19-1051 - Novendra F.A-Resume Simplex Method-Hamdy A Taha
19-1051 - Novendra F.A-Resume Simplex Method-Hamdy A Taha
A
NIM : 191710201051
Kelas : TEP A
THE SIMPLEX METHOD
(Real-Life Application—Optimization of Heart Valve Production)
Katup jantung biologis adalah bioprostesis yang diproduksi dalam
berbagai ukuran dari hati babi untuk implantasi manusia. Di sisi pasokan,
hati babi tidak dapat "diproduksi" dengan ukuran tertentu. Di sisi
permintaan, ukuran pasti dari katup yang diproduksi tidak dapat ditentukan
sampai komponen biologis hati babi diproses. Akibatnya, beberapa ukuran
mungkin terlalu banyak menimbun dan yang lain kekurangan. Sebuah
model pemrograman linier dikembangkan untuk mengurangi ukuran
kelebihan stok dan meningkatkan jumlah ukuran kekurangan stok.
Penghematan yang dihasilkan melebihi $ 1.476.000 pada tahun 1981.
1.1 MODEL LP DALAM BENTUK PERSAMAAN
Pengembangan komputasi metode simpleks difasilitasi dengan
memberlakukan dua persyaratan pada model LP:
1) Semua kendala adalah persamaan dengan ruas kanan nonnegatif.
2) Semua variabel tidak negatif. 1
Mengubah pertidaksamaan menjadi persamaan dengan ruas kanan
nonnegative. Untuk mengubah a (≤) - ketidaksamaan ke persamaan, variabel slack
nonnegatif ditambahkan ke tangan kiri sisi kendala. Misalnya, kendala M1 dari
model Reddy Mikks (Contoh 2.1-1) diubah menjadi persamaan sebagai
6x1 + 4x2 + s1 = 24, s1 ≥ 0
Gambar 1.2
Secara aljabar, ruang solusi LP diwakili oleh persamaan m = 2 berikut dan
n = 4 variabel:
2x1 + x2 + s1 = 4
x1 + 2x2 + s2 = 5
S1 = 4, s2 = 5
Solusi ini sesuai dengan titik A pada Gambar 1.2 (yakinkan diri Anda
bahwa s1 = 4 dan s2 = 5 di titik A). Titik lain dapat ditentukan dengan
menetapkan s1 = 0 dan s2 = 0 dan kemudian menyelesaikan dua persamaan
yang dihasilkan
2x1 + x2 = 4
x1 + 2x2 = 5
Solusi dasar yang terkait adalah 1x1 = 1, x2 = 22, atau titik C pada Gambar
1.2. Gambar 1.2, kita dapat melihat empat titik sudut A, B, C, dan D. Jadi,
di mana dua sisanya? Padahal, titik E dan F juga merupakan titik pojok.
Tapi, mereka tidak layak, dan, karenanya, bukan kandidat untuk yang
optimal.
Untuk menyelesaikan transisi dari solusi grafis ke aljabar, variabel nol
dikenal sebagai variabel nonbasis. Variabel m yang tersisa disebut variabel
dasar, dan solusinya (diperoleh dengan menyelesaikan persamaan m)
disebut sebagai solusi dasar. Tabel berikut menyediakan semua solusi dasar
dan non-dasar dari contoh saat ini.
Peningkatan x1 atau x2 (atau keduanya) di atas nilai nol saat ini akan
meningkatkan nilai z. Rancangan metode simpleks tidak memungkinkan
peningkatan variabel secara simultan. Sebaliknya, itu menargetkan variabel
satu per satu. Variabel yang dijadwalkan untuk kenaikan adalah variabel
dengan tingkat peningkatan terbesar di z. Dalam contoh ini, laju
peningkatan nilai z adalah 2 untuk x1 dan 3 untuk x2. Dengan demikian
kami memilih untuk meningkatkan x2 (variabel dengan tingkat peningkatan
terbesar di antara semua variabel nonbasis).
