Matematika IA Anna Salin
Matematika IA Anna Salin
Daftar isi
Perkenalan:..................................................................................................................................2
Alasan:........................................................................................................................................2
Tujuan:........................................................................................................................................2
Eksplorasi:...................................................................................................................................3
Memecahkan Masalah Travelling Salesman...............................................................................9
Kesimpulan dan Evaluasi:.........................................................................................................19
Bibliografi.................................................................................................................................20
Perkenalan:
Alasan:
Sebagai seorang siswa di tahun terakhir diploma IB mereka, sensasi dan teror mendaftar ke
universitas adalah tekanan terus-menerus yang membayangi kepala saya. Ada beberapa faktor
yang berperan dalam hal ini, seperti keinginan untuk mencapai yang terbaik di IB untuk
memenuhi nilai tertentu yang dipersyaratkan atau menulis pernyataan pribadi. Namun,
rintangan pertama adalah memutuskan ke mana Anda ingin melamar. Tentu saja, ini
bergantung pada banyak variabel, seperti tingkat akademik seseorang dan tujuan kariernya.
Bagi saya, lokasi adalah faktor utama. Karena keluarga saya akan terus tinggal di luar negeri
saat saya pindah ke Inggris, akan bermanfaat jika memiliki banyak bandara terdekat sehingga
saya dapat sering mengunjunginya atau sebaliknya. Selain itu, sebelum memilih dimana saya
ingin belajar, penting bagi saya untuk merasakan setiap daerah dan kampus, sehingga saya
harus mengunjungi setiap kampus universitas. Sebagai mahasiswa dengan anggaran terbatas,
saya ingin mencari cara termurah untuk mengunjungi masing-masing kampus ini.
Tujuan:
Tujuan dari investigasi ini adalah untuk menentukan universitas yang optimal berdasarkan
diagram Voronoi. Selain itu, untuk memberikan gambaran tentang kisaran uang yang saya
perlukan untuk mengunjungi setiap kampus sekali dalam tur kampus, penyelidikan ini juga
mendekati solusi untuk masalah salesman keliling dengan menggunakan grafik berbobot yang
Sementara rentang nilai dapat ditentukan dengan menemukan batas bawah dan batas bawah
untuk siklus Hamiltonian dengan bobot terkecil, harus ditetapkan bahwa karena sifat masalah
salesman keliling, menjadi NP-hard (yang berarti tidak memiliki algoritma yang efisien),
Eksplorasi:
Untuk membuat Diagram Voronoi, pertama-tama saya melapisi peta Inggris di atas kotak
persegi menggunakan GeoGebra. Gambar 1 memiliki skala 50km per 2 unit dan menampilkan
9 universitas terpilih sebagai situs yang berbeda {N, D, Lo, M, L, 0, W, LS, E] dengan
koordinatnya dicatat pada Tabel 1.
1
Kotak biru muda dengan trim merah digunakan untuk menyembunyikan informasi pribadi dan tidak
relevan secara matematis.
Tabel 1: Koordinat Universitas
Nama situs Koordinat Lokasi
N (12.0, 19.9)
D (12.1, 18.8)
L (12.2,14.5)
M (10.4,13.0)
Lo (13.0,9.9)
0 (12.1,8.2)
W (12.9,5.6)
LS (15.9,4.6)
e (6.9,1.3)
Karena semua titik pada garis bagi tegak lurus sama jaraknya dengan tempat yang dibelah
dua, garis bagi tegak lurus berguna dalam pembuatan Diagram Voronoi. Dengan demikian,
garis bagi tegak lurus antara setiap situs harus ditemukan, ini akan bertindak sebagai tepi
Garis bagi tegak lurus melalui titik tengah, itulah yang harus dihitung terlebih dahulu.
Gradien garis bagi tegak lurus antara dua titik sama dengan kebalikan negatif dari gradien
m dari! ND] = YY
" %! !
