Fungsi Single Variabel #2

Angga Akbar Fanani, ST., MT

Fungsi Convex

Suatu fungsi dengan n variabel f(x) didefinisikan dalam

set convex D dikatakan Convex jika dan hanya jika untuk
sembarang dua titik x(1) dan x(2) dalam D dan 01,
f( x(1) + (1 - ) x(2)) f(x(1))+ (1- )f(x(2))
Properti fungsi convex

Garis yang menghubungkan dua titik sembarang yang

terletak dalam kurva selalu berada pada atau di atas
kurva diantara dua titik tersebut.
Slope atau turunan pertama dari f(x) increasing atau
tidak decreasing ketika x increase.
Turunan kedua dari f(x) selalu nonnegative untuk semua
x dalam interval
Linear approximation dari f(x) pada sembarang titik di
dalam interval tersebut selalu underestimate nilai fungsi
aslinya.
Untuk suatu fungsi convex, suatu local minimum
selalu sekaligus menjadi global minimum
Fungsi convex
f(x1)+(1-)f(x2) f(x2)
f(x)
f(x1)

f[x1+(1-)x2]

x1 x1+(1-)x2 x2

Garis yang menghubungkan dua titik sembarang yang

terletak dalam kurva selalu berada pada atau di atas kurva
diantara dua titik tersebut.
 f(x)

f(x)
f(x0)

f(x0)+ f(x0)(x-x0)

x0 x

Linear approximation dari f(x) pada sembarang titik di

dalam interval tersebut selalu underestimate nilai fungsi
aslinya.
Convex and concave identification

F(x) = x - 2x + 2
F(x) = x - x
Contoh: Polynomial Problem
Misal: max f ( x) x 3x 9 x 10
3 2

pada interval of [-2,4].

df
x x* 3x 6 x 9 0 x* 3,1
2

dx
40

and f(3)=37, f(-1)=5 35

3 adalah optimum point. 30

f(x) 25

20

15

10

5
-2 -1 0 1 2 3 4

x x*
2. Example- Continued
Carilah nilai minimum dari f(x)=3x2+12/x-5

df/dx=6x-12/x2=0
Solutions Methods (1)
Analytical Approach

min f x
Problem:
x

s.t. a x b

Algorithm
Step 1: Set df/dx=0 and solve all stationary points.
Step 2: Select all stationary point x1, x2,,xN in [a,b].
Step 3: Compare function values f(x1), f(x2),,f(xN) and
find global minimum.
Example: Polynomial Problem
max f ( x) x 3 3x 2 9 x 10
Example:
In the interval of [-2,4].
df
x x* 3x 6 x 9 0 x* 3,1
2

dx 40

and f(3)=37, f(-1)=5 35

3 is the optimum point. 30

f(x) 25

20

15

10

5
-2 -1 0 1 2 3 4

x x*
Problems

Cost function harus dinyatakan secara eksplisit

Turunan dari fungsi ongkos harus dituliskan
secara eksplisit
Selesaiakn persamaan turunan
Dalam banyak kasus persamaan turunan tidak
diselesaikan secara analitik tetapi secara
numerik, misalnya menggunakan metoda
Newtons yang lebih mudah dibanding
menggunakan cara analitik
Problems - Continued

x*

a
b

Location of global
minimum
Metoda Search single variable
Min f(x), st a x b
Masalah yang sering kita hadapi
Untuk sembarang titik x mungkin f(x) tidak eksis
jadi kita tidak bisa menggunakan metoda kalkulus. Perlu
suatu metoda yang tidak memerlukan f(x).
f(x)=0, sulit dicari solusinya
Untuk fungsi tertentu, kadang-kadang f(x) = 0 tidak mudah
dicari solusinya. Apalagi kalau f(x) mempunyai pangkat
pecahan. Untuk itu perlu dicari cara bagaimana menemukan
titik optimal yang tidak memakai turunan.
Metodanya antara lain: Interval halving, Golden section
Interval halving (tidak memakai gradien)

