Pemrograman Linier : Metode Simpleks yang Direvisi 119

4.1 DASAR MATEMATIS

Dalam bagian ini, kami mendefinisikan masalah LP dalam bentuk matriks. Berdasarkan definisi ini
kami memperlihatkan bagaimana pemecahan dasar ditentukan. Kita lalu menggunakan informasi ini
untuk mengembangkan tabel simpleks umum dalam bentuk matriks. Pengembangan ini membentuk
dasar untuk pembahasan perincian metode simpleks yang direvisi.

4.1.1

MODEL LP STANDAR DALAM BENTUK MATRIKS

Masalah pemrograman linier dalam bentuk standar (semua batasan persamaan dengan semua vavariabel
non negatif; lihat Bagian 3.2.1) dapat diekspresikan dalam bentuk matriks sebagai berikut:
maksimumkan atau minimumkan z = CX

dengan batasan

(A,I) X = b

X>0

di mana I adalah matriks identitas m dan

X = (X1, X2, ..., C = C2, ...,

a12

am2

Sisi kanan diharapkan bersifat non negatif dalam kasus metode simpleks primal.
Matriks identitas I dapat selalu dibuat untuk tampil sebagaimana diperlihatkan dalam persamaan
batasan dengan menambahkan atau mengatur susunan variabel slack, surplus, dan/atau buatan
sebagaimana diperlukan (lihat Bab 3). Ini berarti bahwa n elemen dari vektor X mencakup setiap
variabel slack, surplus, dan variabel buatan yang ditambahkan, dengan m elemen paling kanan mewakili
variabel pemecahan awal.
Untuk memperjelas definisi di atas, contoh numerik berikut ini diberikan.

Contoh 4.1.1. Program linier

maksimumkan z=2x1 + 3x2 + 4x3

dengan batasan

+ x2 +
+ 2x2
5x] - 2x2 + 3x3 <9

X1, X2, X3

Diekspresikan dalam bentuk matriks standar sebagai

4.1.2

PEMECAHAN

Dalam Bab 3, kami menekankan bahwa gagasan mendasar di balik metode simpleks primal dan dual
adalah bahwa pemecahan optimum, ketika berjumlah terbatas, harus berkaitan dengan titik ekstrim atau
titik sudut dari ruang pemecahan. Secara aljabar, sebuah titik ekstrim berkaitan dengan pemecahan
dasar dari persamaan batasan (A, I)X = b.
Dengan diketahui bahwa (A, I)X = b memiliki m persamaan dan n variabel yang tidak diketahui [X
= (x1, x2, .., Xn)], sebuah pemecahan dasar diperoleh dengan menetapkan n - m variabel sama dengan
nol dan lalu memecahkan m persamaan dengan m variabel yang tidak diketahui, yang tersisa, dengan
ketentuan bahwa sebuah pemecahan yang unik terdapat. Secara matematis, anggaplah
di mana P; adalah vektor kolom ke-j dari (A, I). Setiap m yang merupakan vektor
yang
inde-
pendant secara linier di antara P1, P2,
Pn akan bersesuaian dengan pemecahan dasar (A, I)X = b
dan karena itu bersesuaian dengan satu titik ekstrim dari ruang pemecahan. Dalam kasus ini,
vektor m yang dipilih membentuk sebuah basis yang untuknya matriks bujur sangkar yang
berkaitan haruslah bersifat "non singular."
Untuk mengilustrasikan definisi dari sebuah basis, dalam Contoh 4.1-1, kita memiliki m = 3
dan n = 7. Ini berarti bahwa sebuah basis harus terdiri dari m (= 3) vektor dan n - m (= 7 - 3 = 4)
variabel yang berkaitan dengan vektor sisanya yang pasti ditetapkan sama dengan nol. Dengan
menganggap X4 = X5 = x6 = x7 = 0, kita menemukan bahwa vektor

METODE SIMPLEKS (PRIMAL) YANG DIREVISI

Tabel dalam Bagian 4.1-3 berlaku baik untuk metode simpleks primal maupun dual; yaitu,
setelahvariabel dasar diidentifikasi, basis B secara otomatis diketahui dan keseluruhan tabel dihasilkan
dari data semula dalam bentuk standar dan inversi Peraturan spesifik dari metode simpleks primal dan
lalu dapat diterapkan informasi Pada
metode simpleks primal dan bentuk pemilihan vektor masuk dan vektor keluar. Selain dari itu, semua
sama. Untuk kita hanya akan membahas metode simpleks primal yang
Dalam metode simpleks (primal dual) yang direvisi, fakta iterasi hanya dalam definisi basis B
menunjukkan keuntungan yang potensial dalam
1. Dalam masalah LP yang besar, penggunaan operasi
pada kesalahan pembulatan mesin kumulatif yang tidak dapat dikendalikan dengan yang
terhadap hasil akhir. Dalam yang direvisi, kita semula dari masalah. Dengan demikian kita
mengendalikan akurasi perhitungan dengan mengen
dalikan kesalahan pembulatan dalam perhitungan
2. Sifat manipulasi matriks menunjukkan bahwa kita tidak perlu menghitung entri dari
simpleks, yang untuk ukuran masalah LP tertentu kemungkinan memerlukan lebih sedikit
perhitungan.

BENTUK HASIL PERKALIAN DARI INVERSI

Metode bentuk hasil perkalian adalah sebuah prosedur aljabar matriks yang menghitung inversi dari
sebuah basis yang baru dari inversi basis lainnya, dengan ketentuan bahwa kedua basis tersebut berbeda
tepat dalam satu vektor kolom. Prosedur ini sangat sesuai untuk perhitungan metode simpleks, karena
basis yang berturut-turut berbeda tepat dalam satu (vektor) kolom sebagai hasil dari pertukaran vektor
masuk dan keluar. Dengan kata lain, dengan diketahui basis saat ini B, basis berikutnya, Bnext dalam
iterasi yang berikutnya, akan berbeda dengan B hanya dalam satu kolom. Prosedur bentuk hasil
perkalian lalu menghitung inversi berikutnya B next dengan mengalikan terlebih dahulu inversi saat ini
B-l dengan sebuah matriks E yang dibentuk
secara khusus.