18.8 - 19.9
=
12.1 - 12.0
mf [ND] = -11
dari
x dan y dari titik tengah, dan m untuk menemukan c dan dengan demikian persamaan garis
bagi tegak lurus.
y = mx + c
19,35 -11(12,05) + c
c = 19,35 12.05
11
c = 18,254
ay = x + 18,254W
11
W
W
W
Bentuk linier ini mewakili tepi antara situs N dan D .
Proses ini diulangi untuk semua tepi lainnya di antara situs. Untuk membuat prosesnya
lebih efisien, saya membuat spreadsheet di Excel untuk menemukan titik tengah dan
gradien dari garis bagi lainnya yang tegak lurus. Untuk nilai-nilai ini saya memilih
yang lain.
Situs X yi X2 Y2 M Saya Titik Titik C
-m tengah tengah y
X
DL 12.1 18.8 12.2 14.5 -43 0.02325581 12.15 16.65 16.3674419
LM 12.2 14.5 10.4 13 0.83333333 -1.2 11.3 13.75 27.31
MLo 10.4 13 13 9.9 -1.1923077 0.83870968 11.7 11.45 1.63709677
LoO 13 9.9 12.1 8.2 1.88888889 -0.5294118 12.55 9.05 15.6941176
OW 12.1 8.2 12.9 5.6 -3.25 0.30769231 12.5 6.9 3.05384615
WLS 12.9 5.6 15.9 4.6 -0.3333333 3 14.4 5.1 -38.1
LSE 15.9 4.6 6.9 1.3 0.36666667 -2.7272727 11.4 2.95 34.0409091
NL 12 19.9 12.2 14.5 -27 0.03703704 12.1 17.2 16.7518519
NM 12 19.9 10.4 13 4.3125 -0.2318841 11.2 16.45 19.0471014
NLo 12 19.9 13 9.9 -10 0.1 12.5 14.9 13.65
TIDAK 12 19.9 12.1 8.2 -117 0.00854701 12.05 14.05 13.9470085
NW 12 19.9 12.9 5.6 -15.888889 0.06293706 12.45 12.75 11.9664336
NLS 12 19.9 15.9 4.6 -3.9230769 0.25490196 13.95 12.25 8.69411765
NE 12 19.9 6.9 1.3 3.64705882 -0.2741935 9.45 10.6 13.191129
DM 12.1 18.8 10.4 13 3.41176471 -0.2931034 11.25 15.9 19.1974138
DLo 12.1 18.8 13 9.9 -9.8888889 0.1011236 12.55 14.35 13.0808989
MELAKUKAN 12.1 18.8 12.1 8.2 Belum Belum 12.1 13.5 Belum
DW 12.1 18.8 12.9 5.6 -16.5 0.06060606 12.5 12.2 11.4424242
DLS 12.1 18.8 15.9 4.6 -3.7368421 0.26760563 14 11.7 7.95352113
DE 12.1 18.8 6.9 1.3 3.36538462 -0.2971429 9.5 10.05 12.8728571
LLo 12.2 14.5 13 9.9 -5.75 0.17391304 12.6 12.2 10.0086957
LO 12.2 14.5 12.1 8.2 63 -0.015873 12.15 11.35 11.5428571
LW 12.2 14.5 12.9 5.6 -12.714286 0.07865169 12.55 10.05 9.06292135
LLS 12.2 14.5 15.9 4.6 -2.6756757 0.37373737 14.05 9.55 4.2989899
LE 12.2 14.5 6.9 1.3 2.49056604 -0.4015152 9.55 7.9 11.7344697
MO 10.4 13 12.1 8.2 -2.8235294 0.35416667 11.25 10.6 6.615625
MW 10.4 13 12.9 5.6 -2.96 0.33783784 11.65 9.3 5.36418919
MLS 10.4 13 15.9 4.6 -1.5272727 0.6547619 13.15 8.8 0.18988095
AKU 10.4 13 6.9 1.3 3.34285714 -0.2991453 8.65 7.15 9.73760684
penyebut 0, yang berarti bahwa garis tersebut memiliki gradien yang tidak ditentukan dan
dengan demikian garis bagi tegak lurus antara situs-situs ini adalah horizontal.