Subject to
Variabel s1, s2, s3, dan s4 adalah slack yang terkait dengan masing-
masing kendala. Selanjutnya, kita tulis persamaan objektif sebagai
z - 5x1 - 4x2 = 0
Dasar z x1 x2 S1 S2 S3 S4 Larutan
z 1 -5 -4 0 0 0 0 0 z-baris
S1 0 6 4 1 0 0 0 24 S1-baris
S2 0 1 2 0 1 0 0 6 S2-baris
S3 0 -1 1 0 0 1 0 1 S3-baris
S4 0 0 1 0 0 0 1 2 S4 baris
Tata letak tablo simpleks secara otomatis memberikan solusi pada iterasi
awal. Solusinya dimulai dari titik asal [1x1, x22 = 10, 02], sehingga
mendefinisikan (x1, x2) sebagai variabel nonbasis dan (s1, s2, s3, s4) sebagai
variabel dasar. Tujuan terkait z dan variabel dasar (s1, s2, s3, s4) terdaftar di
kolom Dasar paling kiri. Nilainya, z = 0, s1 = 24, s2 = 6, s3 = 1, s4 = 2, muncul
di kolom Solusi paling kanan, diberikan langsung oleh sisi kanan persamaan
model (konsekuensi yang mudah untuk memulai di asal). Hasilnya dapat dilihat
dengan menetapkan variabel nonbasis (x1, x2) sama dengan nol di semua
persamaan, dan juga dengan memperhatikan susunan matriks identitas khusus
dari koefisien kendala variabel dasar (semua elemen diagonal adalah 1,
Apakah solusi awal optimal? Fungsi tujuan z = 5x1+ 4x2 menunjukkan
bahwa solusi dapat ditingkatkan dengan meningkatkan nilai nonbasis x1 atau x2 di
atas nol. Sebagaimana dikemukakan, x1 harus ditingkatkan karena memiliki
koefisien objektif paling positif. Secara ekuivalen, dalam tablo simpleks di mana
fungsi tujuan ditulis sebagai z - 5x1 - 4x2= 0, variabel yang dipilih adalah
variabel nonbasic dengan koefisien paling negative dalam persamaan
objektif. Aturan ini mendefinisikan apa yang disebut kondisi optimalitas
simpleks.
Setiap kenaikan di luar B tidak layak. Pada titik B, variabel dasar saat ini
s1 yang terkait dengan kendala 1 mengasumsikan nilai nol dan menjadi variabel
yang meninggalkan. Aturan yang terkait dengan perhitungan rasio disebut
sebagai kondisi kelayakan simpleks karena menjamin kelayakan solusi baru.
Titik solusi baru B ditentukan dengan “menukar” variabel yang masuk x1
dan variabel yang meninggalkan s1 dalam tabel simpleks untuk menghasilkan
Variabel nonbasic 1zero2 di B: 1s1, x22
Variabel dasar di B: 1x1, s2, s3, s42
Proses swapping didasarkan pada operasi baris Gauss-Jordan. Ini
mengidentifikasi kolom variabel masuk sebagai kolom pivot dan baris variabel
keluar sebagai baris pivot dengan persimpangannya menjadi elemen pivot.
Perhitungan Gauss-Jordan yang diperlukan untuk menghasilkan solusi dasar
baru mencakup dua jenis.
1. Baris putar
a. Ganti variabel keluar di kolom Dasar dengan variabel masuk.
b. Baris pivot baru = Baris pivot saat ini, Elemen pivot
2. Semua baris lainnya, termasuk z
Baris baru = (Baris saat ini) – (Koefisien kolom pivot) * (Baris pivot baru)
1.3.3 Ringkasan Metode Simpleks
Sejauh ini, kami telah menangani kasus maksimalisasi. Dalam masalah
minimisasi, kondisi optimalitas memerlukan pemilihan variabel yang masuk
sebagai variabel nonbasis dengan koefisien tujuan paling positif pada baris-z,
aturan kebalikan dari kasus maksimalisasi. Ini mengikuti karena z setara dengan
min 1 -z2. Adapun kondisi kelayakan untuk memilih variabel yang keluar,
aturannya tetap tidak berubah.
1. Kondisi optimal.
Variabel yang masuk dalam masalah maksimalisasi (minimalisasi) adalah
variabel nonbasis dengan koefisien paling negatif (positif) pada baris-z. Ikatan
putus secara sewenang-wenang. Optimal dicapai pada iterasi di mana semua
koefisien baris-z adalah nonnegatif (nonpositif).