Kita asumsikan fungsi f(x) adalah fungsi

minimasi unimodal dalam selang [a,b]. Dalam
interval halving kita bagi interval pencarian
menjadi empat bagian yang sama dan dalam
setiap iterasi kita kurangi intervalnya menjadi
separuh dari interval semula.
 Interval Halving
f(x) Minimum terletak antara (a,x2)

f2

f1

fm

x
a x1 xm x2 b
Situasi dimana f(x1)<f(x2)
 Interval Halving
f(x) Minimum terletak antara (x1,b)

f1

f2
fm

x
a x1 xm x2 b
Situasi dimana f(x1)>f(x2)
Algoritma Interval halving

Ulangi sampai kriteria penghentian dipenuhi

L=b-a;
xm=(a+b)/2;
x1=a+L/4;
x2=b-L/4;
Hitung f(x1), f(x2) dan f(xm)
Jika f(x1)<= f(xm)
maka eliminasi (xm,b) dan set b=xm;
jika f(x2)<= f(xm)
maka eliminasi (a,xm) dan set a=xm;
jika f(xm) f(x1) dan f(xm) f(x2)
maka eliminasi (a,x1) dan set a=x1;
eliminasi (x2,b) dan set b=x2;
Selesai
Contoh
Carilah minimum dari f(x)=(100-x)2,
80 x 110, dengan interval halving
a=80, b=110, L=110-80=30
xm=0.5(80+110)=140
x1=80+(1/4) 30=87.5, x2=110-(1/4) 30=102.5
f(x1)=(100-87.5)2=
f(x2)=(100-102.5)2= dst
 19

Golden Section
Golden section search, salah satu metoda untuk mencari
titik optimal pada single variabel jika diketahui interval awal
b-a
f(x) Golden section ratio:

1 5
0,61803...
2

(1-)L 0 L0 1-
L0 (1-)L 0

a x3 x1 x2 b x

2L0
L0
Ide dasar
(untuk kasus minimasi fungsi)
Kita ambil 2 titik x1 < x2 dalam L=[a,b], bandingkan
f(x1) dan f(x2), jika
kasus 1
Dalam kasus minimasi jika f(x1) < f(x2) maka kita
eliminasi area x > x2 sehingga x*[a,x2].
kasus 2
f(x1) = f(x2) maka eliminasi area x < x1 dan x > x2 ,
sehingga x*[x1,x2].
kasus 3
f(x1) > f(x2) maka eliminasi area x < x1 sehingga
x*[x1,b]
 L1

L2
a x1 x2 b

L2

L3 L4

b x2 x1 a
 Dalam hal ini berlaku prinsip L1=L2+L3
L2=L3+L4 dan
jika L2 = rL1 dan L3= rL2 = r2L1 ,
dimasukkan ke dalam L1=L2+L3, maka akan
didapat
L1= rL1+ r2L1 r+r2-1=0
Dengan menyelesaikan persamaan kuadrat ini
ditemukan r=0.618.
 23

Golden section search

Panjang interval awal mencakup titik optimal:

L0 = b a

Fungsi f(x) dievaluasi pada 2 titik:

x1 a (1 )L0
x2 a L0
jika f(x1) < f(x2), maka x* terletak dalam interval (a, x2).
jika f(x1) f(x2), maka x terletak dalam interval (x1, b).

Panjang interval baru: L1 x 2 a b x1 = L0

 24

Golden section search

Panjang dari interval of uncertainty setelah N iterasi:

LN L0 N

jumlah iterasi yang diperlukan untuk suatu interval of

uncertainty, LN:
n L N L0
N
n
Convergence criteria:
(i) N Nmax

(ii) L N 1

(iii
f x N 1 f x N 2
Algoritma: Golden-Search
Tentukan a, b
Lakukan sampai stopping criteria tercapai (jumlah
iterasi)
r=0.618;
x1= a+(1-r)*(b-a);
x2= a-r*(b-a);
jika f(x1) > f(x2), a=x1;
jika f(x1)=f(x2), a=x1,b=x2;
Untuk lainnya (f(x1)<f(x2))
b=x2;
end
Contoh f(x)=(100-x)2 60<=x<=110
Gunakan a=60, b=110, r=0.618