saya. Untuk menentukan universitas mana yang memiliki bandara paling dekat, kita hanya
perlu menambahkan lokasi bandara ke grid. Di sel mana pun bandara berada, itu akan paling
Jadi, saya memplot lokasi bandara utama Inggris ke Diagram Voronoi yang diilustrasikan oleh
titik merah. Sel tempat titik berada menunjukkan universitas mana yang paling dekat dengan
bandara. Saya mencatat berapa banyak titik di setiap sel, melalui pemeriksaan, dan mencatat
Dalam kasus bandara mana pun yang terletak di tepi antara dua sel, saya menghitungnya
seperti di kedua sel karena jarak yang sama dari titik mana pun di tepi ke salah satu situs. Ini
Dari hasil ini, kita dapat menentukan bahwa sel LS berisi jumlah bandara terbesar dan dengan
demikian situs LS paling dekat dengan jumlah bandara terbesar. Namun, kesimpulan ini
mungkin cacat karena diagram hanya memperhitungkan jarak dari koordinat dan tidak
Untuk menentukan lebih lanjut universitas mana yang paling cocok untuk saya, diperlukan
perjalanan ke setiap kampus universitas. Namun, karena saya akan memiliki anggaran siswa
yang ketat, menemukan siklus Hamiltonian yang paling tidak berbobot mulai dan berakhir di
LS (situs dengan jumlah bandara terbesar yang terdekat dengannya) adalah penting. Ini akan
dilakukan dengan mendekati solusi untuk masalah pramuniaga perjalanan praktis (TSP). Untuk
menemukan rute perjalanan terbaik, saya membuat grafik berbobot yang menunjukkan biaya
(dalam £) kereta langsung dari stasiun kereta terdekat ke universitas. Dalam hal ini, biaya
kereta merepresentasikan bobot sisi, dan stasiun kereta yang berbeda merepresentasikan
simpul. Perlu dicatat bahwa simpul pada grafik ini tidak mewakili letak geografis stasiun kereta
api.
Puncak e B HAI LS W LO M L D N
e 0 16.50 - 40.30 - - - 166.50 205.20 206.80
B 16.50 0 - 33.20 - - - - - -
HAI - - 0 10.40 - - 74.50 - - -
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 46.00 50.50 59.00
W - - - 16.00 0 - - - - -
LO - - - 66.50 - 0 - - - -
M - - 74.50 49.20 - - 0 17.70 39.40 39.40
L 166.5 - - 46.00 - - 17.70 0 20.90 25.00
D 205.2 - - 50.50 - - 39.40 20.90 0 3.50
N 206.80 - - 59.00 - - 39.40 25.00 3.50 0
Simbol '-' menunjukkan bahwa tidak ada jalur kereta langsung antara stasiun-stasiun tersebut.
Untuk menyelesaikan TSP klasik, kita harus menemukan siklus Hamiltonian (rangkaian yang
mengunjungi setiap simpul tepat satu kali sebelum kembali ke simpul awal) dengan bobot
terkecil untuk graf lengkap berbobot yang diberikan. Graf lengkap adalah graf sederhana tak
berarah yang setiap simpulnya dihubungkan oleh sisi ke setiap simpul lainnya. Seperti
ditunjukkan oleh Tabel 3, beberapa simpul tidak terhubung oleh satu sisi ke setiap simpul
lainnya (misalnya, simpul W hanya terhubung langsung ke simpul LS) dan dengan demikian
gambar 4 bukanlah graf lengkap. Oleh karena itu, TSP klasik tidak dapat diselesaikan dan
Untuk menyelesaikan TSP praktis untuk graf berbobot tertentu, rute dengan bobot terkecil yang
dimulai dan berakhir pada simpul yang sama dan mengunjungi setiap simpul setidaknya satu
kali harus ditemukan. Untuk melakukannya, kita dapat mengubah TSP praktis menjadi TSP
klasik dengan menambahkan atau mengganti sisi untuk menunjukkan jalur dengan bobot
