Anda di halaman 1dari 18

Algoritma Golden Section

Search untuk Mencari Solusi


Optimal pada Pemrograman
Non Linear Tanpa Kendala

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

PENDAHULUAN
Pemrograman nonlinear tanpa kendala dengan satu
peubah :
max (atau min)

Masalah:
- Belum tentu f (x) = 0 (f.o.c) ada pada selang tersebut
- Solusi f (x) = 0 (f.o.c) pada selang tersebut tidak
dapat diselesaikan secara langsung
Algoritma ini berusaha menyelesaikan permasalahan di
atas, selama fungsi mempunyai sifat tertentu.
Dr. Rahma Fitriani, S.Si., M.Sc

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]

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

Pada kasus Max


Jika f(x) adalah fungsi unimodal pada [a,
b], maka hanya ada satu lokal maksimum
pada [a, b], dan lokal maksimum tersebut
adalah solusi permasalahan optimasi.

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

Kasus sebaliknya, jika f(x) bukan fungsi unimodal


pada [a, b] solusi tidak dapat diperoleh.

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

Algoritma Golden Section


Search
Berdasarkan sifat f(x) yang unimodal pada selang
[a,b],
Konsep Dasar algoritma adalah mempersempit selang
daerah asal, sehingga mencapai titik optimal
Interval-interval di mana solusi optimal
X
selang ketidakpastian

Penyempitan selang
x1 x3
x4
x2

X
Dr. Rahma Fitriani, S.Si., M.Sc

berada:

Beberapa Kasus Sifat Fungsi


untuk Selang Ketidakpastian
yang lebih sempit di dalam [a,
b]
Untuk x dan x di dalam [a, b]
1

Kasus I: f(x1) < f(x2)


f(x) fungsi naik pada sebagian [x1, x2] dan unimodal
Titik optimal bukan pada [a, x1], akan tetapi pada [x1, b]

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

Untuk x1 dan x2 di dalam [a, b]


Kasus II: f(x1) = f(x2)
f(x) fungsi turun pada sebagian selang [x1, x2]
Karena sifat unimodal, titik optimal pasti tidak lebih dari x2
Kemungkinan letak titik optimal [a, x2]

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

Untuk x1 dan x2 di dalam [a, b]


Kasus III: f(x1) > f(x2)
f(x) fungsi turun pada sebagian [x1, x2] dan unimodal
Titik optimal bukan pada [x2, b], akan tetapi pada [a, x2]

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

Prosedur Penyempitan
Selang Ketidakpastian
1. Dimulai dengan [a, b] sebagai selang
ketidakpastian pertama. Evaluasi sifat f(x1)
dan f(x2)
2. Tentukan kasus yang mana (1 sampai
dengan 3) sebagai dasar penyempitan
selang ketidakpastian
3. Evaluasi sifat f(x) pada dua titik di dalam
selang ketidakpastian yang baru. Kembali
ke langkah 2 sampai selang ketidakpastian
relatif sangat kecil
Dr. Rahma Fitriani, S.Si., M.Sc

Penentuan Ujung Kiri x1 dan Ujung


Kanan x2 selang Ketidakpastian
yang baru

x1 : Pindahkan ujung kanan selang lama (b)


ke arah kiri sejauh r bagian selang lama.
x1= b r(b a)
x2 : Pindahkan ujung kiri selang lama (a) ke
arah kanan sejauh r bagian selang lama
x2= a + r(b a)

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

Selang ketidakpastian setelah iterasi ke k: Ik


Panjang selang ketidakpastian setelah
iterasi ke k: Lk
Untuk iterasi 0 , L0 =b a
Pada iterasi pertama bisa saja I1=[a, x2]
atau I1=[x1, b]
Panjang selang:
L1= x2 a = a + r(b a) a = r(b a) atau
L1= b x1 = b (b r(b a)) = r(b a)

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

Ilustrasi prosedur
selanjutnya
Dari selang terbaru, akan ditentukan dua titik baru x3 dan x4 di mana f(x) akan
dievaluasi
Kasus 1: f(x1) < f(x2)
I1=[x1, b], L1= b x1 = r(b a)

x3 = b rL1 = b r(b x1 )= b
r2(b a)
x4 = a + rL1 = a + r(b x1 )= a
+ r2(b a)
Dr. Rahma Fitriani, S.Si., M.Sc

Kasus 2: f(x1) > f(x2)


I1=[a, x2], L1= x2 a = r(b a)
x3 = x2 rL1 = b r(x2 a)= b
r2(b a)
x4 = a + rL1 = a + r(x2 a) = a
+ r2(b a)

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

Keistimewaan Alogritma
Golden Section Search
Tetapan r = 0.618 adalah solusi dari
persamaan kuadrat r2 + r =1
Atau r2 =r 1, dengan besaran ini:
Pada kasus 1 akan berlaku:

x3 = b r2(b a) = b (1 r) (b a)
= a + r(b a) = x2
Titik kiri dalam selang baru (x3 ) adalah titik
kanan dalam selang lama (x2 )
Dr. Rahma Fitriani, S.Si., M.Sc

Keistimewaan Alogritma
Golden Section Search
Pada kasus 2 akan berlaku:

x4 = a + r2(b a) = a + (1 r) (b a)
= b r(b a) = x1
Titik kanan dalam selang baru (x4 )
adalah titik kiri dalam selang lama
(x1 )

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

Keistimewaan Alogritma
Golden Section Search
Lebar selang pada iterasi ke k
mempunyai bentuk khusus:
Lk =rk(b a) = rk L0

Sehingga jika iterasi dihentikan sampai


Lk < maka:
rk L0 < k < (ln ln L0)/ln r

Jumlah iterasi dapat ditetapkan terlebih


dahulu dengan hubungan tersebut
Dr. Rahma Fitriani, S.Si., M.Sc

Soal
Terapkan algoritma Golden Section
untuk menentukan:

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