MATLAB
PENDAHULUAN
2
OPTIMASI LINIER
Apabila fungsi obyektif dan variabel kendala yang akan dioptimalkan linier,
maka optimasinya adalah optimasi linier;
Contoh 1:
Fungsi obyektif = 21 + 2
1 + 2 1; 1 0; 2
Kendala 0
3
OPTIMASI LINIER
4
NON LINIER OPTIMASI
Apabila salah satu dari fungsi obyektif atau variabel kendala yang akan
dioptimalkan non-linier, maka optimasinya adalah optimasi non linier.
Contoh:
= 1 + 2 2
Fungsi obyektif
1 2 0; 2 1 1;
Kendala 2 2 1
5
EXPONENTIAL SMOOTHING
6
LEVENBERG-MARQUARDT
Fungsi lsqcurvefit:
Sintak:
[x, resnorm] = lsqcurvefit (fun, x0, xdata, ydata, lb, ub, options)
Output:
X : hasil parameter optimum
Resnorm : residual
Input
Fun : fungsi obyektifnya;
x0 : nilai awal parameter yang akan dioptimasi;
lb, ub : lower bound, upper bound untuk parameter yang akan dioptimasi;
Dimana options dapat diisi dengan:
TolFun : toleransi fungsi untuk menghentikan iterasi, ketik: TolFun, 1e-4
MaxIter : maksimum iterasi yang diinginkan, ketik: MaxIter, 200
Algorithm : ketik Algorithm, levenberg-marquardt 7
LEVENBERG-MARQUARDT
Fungsi obyektif 1
Proses optimasi
8
Contoh 1: data yang digunakan
t data data
1 5.1 15
2 4
10
3 6.7
4 5 5
5 9.2
0
6 7.8
7 10 Model yang digunakan adalah Holt Exponential Smoothing.
8 5
9 10.3 Parameter hasil optimasi:
Alpha : 0.4050
10 11.1 Beta : 0.5221
9
QUASI-NEWTON
Fungsi MATLAB lain yang dapat digunakan untuk optimasi non-linier adalah:
fmincon
Sintak:
[x, fval] = fmincon (fun, x0, A, b, Aeq, beq, lb, ub, nonlcon, options)
Output:
x : parameter
Fval : nilai dari fungsi obyektif
10
QUASI-NEWTON
1 2
Fungsi MSE = =1
11
QUASI-NEWTON
Fungsi obyektif 2
Proses optimasi
12
LEAST-SQUARE DATA FITTING
Fungsi lsqnonlin:
Hasil optimasi:
Alpha : 0.4064
Beta : 0.5187
13
GENETIC ALGORITHM
Hasil optimasi:
Alpha : 0.4024
Beta : 0.5259
14
REFERENSI
Griva, I., Nash, S. G., Sofer, A., 2009, Linier and Non Linier Optimization 2nd
Edition, SIAM.
MATLAB non linier optimization toolbox;
www.mathworks.com/help
15