Kami menawarkan model dasar yang menyediakan kerangka kerja untuk membahas kelas masalah optimasi.
Masalah yang menjadi sesuai berbagai karakteristik dasar model intrinsik untuk masalah tertentu. Kami juga
membahas variasi dari model dasar. Model dasar
Sekarang mari kita menjelaskan notasi. Untuk mengoptimalkan berarti untuk memaksimalkan atau
meminimalkan. J subskrip menunjukkan bahwa mungkin ada satu atau lebih fungsi untuk mengoptimalkan.
Fungsi dibedakan oleh subskrip integer milik J set yang terbatas. Kami mencari vektor Xo memberikan nilai
optimal untuk fungsi fj (x). berbagai komponen vektor X disebut variabel keputusan model, sedangkan fungsi fj
(x) disebut fungsi objektif. Dengan menambahkan tunduk, kami menunjukkan bahwa kondisi sisi tertentu harus
dipenuhi. Misalnya, jika tujuannya adalah untuk meminimalkan biaya produksi produk tertentu, mungkin
specifed bahwa semua kewajiban kontrak untuk produk harus dipenuhi. Sisi kondisi biasanya disebut kendala.
Subskrip integer saya tidak menunjukkan mungkin satu atau lebih kendala hubungan yang harus dipenuhi.
Kendala mungkin kesetaraan (seperti tepat memenuhi permintaan untuk produk) atau ketidaksetaraan (seperti
tidak melebihi keterbatasan anggaran atau memberikan persyaratan gizi minimal dalam masalah diet). Akhirnya,
masing-masing mewakili bi konstan tingkat bahwa kendala yang terkait fungsi gi (X) harus mencapai dan
karena cara optimasi masalah yang biasanya tertulis, sering disebut sisi kanan dalam model. Dengan demikian,
solusi vektor X harus mengoptimalkan masing-masing fungsi objektif fj (X) dan secara bersamaan memenuhi
setiap hubungan kendala. Kita sekarang mempertimbangkan satu masalah sederhana yang mengilustrasikan ide-
ide dasar.
Menentukan jadwal produksi
Acarpenter membuat meja dan rak buku. Dia mencoba untuk menentukan berapa banyak dari setiap jenis
furnitur dia harus membuat setiap minggu. Tukang kayu keinginan untuk menentukan jadwal produksi
mingguan untuk meja dan rak buku yang memaksimalkan keuntungan. Biayanya $5 dan $7 untuk menghasilkan
Meja dan rak buku, masing-masing. Pendapatan diperkirakan oleh ekspresi
Dalam contoh ini, masalahnya adalah memutuskan berapa banyak meja dan rak buku untuk membuat
everyweek. Akibatnya, variabel keputusan adalah jumlah meja dan rak buku dilakukan per minggu. Kami
menganggap ini adalah jadwal, nilai-nilai noninteger sehingga meja dan rak buku
masuk akal. Itu adalah, kita akan mengizinkan x1 dan x2 untuk mengambil nilai-nilai nyata apapun dalam
rentang mereka masing-masing. Fungsi tujuan adalah ekspresi nonlinier mewakili laba unduhan yang akan
diwujudkan dari menjual meja dan rak buku. Keuntungan adalah pendapatan dikurangi biaya. Fungsi
keuntungan adalah ……(rumus)
Properti ini memastikan, antara lain, efek dari setiap variabel keputusan itu sebanding dengan nilai. Mari kita
periksa setiap properti lebih erat.
Properti 1 batas masalah untuk tujuan fungsi tunggal. Masalah dengan fungsi lebih dari satu tujuan yang disebut
multiobjective atau tujuan program. Properti 2 dan 3 cukup jelas, dan masalah optimasi yang gagal untuk
memenuhi salah satu dari mereka dikatakan nonlinier. Jadwal produksi pertama fungsi tujuan memiliki
keputusan kedua
variabel sebagai syarat kuadrat dan dengan demikian melanggar 2 properti. Properti 4 cukup ketat untuk banyak
skenario, Anda mungkin ingin model. Pertimbangkan memeriksa jumlah papan-kaki dan tenaga kerja yang
diperlukan untuk membuat meja dan rak buku. Itu mungkin untuk mengetahui persis jumlah papan-kaki dan
tenaga kerja yang dibutuhkan untuk menghasilkan setiap item dan menggabungkan menjadi kendala. Sering,
namun, itu mustahil untuk memprediksi nilai yang diperlukan tepat (mempertimbangkan mencoba untuk
memprediksi harga pasar dari jagung), atau koefisien mewakili nilai-nilai rata-rata dengan agak besar
penyimpangan dari nilai yang sebenarnya terjadi dalam praktek. Koefisien mungkin bergantung waktu juga.
Bergantung pada waktu masalah dalam kelas tertentu yang disebut program dinamis. Jika koefisien tidak
konstan tetapi sebaliknya probabilistik di alam, masalah diklasifikasikan sebagai program stokastik. Akhirnya,
jika satu atau lebih variabel keputusan dibatasi pada nilai-nilai integer (maka melanggar properti 5), masalah
yang dihasilkan disebut program bulat (atau program integer dicampur jika pembatasan integer hanya berlaku
untuk subset dari keputusan variabel). Variasi dari masalah penjadwalan produksi, masuk akal untuk
memungkinkan pecahan nomor meja dan rak buku dalam menentukan
Jadwal mingguan, karena mereka dapat diselesaikan selama minggu berikutnya. Mengklasifikasikan masalah
optimasi penting karena teknik solusi yang berbeda berlaku untuk kategori yang berbeda. Misalnya, masalah
pemrograman linier dapat diselesaikan secara efisien dengan metode Simplex disajikan dalam bagian 7.4.
Contoh 2:
Pesawat ulang-alik kargo
Ada berbagai item yang akan diambil pada pesawat ruang angkasa. Sayangnya, ada pembatasan pada kapasitas
berat dan volume diperbolehkan. Misalnya ada m item yang berbeda, masing-masing diberikan beberapa nilai
numerik cj dan memiliki berat wj dan volume vj. (Bagaimana mungkin Anda menentukan cj
dalam masalah sebenarnya?) Misalnya, tujuannya adalah untuk memaksimalkan nilai item yang akan diambil
tanpa melebihi berat keterbatasan W atau pembatasan volume V. Kita dapat merumuskan model ini….rumus
kemampuan untuk menggunakan variabel biner seperti yj memungkinkan fleksibilitas yang besar di pemodelan.
mereka dapat digunakan untuk mewakili ya/tidak keputusan, seperti apakah untuk membiayai proyek tertentu
dalam masalah penganggaran modal, atau untuk membatasi variabel untuk menjadi aktif atau tidak aktif.
sebagai contoh, x variabel dapat dibatasi ke nilai 0 dan dengan menggunakan variabel y biner sebagai
pengganda:
ilustrasi lain membatasi x dalam interval (, b) atau menjadi nol melalui y: variabel biner
mengamati bahwa setiap kali yi = 0 xj variabel = 0 juga. dengan demikian, produk xjyj bentuk berlebihan dan
fungsi tujuan dapat disederhanakan untuk memberikan model berikut: