Dynamic Programming

Deskripsi (1)
Dynamic programming adalah suatu prosedur
matematik yang dibuat terutama untuk memperbaiki
efisiensi komputasi pencarian solusi masalah
mathematical programming dengan memecahnya ke
dalam subproblems yang lebih kecil dan dengan
demikian komputasinya lebih sederhana.
Dynamic programming mencari solusi permasalahan
dalam stages (tahap-tahap). Setiap tahap melibatkan
satu variabel optimisasi.

Deskripsi (2)
Komputasi pada stages yang berbeda dihubungkan
melalui komputasi rekursif sedemikian rupa sehingga
menghasilkan solusi optimal yang layak untuk
keseluruhan permasalahan ketika sampai pada stage
yang terakhir.
Dynamic programming didasarkan atas Bellmans
Principle of Optimality, yang menggambarkan
bagaimana suatu masalah dapat diselesaikan dalam
stages melalui komputasi rekursif.

Bellmans Principle of Optimality

Suatu optimal policy memiliki sifat bahwa apapun initial
state dan initial decision-nya, keputusan-keputusan
selanjutnya harus merupakan optimal policy terhadap
state yang dihasilkan dari keputusan yang pertama.
Ini berarti bahwa:
Pada setiap stage di dalam suatu serial system,
informasi yang dibutuhkan untuk menentukan suatu
solusi optimal untuk stages selanjutnya dari sistem
tersebut adalah hanya informasi input terhadap stage
yang sedang ditinjau.

Komputasi rekursif
Komputasi pada stage yang sedang ditinjau
dilaksanakan dengan menggunakan ikhtisar informasi
dari keseluruhan stages yang telah ditinjau sebelumnya.

State (1)
State menyatakan hubungan antara stages yang saling
berurutan sehingga ketika pada masing-masing stage
dilakukan optimisasi, keputusan yang dihasilkan secara
otomatis layak untuk keseluruhan permasalahan.
Selanjutnya, keberadaan state memungkinkan
pengambilan keputusan optimum untuk stages yang
tersisa tanpa harus memeriksa efek keputusan yang
akan datang kepada keputusan yang telah dibuat
sebelumnya.

State (2)
Alat bantu untuk menentukan state adalah dua
pertanyaan berikut:
Hubungan apa yang mengikat stages, satu terhadap
yang lain?
Informasi apa yang diperlukan untuk mengambil
keputusan layak pada stage yang sedang ditinjau
tanpa memeriksa kelayakan keputusan yang telah
diambil pada stages yang sedang ditinjau?

Contoh: Capital Budgeting (1)

Sebuah perusahaan sedang melakukan penilaian
terhadap proposal yang diajukan oleh tiga buah anak
perusahaannya untuk peningkatan fasilitas. Anggaran
total yang dapat dialokasikan untuk ketiga anak
perusahaan tersebut adalah $5 juta. Setiap anak
perusahaan mengajukan proposal yang memuat biaya
total (c) dan pendapatan total (R) untuk setiap proposal
seperti yang terlihat pada tabel berikut. Zero-cost
proposal dicantumkan untuk memperhitungkan alternatif
tidak mengalokasikan anggaran untuk anak perusahaan
tertentu. Sasaran perusahaan adalah memaksimalkan
pendapatan dari pengalokasian anggaran total $5 juta
tersebut.

Contoh: Capital Budgeting (2)

Proposal dari masing-masing anak perusahaan:

A. Per. 1

A. Per. 2

A. Per. 3

Proposal

c1

R1

c2

R2

c3

R3

12

Stage 1
(j=1)

Stage 2
(j = 2)
(0)

(0)
(0)

(0)

(12)

(0)

(3)

1
(3)

(8)

Stage 3
(j = 3)

(5)

Stage 0
(j = 0)

2
0

(6)
(6)

(0)
(9)
(8)
(0)
(0)

(6)
(0)

(8)

(8)

(3)

(9)
(3)

(9)

(0)

(6)

(0)

3
(12)

(0)

x1

(3)
(0)

(12)

5
x3

x3

Stage 1

Stage 2

Stage 3

(1)
(2)

(1)

f0

(1)

(2)
0

(3)

(2)

(3)

f3

17

(3)
(3)

f2

f2

f1

f1

13

13

(2)

14

14

(1)

17

17

(3)
(2)

(4)

Misalkan fj(xj) adalah pendapatan yang tertinggi (jalan yang terpanjang)

sampai pada simpul xj pada stage j. Karena j = 0 adalah initial stage, maka f0(0) =
0.
Dengan demikian persamaan rekursif untuk setiap stage dapat dituliskan sebagai
berikut:
Stage 1: f1(x1) = f0(0) + R1(0, x1)
dimana R1(0, x1) adalah pendapatan pada stage 1 yang dinyatakan oleh busur (0,
x1)
Stage 2: f2(x2) = max {f1(x1) + R2(x1, x2)
untuk busur yang layak (x1,x2)
Stage 3: f3(x3) = max {f2(x2) + R3(x2, x3)
untuk busur yang layak (x2, x3)
Persamaan rekursif untuk masalah ini secara umum adalah:
f0(x0) = 0
fj(xj) = max {Rj(kj) + fj-1(xj cj(kj))}
dimana c (k ) x

Contoh: Work-Force Size

A contractor needs to decide on the size of his work force over the next 5 weeks.
He estimates the minimum force size bj for the 5 weeks to be 5, 7, 8, 4, and 6 workers for
j = 1, 2, 3, 4, and 5, respectively.
The contractor can maintain the required minimum number of workers by exercising the
options of hiring and firing. However, additional hiring cost is incurred every time the
work-force size of the current week exceeds that of last week. On the other hand, if he
maintains a work force for any week that exceeds the minimum requirement, an excess
cost is incurred for that week.
Let yj represent the number of workers for the jth week. Define C1(yj - bj) as the excess
cost when yj exceeds bj, C2(yj yj-1) as the cost of hiring new workers (yj > yj-1). The
contractors data show that
C1(yj bj) = 3(yj bj), j = 1.2,.., 5
C2(yj yj-1) = 4 + 2(yj yj-1), if yj > yj-1
and = 0 if yj < yj-1 (firing incurs no additional cost)
If the initial work force y0 at the beginning of the first week is 5 workers, it is required to
determine the optimum sizes of the work force for the 5-week planning horizon.

Contoh:
Perencana kota harus menentukan alokasi optimal stasiun pemadam
kebakaran bagi 3 wilayah di dalam kota tersebut .Tabel berikut memperlihatkan
hubungan antara jumlah stasiun yang dialokasikan di suatu wilayah dengan
ekspektasi kerusakan property per tahun akibat kebakaran didasarkan atas
data statistik. Perbedaan antar wilayah disebabkan oleh populasi, material
konstruksi, dsb. Kendala anggaran mengakibatkan jumlah total stasiun yang
dapat dialokasikan terbatas sebanyak 5 buah.
Gunakan dynamic programming untuk menentukan alokasi stasiun yang
optimal untuk setiap wilayah. Gambarkan networknya. Bagaimana persamaan
rekursifnya?
Wilayah

Jumlah stasiun per wilayah

0

2,0

0,9

0,3

0,2

0,5

0,3

0,2

0,1

1,5

1,0

0,7

0,3