terkecil di antara simpul yang tidak terhubung ke setiap simpul lainnya. Misalnya, rute dengan
E → LS → O = 40,30 + 10,40 . Jadi, bobot sisi yang ditambahkan antara simpul E dan simpul
O adalah 50,70 . Proses penambahan tepi baru yang menghubungkan setiap simpul ke setiap
simpul lainnya memungkinkan pembuatan graf berbobot lengkap yang ditunjukkan pada
Puncak e B HAI LS W LO M L D N
e 0 16.50 50.70 40.30 57.30 106.80 89.50 166.50 205.20 206.80
B 16.50 0 43.60 33.20 49.20 99.70 82.40 79.20 83.70 92.20
HAI 50.70 43.60 0 10.40 26.40 76.90 74.50 56.40 60.90 69.40
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 46.00 50.50 59.00
W 57.30 49.20 26.40 16.00 0 82.50 65.20 62.00 66.50 75.00
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 112.50 117.00 125.00
M 89.50 82.40 74.50 49.20 65.20 115.70 0 17.70 39.40 39.40
L 166.5 79.20 56.40 46.00 62.00 112.50 17.70 0 20.90 25.00
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 20.90 0 3.50
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 25.00 3.50 0
Sekarang setelah kami mengubah grafik menjadi grafik lengkap, kami dapat menemukan
perkiraan untuk TSP klasik. Untuk graf yang lebih kecil dengan jumlah simpul yang lebih
sedikit, mungkin praktis untuk menemukan semua kemungkinan siklus Hamiltonian dengan
memeriksa graf dan menentukan siklus dengan bobot terkecil, namun karena graf ini memiliki
banyak simpul dengan orde tinggi, metode ini tidak praktis. dan dengan demikian perkiraan
bobot minimum dari siklus Hamiltonian akan ditemukan. Untuk melakukannya, kita harus
menemukan batas atas dan batas bawah untuk bobot siklus Hamiltonian. Untuk menemukan
batas atas, algoritma tetangga terdekat dapat digunakan. Algoritma ini memiliki 4 langkah:
• Langkah 1: Pilih titik awal (untuk tujuan graf kita, titik awal harus LS)
• Langkah 2: Ikuti tepi dengan bobot paling kecil ke simpul yang belum dikunjungi.
Dengan menggunakan tabel 5, kita dapat mengikuti algoritme ini dengan membuat tabel lain
(tabel 6) yang menampilkan tepi dengan bobot terkecil, bobotnya, dan apakah sebuah siklus
telah terbentuk. Jika sebuah siklus telah terbentuk, seperti pada kasus sisi OLS, bobot sisi ini
diabaikan dan sebagai gantinya ditemukan sisi dengan bobot terkecil kedua. Untuk sisa tabel,
sisi dengan bobot paling kecil yang menghasilkan siklus diabaikan sampai setiap simpul
LS → O → W → B → E → M → L → D → N → LO → LS
Namun, karena beberapa sisi ini tidak langsung, ini bukanlah solusi yang sebenarnya. Sebagai
gantinya, kita harus memasukkan semua rute kereta api yang melewati simpul LS.
LS → O → LS → W → LS → B → E → LS → M → L → D → N → LS → LO → LS
Biarkan m menjadi bobot minimum (dari grafik? Periksa satu catatan) (tulis ulang)
m < 10,40 + 26,40 + 49,20 + 16,50 + 89,50 + 17,70 + 20,90 + 3,50 + 125,00 + 59,00
m < £418,10
Sekarang kita memiliki batas atas untuk m, kita harus menggunakan algoritma titik yang
• Langkah 1: Hapus sebuah simpul, dan sisi-sisi yang terhubung dengannya, dari graf
asli.
• Langkah 2: Temukan pohon rentang minimum (MST) untuk graf yang tersisa.
• Langkah 3: Tambahkan panjang dari dua tepi terpendek yang dihapus ke bobot pohon
rentang minimum.
Tabel di bawah ini adalah tampilan tabel 5 setelah simpul L dihapus dari tabel.