2. Kondisi kelayakan.
Untuk masalah maksimisasi dan minimalisasi, variabel yang
meninggalkan adalah variabel dasar yang terkait dengan rasio nonnegatif
terkecil dengan penyebut positif. Ikatan putus secara sewenang-wenang.
Operasi baris Gauss-Jordan.
1. Baris putar
a. Ganti variabel keluar di kolom Dasar dengan variabel masuk.
b. Baris pivot baru = Baris pivot saat ini , Elemen pivot
2. Semua baris lainnya, termasuk z
Baris baru = (Baris saat ini) – (Koefisien kolom pivot) * (Baris pivot baru)
1.4 Solusi Mulai Buatan
Seperti yang ditunjukkan pada Contoh 3.3-1, piringan hitam di mana
semua kendala adalah 1 … 2 dengan sisi kanan non-negatif menawarkan solusi
layak dasar all-slack yang nyaman. Model yang melibatkan 1 = 2 dan/atau 1 2
kendala tidak. Prosedur untuk memulai piringan hitam “berperilaku buruk” dengan
kendala 1 = 2 dan 1 2 adalah untuk menggunakan variabel buatan yang
memainkan peran slack pada iterasi pertama. Variabel buatan kemudian
dibuang pada iterasi selanjutnya. Dua metode yang terkait erat diperkenalkan
di sini: metode-M dan metode dua fase.
1.4.1 M-Method6
Metode-M dimulai dengan LP dalam bentuk persamaan (Bagian 3.1).
Jika persamaan i tidak memiliki slack (atau variabel yang dapat memainkan
peran slack), variabel buatan, Ri, ditambahkan untuk membentuk solusi
awal yang mirip dengan solusi dasar all-slack. Namun, karena variabel
buatan bukan bagian dari masalah asli, "trik" pemodelan diperlukan untuk
memaksanya ke nilai nol pada saat iterasi optimal tercapai (dengan asumsi
masalah memiliki solusi yang layak). Tujuan yang diinginkan dicapai
dengan menetapkan penalti yang didefinisikan sebagai:
Untuk mengubah kendala menjadi persamaan, gunakan x3 sebagai
surplus pada kendala kedua dan x4 sebagai kendur dalam kendala ketiga.
Dengan demikian Minimalkan z = 4x1 + x2.
Persamaan ketiga memiliki variabel slack, x4, tetapi persamaan pertama dan
kedua tidak. Jadi, kami menambahkan variabel buatan R1 dan R2 dalam dua
persamaan pertama dan menghukumnya dalam fungsi tujuan dengan MR1 + MR2
(karena kami meminimalkan). LP yang dihasilkan menjadi
Subject to
3x1 + x2 + R1 = 3
4x1 + 3x2 - x3 + R2 = 6
x1 + 2x2 + x4 = 4
Perkataan.
Penghapusan variabel-variabel artifisial dan kolomnya pada akhir Fase
I hanya dapat dilakukan jika semuanya nonbasis (seperti yang diilustrasikan
pada Contoh 3.4-2). Jika satu atau lebih variabel buatan adalah dasar (pada
level nol) pada akhir Tahap I, maka penghapusannya memerlukan langkah-
langkah tambahan berikut:
Langkah 1.
Pilih variabel buatan nol untuk meninggalkan solusi dasar dan tentukan
barisnya sebagai baris pivot. Variabel yang masuk dapat berupa variabel non-
dasar nonartificial apa pun dengan koefisien bukan nol (positif atau negatif) di
baris pivot. Lakukan iterasi simpleks terkait.
Langkah 2.
Hapus kolom variabel buatan (baru saja keluar) dari tablo. Jika semua
variabel buatan nol telah dihapus, lanjutkan ke Tahap II. Jika tidak, kembali ke
Langkah 1.
Logika di balik langkah 1 adalah bahwa kelayakan variabel dasar yang
tersisa tidak akan terpengaruh ketika variabel buatan nol dibuat nonbasis
terlepas dari apakah elemen pivot positif atau negatif. Soal 3-47 dan 3-48
menggambarkan situasi ini. Soal 3-49 memberikan detail tambahan tentang
perhitungan Tahap