Pengganda Lagrange

Teknik Optimasi
Semester Ganjil 2013/2014

METODE LAGRANGE PADA NLP DENGAN

SATU KENDALA

Digunakan untuk memaksimumkan fungsi

obyektif f(x, y, z) subject to suatu kendala
dalam bentuk g(x, y, z) = k.

PENGGANDA LAGRANGE

Untuk mempermudah pemahaman metode

ini secara geometris, diterapkan terlebih
dahulu pada fungsi-fungsi dengan dua
variabel.

Ingin dicari nilai maksimum dari f(x, y)

subject to suatu kendala dalam bentuk
g(x, y) = k.

PENGGANDA LAGRANGE DUA VARIABEL

Nilai maksimum bagi f(x, y) harus berada

pada level kurva g(x, y) = k.
Gambar berikut menunjukkan level kurva g(x, y) = k

bersama beberapa level kurva f(x, y) = c,

c = 11, 10, 9, 8, 7

PENGGANDA LAGRANGE DUA VARIABEL

Untuk memaksimumkan f(x, y) subject to

g(x, y) = k adalah mencari
Nilai c terbesar sedemikian sehingga level kurva
f(x, y) = c bertemu dengan g(x, y) = k
mempunyai
gradien yang sama

PENGGANDA LAGRANGE DUA VARIABEL

Gradien/garis normal pada titik singgung (x0 , y0)

adalah sama untuk kedua fungsi.
Vektor gradien paralel
Untuk skalar tertentu :

f ( x 0 , y 0 ) g ( x 0 , y 0 )

PENGGANDA LAGRANGE TIGA VARIABEL

Serupa dengan argumen pada fungsi dengan

dua variabel, pada kasus maksimum dari
f(x, y, z) subject to kendala g(x, y, z) = k.
Solusi (x, y, z) harus berada pada level
g(x, y, z) = k.
Jika nilai maksimum dari f ada pada titik x0, y0, z0 di
mana f(x0, y0, z0) = c, maka pada titik tersebut gradien
dari f akan sama dengan gradien dari g(x, y, z) = k.
Untuk skalar tertentu :

f x0 , y0 , z0 g x0 , y0 , z0

PENGGANDA LAGRANGEMETODE

a. Tentukan semua nilai x, y, z, dan

sedemikian

f x , y , z g x , y , z

dan
g x,semua
y, z ktitik (x, y, z) yang
b. Evaluasi f pada
dihasilkan di langkah a.
Nilai terbesar maksimum bagi f.
Nilai terkecil minimum bagi f.

METODE LAGRANGE

Pada penurunan dengan metode

Lagrange, diasumsikan bahwa g 0
Pada semua titik di mana g(x, y, z) = k

g 0

METODE LAGRANGE

Pada langkah a di mana f g

Persamaan vektor gradien tersebut harus
dinyatakan per komponen (turunan parsial)
sedemikian:
fx = gx fy = gy fz = gz g(x, y, z) = k
Merupakan sistem dari 4 persamaan dengan 4 variabel
yang tidak diketahui x, y, z, and .
Tidak harus memperoleh nilai eksplisit bagi .

METODE LAGRANGE

Prinsip tersebut ekuivalen dengan

permasalahan:
Max atau Min bagi:
L(x, y, z, ) = f(x, y, z) (k - g(x, y, z))

f.o.c bagi permasalah tsb:

Lx = fx gx =0 fx = gx
Ly = fy gy =0 fx = gx
Lz = fz gz =0 fz = gz
L = k g(x, y, z) =0 g(x, y, z) = k

METODE LAGRANGE

Untuk fungsi dengan dua variabel, cara

yang sama dapat dilakukan

max atau min f(x, y)

s.t. g(x, y) = k,
Ingin diperoleh x, y, dan sedemikian:
(2 turunan parsial saja)
fx = gx fy = gy

g(x, y) = k

Tiga persamaan untuk menyelesaikan tiga variabel x, y, and .

METODE LAGRANGE

Prinsip tersebut ekuivalen dengan

permasalahan:
Max atau Min bagi:
L(x, y, ) = f(x, y) (k - g(x, y))

f.o.c bagi permasalah tsb:

Lx = fx gx =0 fx = gx
Ly = fy gy =0 fx = gx
L = k g(x, y) =0 g(x, y) = k

Interpretasi Untuk Analisis Sensitifitas

Dari hubungan:
fx = gx fy = gy

g(x, y) = k

= fx / gx= fy / gy
Adalah laju perubahan nilai fungsi akibat
perubahan nilai pada kendala
Efek perubahan ketersediaan bahan baku
(ruas kanan kendala) terhadap nilai optimal
fungsi

Contoh:

Untuk permasalahan berikut, yang penjelasannya

akan saya berikan di kelas

METODE LAGRANGE PADA NLP DENGAN

BEBERAPA KENDALA

Digunakan i sejumlah kendala (m) yang digunakan

i = 1, , m
Misal untuk dua variabel
max atau min f(x, y)
s.t. gi(x, y) = ki, i = 1, , m

Ingin diperoleh x, y, dan i , i = 1, , m sedemikian:

fx = 1 g1x + + m gmx
fy = 1 g1y + + m gmy
gi(x, y) = ki, i = 1, , m

Ekuivalen dengan:

Max atau Min bagi:

L(x, y, 1, , m)= f(x, y) 1(k1 g1(x, y))
m(km gm(x, y))
f.o.c bagi permasalah tsb:
Lx = fx 1 g1x m gmx =0
Ly = fy 1 g1y m gmy =0
Li = ki gi(x, y) =0 untuk i = 1, , m

SOAL -SOAL

1. Minimize f(x) = +
S.t.
2. Minimize +
s.t
3. Minimize
s.t.