Chapter 4

Duality dan Analisa Sensitivitas

Pengantar
 Optimal solusi dari LP didasarkan pada kondisi tujuan yang terpenuhi pada saat model dirumuskan dan diselesaikan.  Pada kenyataannya, pemilihan ruang lingkup tidak statis ,dan ini penting untuk menjelaskan bagaimana solusi optimal berubah ketika parameternya diubah. Disinilah analisa sensitivitas perlu dilakukan.  Analisa sensitivitas digunakan untuk mempelajari penghasilan optimal solusi yang dinamis dari pengubahan model parameternya.

Dual Problem ?
 Dual problem adalah sebuah LP yang didefinisikan secara langsung dan sistematik dari aslinya atau LP ( Primal) Model.  Dual didefinisikan dari berbagai bentuk primal, yang tergantung pada optimasi (max atau min), tipe constraint(,, atau =) dan variabel (nonnegatif atau unrestricted)

Pembentukan Dual dari Primal

 Variabel dual didefinisikan dari persamaan constraint  Constraint dual didefinisikan dari variabel primal  Koefisien constraint (kolom) mendefinisikan left hand side koefisien dari constraint dual dan koefisien tujuan primal mendefinisikan right hand side  Koefisien tujuan dual berasal dari RHS constraint primal

Rules for Constructing the Dual Problem

Primal Problem Objective Dual Problem Objective Minimization Constraint type Variable sign Unrestricted Unrestricted

Maximization

Minimization

Maximization

*catatan : semua constraint primal adalah persamaan dengan RHS dan variabel nonnegatif

Contoh
Primal
Maximize z = 5x1 + 12x2 + 4 x3 Subject to
x1 + 2x2 + x3 10 2x1 x2 + 3x3 = 8 x1,x2,x3 0

Primal in equation form

Maximize z = 5x1 + 12x2 + 4x3 + 0x4 Subject to
x1 + 2x2 + x3 + x4 10 2x1 x2 + 3x3 + 0x4 = 8 x1,x2,x3,x4 0

Dual variables

y1 y2

 Dual Problem Minimize z = 10y1 + 8 y2 Subject to y1 + 2y2 5 2y1 y2 12 y1 + 3y2 4 y1 + 0y2 0 y1 , y2 unrestricted

y1 0 , y2 unrestricted

HUBUNGAN PRIMAL DUAL

 Perubahan yang terjadi pada model LP asli mempengaruhi elemen-elemen current optimal tableau yang pada akhirnya mempengaruhi opmatimality current solution yang mungkin.  Bab ini mempelajari bagaimana elemenelemen optimal simplex tableau dihitung ulang untuk memperlihatkan perubahan.

Review of Simplex Matrix Operations

 Perhitungan simplex tableau hanya menggunakan tiga operasi matriks elementer, yaitu : (vektor baris) x (matriks), (matriks) x (vektor kolom), dan (scalar) x (matriks).
 Matriks : array persegi panjang berukuran m x n A =

a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33

 Vektor baris, V, matriks berukuran 1 x m

v1 , v 2 , .
p p / p
1 2

vm

Vektor kolom, P, matriks berukuran n x 1

1. (Vektor baris x matriks, VA). Operasi bisa dilakukan jika jumlah kolom pada vektor baris V sama dengan jumlah baris pada matriks A. VA =
m m via1, via 2, . i !1 i !1

, viam i !1
m

2. (Matriks x vektor kolom, AP). Operasi bisa dilakukan jika jumlah kolom pada matriks A sama dengan jumlah baris vektor kolom P.

AP =

a 1ip i i 1 n a 2 ip i i 1 / n a i pi i 1
n

3. (Skalar x matriks, EA). Perkalian ini akan menghasilkan matriks baru yang ordonya sama dengan matriks A.

a11 a12 . a1n a21 a22 . a2n E / am1 am 2 . amn

Ea11 Ea12 . Ea1n Ea21 Ea22 . Ea2n / Eam1 Eam 2 . Eamn

Review of Simplex Matrix Operations

 Gambar di bawah ini menggambarkan skema starting dan general simplex tableaux. Pada starting tableau, koefisien batas di bawah strarting variable membentuk matriks indentitas.
Objective z-row Constraint columns

_
(Strarting tableau)

1 0 0 0 1 0 = / / / 0 0 1 Matriks identitas

 Dengan susunan sebelumnya dilakukan operasi Gauss-Jordan akan menghasilkan inverse matriks menggantikan matriks identitas.
Objective z-row Constraint columns

_
(General iteration)

Inverse matriks

Optimal Dual Solution

 Penyelesaian untuk Primal dan Dual sangatlah berkaitan, yaitu optimal solution untuk primal menunjukkan secara langsung (dengan sedikit tambahan perhitungan) optimal solution untuk dual.  Terdapat dua metode untuk mendapatkan hasilnya :
Metode 1

Row vector of Optimal primal Optimal values v of dual var iables ! original objective coefficien ts invers of optimal primal basic var iables
Metode 2

ptimal primal z  coefficient (reduced cos t ) of any var iable xj

Left hand side of the Right hand side of the jth dual constraint  jth dual constraint

