO2 = -200
!(node RO2)
XW1RO3 - XW2RO3= -150
!(node R03)
XP1W1 <=
125
XP1W2 <=
150
XP2W1 <=
175
XP2W2 <=
200
XW1RO1 <=
100
XW1RO2 <=
150
XW1RO3 <=
100
XW2RO1 <=
125
XW2RO2 <=
150
XW2RO3 <=
75
XP1W1
XP1W2
XP2W1
XP2W2
XW1RO1
>=
>=
>=
>=
>=
0
0
0
0
0
XW1RO2
XW1RO3
XW2RO1
XW2RO2
XW2RO3
END
>=
>=
>=
>=
>=
0
0
0
0
0
node
O
A
B
C
D
E
T
net flow
=C3+C4+C5
=-C3+C6+C7
=-C4C6+C8+C9+C10
=-C5-C8+C11
=-C7-C9+C12-C13
=-C10C11+C13+C14
=-C12-C14
Contoh
South
bend
164
201
113
58
79
303
196
196
minimize
1000X11 + 132X12 + 217X13 + 164X14 + 58X15 +
132X21 +1000 0X22 + 290X23 + 201X24 + 79X25 +
217X31 + 290X32 +1000X33 + 113X34 + 303X35 +
164X41 + 201X42 + 113X43 +1000X44 + 196X45 +
58X51 + 79X52 + 303X53 + 196X54 + 1000X55
SUBJECT TO
U2-U3+5X23
U2-U4+5X24
U2-U5+5X25
U3-U2+5X32
U3-U4+5X34
U3-U5+5X35
U4-U2+5X42
U4-U3+5X43
U4-U5+5X45
U5-U2+5X52
U5-U3+5X53
U5-U4+5X54
<=4
<=4
<=4
<=4
<=4
<=4
<=4
<=4
<=4
<=4
<=4
<=4
END
INTE 25
LP OPTIMUM FOUND AT STEP 517
OBJECTIVE VALUE = 557.799988
FIX ALL VARS.( 9) WITH RC > 85.0000
SET X25 TO <= 0 AT 1, BND= -564.2
TWIN= -557.8
598
SET
X34 TO <=
0 AT 2, BND= -668.0
TWIN= -578.6
AT BRANCH
616
-557.79999
TWIN= -672.8
629
TWIN=-0.1000E+31 637
TWIN=-0.1000E+31 637
TWIN=-0.1000E+31 637
TWIN=-0.1000E+31 643
27 PIVOTS=
VARIABLE
VALUE
X11
0.000000
X12
0.000000
X13
0.000000
X14
0.000000
X15
1.000000
X21
0.000000
X22
0.000000
X23
0.000000
X24
1.000000
X25
0.000000
X31
1.000000
X32
0.000000
X33
0.000000
X34
0.000000
X35
0.000000
X41
0.000000
X42
0.000000
X43
1.000000
X44
0.000000
23 PIVOT
-578.59998
TWIN=-0.1000E+31
1)
606
REDUCED COST
1000.000000
132.000000
217.000000
164.000000
58.000000
132.000000
1000.000000
290.000000
201.000000
79.000000
217.000000
290.000000
1000.000000
113.000000
303.000000
164.000000
201.000000
113.000000
1000.000000
669
606
X45
X51
X52
X53
X54
X55
U2
U3
U4
U5
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
1.000000
3.000000
2.000000
0.000000
196.000000
58.000000
79.000000
303.000000
196.000000
1000.000000
0.000000
0.000000
0.000000
0.000000
L ATIHAN
1. Suatu perusahaan akan memproduksi suatu produk baru di dua pabrik yang berbeda.
Kedua produk kemudian akan diangkut ke dua gudang. Pabrik1 dapat mengirim
melalui rel kereta api jumlah yang tidak terbatas ke gudang 1 saja. Sementara pabrik 2
bisa mengirim melalui rel kereta api jumlah tak terbatas ke gudang 2 saja. Namun
juga tersedia truk yang bebas digunakan untuk mengangkut sampai 50 unit dari setiap
pabrik ke distribution center dimana dari jumlah itu bisa diangkut maksimum 50 unit
ke setiap gudang. Ongkos angkut per unit untuk setiap alternatif, jumlah output
produksi dan jumlah yang diperlukan untuk setiap gudang diperlihatkan dalam tabel
berikut
Ongkos angkut per unit
Pabrik 1
Pabrik 2
Distribution center
Alokasi
Distribution
center
3
4
Gudang 1
7
2
60
Gudang 2
9
4
90
Output
80
70