Puncak e B HAI LS W LO M D N
e 0 16.50 50.70 40.30 57.30 106.80 89.50 205.20 206.80
B 16.50 0 43.60 33.20 49.20 99.70 82.40 83.70 92.20
HAI 50.70 43.60 0 10.40 26.40 76.90 74.50 60.90 69.40
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 50.50 59.00
W 57.30 49.20 26.40 16.00 0 82.50 65.20 66.50 75.00
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 117.00 125.00
M 89.50 82.40 74.50 49.20 65.20 115.70 0 39.40 39.40
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 0 3.50
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 3.50 0
Sisi terpendek dari simpul L yang dihapus adalah LM dan LD, dengan bobot masing-masing
£17,70 dan £20,90. Ini adalah bobot yang akan ditambahkan ke bobot pohon rentang minimum.
Dengan Vertex L dihapus, sekarang kita dapat menemukan pohon merentang minimum
menggunakan algoritma Prim. Algoritma Prim dapat digunakan menggunakan dua metode
berbeda. Dalam metode pertama, tepi terdekat ke setiap simpul dipilih melalui pemeriksaan
graf. Namun, karena simpul dalam grafik (diilustrasikan termasuk simpul L pada gambar 4),
semuanya memiliki urutan 9, saya percaya itu terlalu rumit untuk menggunakan inspeksi dan
dengan demikian metode yang berbeda harus digunakan. Dalam metode ini, algoritma Prim
• Langkah 4: Lingkari entri terbawah yang belum dihapus di salah satu kolom bernomor.
Jika ada lebih dari satu kemungkinan pilihan, pilih salah satu secara acak. Baris entri
yang dilingkari menentukan simpul baru yang dipilih.
• Langkah 5: Ulangi langkah 2-4 hingga semua baris dihapus. Entri yang dilingkari akan
memberikan tepi ke pohon rentang minimum.
Bekerja:
Puncak e B HAI LS W LO M D N
4A
16.50 pada
206.80
•______ 2 JADI Sebuah 57 70 1 4 pada o0 JADI satu di
B 16.50 0 43.60 33.20 49.20 99.70 82.40 83.70 92.20
HAI 50.70 43.60 0 10 40 26.40 76.90 74.50 60.90 69.40
9a pada CQ f|f|
TC____ Aktif 33.20 1 0 40 0 1 A 00 A 40 pada BEGITU 59.00
09 54
82.50
W 57 di 4920 2640 1600 0 6520 6650 7500
LO 106.80 99.70
pada 76.90 66.50 82.50 0 115.70 117.00 125.00
_____ 89.50
pada en An
82.40 74 JADI 49.20 Seorang 1 1 S 70 N pada 40 7Q jn
115.70 0
anak
m > £273,20
£273,20 <m< £418,10
Namun…
Refleksi: tidak serta merta menunjukkan betapa mudahnya untuk sampai ke suatu
tempat karena hanya menampilkan kereta langsung. Juga, harga berfluktuasi dan itu
Bandara tidak dibangun dengan cara yang sama – bandara di Exeter mungkin tidak
ALGORITMA PRIM
Dalam algoritme Prim, kami memilih tepi satu per satu, pada setiap tahap menghubungkan simpul tambahan ke
pohon hingga semua simpul terhubung.
Kenapa saya menggunakan TSP, metode yang mana. (dengan inspeksi kita dapat mengetahui
Hamiltonian)
Grafik kami tidak lengkap dan tidak eucledian (jelaskan mengapa dengan contoh) sehingga
Grafik:
http://graphonline.ru/en/?graph=NzBEdFqPOhtzPBGn
Kesimpulannya
Investigasi ini bermanfaat bagi saya di luar matematika. Saat meneliti lokasi universitas, saya
akhirnya menemukan fitur tertentu di dalam sel universitas yang tidak saya ketahui
keberadaannya.
Namun, penyelidikan ini memiliki beberapa keterbatasan. Pertama, karena skala peta yang
besar, hampir tidak mungkin membuat lokasi situs 100% akurat sehingga akan ada kesalahan
perhitungan seperti radius. Oleh karena itu, saya memilih untuk membulatkan radius ke
kilometer terdekat, karena saya tidak mungkin mengetahui jawaban dengan tingkat presisi
Sep 2021.
http://graphonline.ru/en/?graph=gwVmUZRnolTiamri
21