Pemrograman Non Linier(NLP)

Program tak linier (Non linear programming (NLP))

adalah suatu program dalam masalah optimisasi yang
mempunyai fungsi objektif tidak linier dan beberapa
atau semua fungsi kendala tidak linier, akan tetapi
tidak diketahui konveks atau tidak konveks
Konsep NLP
Mencari nilai dari suatu peubah
keputusan x1, ..., xn dari
permasalahan:
max (min) z =f(x1,...xn)
s.t. g1 (x1,...xn) (,=,)b1
.
.
.
gm (x1,...xn) (,=,)bm
di mana z dan gi, i = 1, ..., n suatu
fungsi yang non linier. Dimungkinkan
maksimisasi/minimisasi tanpa
kendala
Perbedaan antara NLP dan
Pemrograman Linier (LP)
Himpunan Konveks (Convex set):
himpunan titiktitik S di mana
sembarang pasangan titik di dalam
himpunan S dihubungkan oleh garis
yang seluruh titik pada garis tersebut
juga di S
Definisi daerah feasibel (feasible
region):
Himpunan titik (x1,...xn) yang
memenuhi seluruh m kendala
10/17/2016
5
Definisi solusi optimal bagi NLP
Kasus maks:
Kasus min:

Suatu titik di feasible region di mana

Untuk semua x di feasible region
Suatu titik di feasible region di mana
Untuk semua x di feasible region
Di dalam LP dengan daerah feasibel
yang berupa himpunan konveks,
solusi optimal adalah salah satu dari
titik ekstrim (titik pojok)
Di dalam NLP, walalupun daerah
feasibel berupa himpunan konveks,
solusi optimal belum tentu pada titik
ekstrim (titik pojok)
Contoh :
Jika digunakan K unit alat dan L orang
tenaga kerja, maka suatu perusahaan
dapat memproduksi KL unit suatu
produk.
Jika alat dapat dibeli $4 per unit,
tenaga kerja harus dibayar $1/orang,
dan dimiliki modal $8 untuk membeli
alat dan membayar tenaga kerja,
bagaimana perusahaan tadi
memaksimumkan jumlah barang
yang akan diproduksi?
Daerah feasibel (ABC) berupa
himpunan konveks
Titik D terkena garis isoprofit
paling akhir, tapi bukan titik pojok

Fungsi obyektif:
memaksimumkan
jumlah produksi
sebagai fungsi dari
alat dan tenaga kerja
Kendala modal, dan
non negatifitas
Ekstremum Lokal (maks/min)
Suatu titik feasibel x = (x1, ... , xn)
adalah titik maksimum lokal jika
- Untuk relatif kecil dan sembarang
titik feasibel x = (x1, ... , xn) di
mana

Berlaku:
 Ekstremum Lokal
(maks/min)
Suatu titik feasibel x
= (x1, ... , xn)
adalah titik
maksimum lokal
jika
Berlaku : - Untuk relatif kecil
dan sembarang titik
feasibel x =
(x1, ... , xn) di
mana
Ekstremum Lokal (maks/min)
Suatu titik feasibel x = (x1, ... , xn)
adalah titik minimum lokal jika
- Untuk relatif kecil dan sembarang
titik feasibel x = (x1, ... , xn) di
mana
Ekstremum Lokal (maks/min)
Untuk suatu LP maksimum/minimum
lokal pasti solusi optimal, tetapi tidak
untuk NLP
10/
Contoh 2
Fungsi obyektif non linier dengan
daerah feasibel berupa selang
tertutup di antara 0 sampai dengan
10
10/
Titik A dan B adalah titik maksimum
lokal
Akan tetapi hanya C yang
merupakan solusi optimal karena
bersifat maksimum global
NLP tidak mempunyai asumsi aditif
dan proportionalitas seperti di dalam
LP
Pada LP jika nilai peubah keputusan
x dinaikkan satu unit, maka fungsi
obyektif akan meningkat/menurun
secara proporsional
Tidak berlaku bagi NLP