PROBLEM SET 4.2 C

 Nomor 2
Maximize z = 5x1 + 2x2 + 3x3 Subject to x1 + 5x2 + 2x3 = 30 x1 5x2 6x3 40 x1, x2, x3 0 The optimal solution yields the following objection : z + 0x1 + 23x2 + 7x3 + (5+M)x4 + 0x5 = 150 Where artificial x4 and slack x5 are the starting basic variables. Write the associated dual problem and determine its optimal solution from the optimal z-equation

PRIMAL
x1 + 5x2 + 2x3 + x4 = 30 x1 5x2 6x3 + x5 = 40 x1, x2, x3, x4, x5 0 Maximize z = 5x1 + 2x2 + 3x3 - Mx4 + 0x5 z - 5x1 - 2x2 - 3x3 + Mx4 - 0x5 = 0
x1 z x4 x5 -5 1 1 x2 -2 5 -5 x3 -3 2 -6 x4 M 1 0 x5 0 0 1 rhs 0 30 40

1 0 Optimal invers ! 1 1

x1 z x1 x5 0 1 0

x2 23 5 -10

x3 7 2 -8

x4 5+M 1 -1

x5 0 0 1

rhs 150 30 10

DUAL
Minimize w = 30y1 + 40y2 y1 + y2 5 5y1 5y2 2 2y1 6y2 3 y1 -M (unrestricted), y2 0

Metode 1
y1, y 2 !

Original objective

Metode 2

coefficient 1 ! 5,0 v 1

v Optimal inverse of x1, x5

0 ! 5,0 1

Starting variables x4(artificial x4) y1 -M y1 + M = 0 x5(slack x5) y2 0 y2 - 0 = 0 z-coefficient of x4 : 5 + M x5 : 0 5 + M = y1 + M y1 = 5 0 = y2 0 y2 = 0 ( y1, y2 ) = ( 5, 0 )

Simplex Tableau Computation

 Constraint coloumn ( left-right hand sides) computation
Constra int coloumn in iteration i Inverse in iteration i riginal constra int coloumn

 Objective z-row computation

Pr imal z  equation coef .(reduced cos t ) of var xi
Left hand side Right hand side of corresponding  of corresponding dual constra int dual constra int

PROBLEM SET 4.2 D

 Nomor 2-a
Consider the following LP model : Maximize z = 4x1 + 14x2 Subject to 2x1 + 7x2 + x3 = 21 7x1 + 2x2 + x4 = 21 x1, x2, x3, x4 0 Check the optimality and feasibility of the following basic solution. Basic variables = ( x2, x4 ) Inverse = 1 / 7 0

2 / 7

 Simplex Tableau
x1 z x3 x4 -4 2 7 x2 -14 7 2 x3 0 1 0 x4 0 0 1 rhs 0 21 21

x1 z x2 x4 0 2/7 6 3/7

x2 0 1 0

x3 2 1/7 - 2/7

x4 0 0 1

rhs 42 3 15

 Optimal Inverse :

1/ 7 2/7

0 1

 Constraint coloumn ( left-right hand sides)

1/ 7 x1 = 2/7 1/ 7 X2 = 2/7

0 2 2 / 7 v ! 7 6 3 / 7 1 0 7 1 v ! 1 2 0

1/ 7 x3 = 2/7 1/ 7 x4 = 2/7

0 1 1 / 7 v ! 0 2 / 7 1 0 0 0 v ! 1 1 1

x2 1 / 7 ! x4 2 / 7

0 21 3 v ! 1 21 15

kedua rhs bernilai positif maka : feasible solution

 Objective z-row Maximize z = 4x1 + 14x2 + 0x3 + 0x4 Minimize w = 21y1 + 21y2 2y1 + 7y2 4 1/ 7 14 7y1 + 2y2 14 ( y1, y2 ) =  ,0 v 2/7 y1, y2 0 z-coefficient of x1 2y1 + 7y2 - 4 = 2(2) + 7(0) 4 = 0 x2 7y1 + 2y2 -14 = 7(2) + 2(0) -14 = 0 x3 y1 0 = 2 0 = 2 x4 y2 0 = 0 0 = 0

0 ! 2,0 1

semua koefisien bernilai positif optimalsolution

4. 3 Economic Interpretation of Duality

Primal Maximize
n

z !

j !1

cjxj

Dual Minimize

w ! biyi
i !1

cj : keuntungan per unit bi : resource maksimum yang tersedia

$ !

( unit of resource

i ) x ( $ per unit of resource

i)

Reddy Mikks model : Primal max z = 5x1+4x2 st: 6x1 + 4x2 24 (M1) x1 + 2x2 6 (M2) -x1 + x2 1 x2 2 x1, x2 0 Optimal solution : x1 = 3, x2 = 1.5, z = 21

Dual min w = 24y1+6y2+y3+2y4 st: 6y1+y2-y3 5 4y1+2y2+y3+y4 4 y1, y2, y3, y4 0

Optimal solution : y1=0.75, y2=0.5, y3=y4=0, w=21

 Solusi optimal dualnya menunjukkan bahwa resource M1 adalah y1=0.75 (atau $750 per ton) dan material M2 yaitu y2=0.5 ($500 per ton).  Di bab Analisa Grafik Sensitifitas diketahui bahwa resource 1 dan 2 mungkin pada range (20,36) dan (4,6.67). Jadi kenaikan nilai untuk M1 (36-24)= 12 kenaikan profit = 12 x $750 = $9000

Sedangkan untuk M2 (6.67-6) = 0.67 x $500 = $335