Optimasi Dengan Matlab #7 PDF
Optimasi Dengan Matlab #7 PDF
Optimisasi
Optimis asi Single Variable
6 80
5
60
4
3 40
2
20
1
0
0
0 0.5 1 1.5 2 2.5 3 -20
-40
0 0. 5 1 1.5 2 2.5 3 3.5 4 4. 5 5
1
08/11/2014
f(x)
.
B1
x
a b
Gambar 2.1 titik Local and global optimum pada fungsi multimodal
2
08/11/2014
f '(x*) 0 (2.1)
Single-variable optimization
f(x)
global maximum
inflection point
local minimum
global minimum
3
08/11/2014
80
x=0, adalah stationary point
60 yang menjadi saddle point
atau inflection point bukan
40
local optimum
20
f(x)=x3
-20
-40
-60
-80
0
x
Single-variable optimization
Theorem 2: Syarat Cukup.
Misalkan semua turunan suatu fungsi sampai dengan order (n-1) sama
dengan nol dan turunan order ke n tidak sama dengan nol:
d n f (x)
dimana f (n ) (x) (2.3)
dx n
4
08/11/2014
Catatan
Contoh
f ( x) x3
df
0, x 0
dx
d2 f
0, x 0
dx 2
d3 f
6
dx 3
5
08/11/2014
Contoh
165 4
f(x) 5 x 6 36 x 5 x 60 x 3 36
2
df
30 x 180 x 330 x 3 180x 2
5 4
dx
30 x 2 ( x 1)( x 2)( x 3)
d2f
2
150 x 4 720 x 3 990 x 2 360 x
dx
lanjutan
x f(x) d2f/dx2
0 36 0
1 27.5 60
2 44 -120
3 -4.5 540
6
08/11/2014
d3 f
3
600 x 3 2160 x 2 1980 x 360 360
dx
Sehingga x=0 adalah titik infleksi.
Fungsi Convex
7
08/11/2014
Fungsi convex
f(x1)+(1-)f(x2) f(x2)
f(x)
f(x1)
f[x1+(1-)x2]
x1 x1+(1-)x2 x2
8
08/11/2014
f(x)
f(x)
f(x0)
f(x0)+ f(x0)(x-x0)
x0 x
f(x) 25
20
15
10
5
-2 -1 0 1 2 3 4
x x*
9
08/11/2014
2. Example- Continued
Carilah nilai minimum dari f(x)=3x2+12/x-5
df/dx=6x-12/x2=0
min f x
Problem:
x
s.t. a x b
Algorithm
Step 1: Set df/dx=0 and solve all stationary points.
Step 2: Select all stationary point x1, x2,,xN in [a,b].
Step 3: Compare function values f(x1), f(x2),,f(xN) and
find global minimum.
10
08/11/2014
f(x) 25
20
15
10
5
-2 -1 0 1 2 3 4
x x*
Problems
11
08/11/2014
Problems - Continued
x*
a
b
Location of global
minimum
12
08/11/2014
Interval Halving
f(x) Minimum terletak antara (a,x2)
f2
f1
fm
x
a x1 xm x2 b
Situasi dimana f(x1)<f(x2)
13
08/11/2014
Interval Halving
f(x) Minimum terletak antara (x1,b)
f1
f2
fm
x
a x1 xm x2 b
Situasi dimana f(x1)>f(x2)
14
08/11/2014
Contoh
Carilah minimum dari f(x)=(100-x)2,
80 x 110, dengan interval halving
a=80, b=110, L=110-80=30
xm=0.5(80+110)=140
x1=80+(1/4) 30=87.5, x2=110-(1/4) 30=102.5
f(x1)=(100-87.5)2=
f(x2)=(100-102.5)2= dst
30
Golden Section
Golden section search, salah satu metoda untuk mencari titik
optimal pada single variabel jika diketahui interval awal b-a
f(x) Golden section ratio:
1 5
0,61803...
2
(1-)L0 L0 1-
L0 (1-)L0
a x3 x1 x2 b x
2L0
L0
15
08/11/2014
Ide dasar
(untuk kasus minimasi fungsi)
Kita ambil 2 titik x1 < x2 dalam L=[a,b], bandingkan
f(x1) dan f(x2), jika
kasus 1
Dalam kasus minimasi jika f(x1) < f(x2) maka kita
eliminasi area x > x2 sehingga x*[a,x2].
kasus 2
f(x1) = f(x2) maka eliminasi area x < x1 dan x > x2 ,
sehingga x*[x1,x2].
kasus 3
f(x1) > f(x2) maka eliminasi area x < x1 sehingga
x*[x1,b]
16
08/11/2014
34
L0 = b a
x1 a (1 )L0
x 2 a L 0
jika f(x1) < f(x2), maka x* terletak dalam interval (a, x2).
jika f(x1) f(x2), maka x terletak dalam interval (x1, b).
17
08/11/2014
35
L N N L0
jumlah iterasi yang diperlukan untuk suatu interval of
uncertainty, LN:
n L N L0
N
n
Convergence criteria:
(i) N N max
(ii) L N 1
(iii)
f x N 1 f x N 2
Algoritma: Golden-Search
Tentukan a, b
Lakukan sampai stopping criteria tercapai (jumlah
iterasi)
r=0.618;
x1= a+(1-r)*(b-a);
x2= a-r*(b-a);
jika f(x1) > f(x2), a=x1;
jika f(x1)=f(x2), a=x1,b=x2;
Untuk lainnya (f(x1)<f(x2))
b=x2;
end
18
08/11/2014
19