Untuk mengubah bahan kulit dan tenaga kerja (≤) menjadi kesamaa
n, kita dapat mendefinisikan pembatas vaiabel yang lebah si (si = var
iabel lemah dengan pembatas). Variabel lemah adalah jumlah yang
tidak digunakan dalam pembatas.
Kintan Katrin (1603035014)
x2 ≤ 100 x2 + s2 = 100
a a a
.... x b
11 12 1n 1
1
a a
21 22
a
....
2n
x
2
b
2
A x b
................
....
....
a a .... a x b
m 1m 2 m n n m
Secara intuitif, dua solusi layak dasar adalah berdekatan jika keduanya bersebelahan
di tepi yang sama dari batas wilayah yang layak.
Langkah 1 Temukan bfs ke LP. Kami akan memanggil ini bfs awal
bfs. Secara umum, bfs terbaru akan disebut
bfs saat ini, jadi pada awal masalah, awal
bfs adalah bfs saat ini.
Nurung 1603035003
Nurung 1603035003
Nurung 1603035003
Tereshia sinta dewi 1603035011
halaman 20 - 22
Theresia Sinta Dewi 1603035011
Theresia Sinta Dewi 1603035011
Theresia Sinta Dewi 1603035011
Surianti 1603035025
halaman 23 - 25
4.3 - Algoritma simpleks (LP maks)
• Langkah 3- menentukan apakah BFS saat ini optimal
• setelah kami memperoleh bfs, kami perlu menentukan apakah itu
optimal. Untuk melakukan ini, kami mencoba untuk menentukan apakah
ada cara z dapat ditingkatkan dengan meningkatkan beberapa variabel
nonbasic dari nilai nol saat ini sambil memegang semua non dasar lainnya
variabel pada nilai zero.solving saat ini untuk z dalam hasil baris 0:
• Z = 60 × 1 + 30x2 + 20x3
• Untuk setiap variabel nonbasic, kita dapat menggunakan persamaan di
atas untuk menentukan apakah meningkatkan variabel nonbasic (sambil
memegang semua variabel nonbasic lainnya ke nol) akan meningkatkan
z.meningkatkan salah satu variabel nonbasic akan menyebabkan
peningkatan z.beberapa peningkatan x1 menyebabkan yang terbesar
tingkat peningkatan z jika peningkatan x1 di z.if x1 meningkat dari nilai nol
saat ini, itu harus menjadi variabel dasar.untuk alasan ini, x1 disebut
variabel yang masuk. amati x1 memiliki koefisien paling negatif di baris 0.
• 23
Surianti 1603035025
4.3 - Algoritma simpleks (LP maks)
• Langkah 4-kita memilih variabel yang masuk (dalam masalah max) ke
variabel nonbasic dengan koefisien paling negatif di baris 0 (ikatan rusak
secara sewenang-wenang) .kita ingin membuat x1 sebesar mungkin tetapi
seperti yang kita lakukan, variabel dasar saat ini (S1, S2, S3, S4) akan
mengubah value.thus meningkatkan x1 dapat menyebabkan variabel dasar
menjadi negatif.
PERBANDINGAN
• Dari baris 1 kita melihat bahwa S1 = 48-8x1. Sience S1 ≥ 0, x1 ≤ 48/8 = 6
• Dari baris 2 kita melihat bahwa S2 = 20-4x1. Sience S2 ≥ 0, x1 ≤ 20/4 = 5
• Dari baris 3 kita melihat bahwa S3 = 8-2x1. Sience S3 ≥ 0, x1 ≤ 8/2 = 4
• Dari baris 4 kita melihat bahwa S4 = 5. Untuk setiap x1, S4 akan selalu ≥ 0.
Ini berarti menjaga semua variabel dasar non-negatif, yang terbesar yang
dapat kita buat x1 adalah min (6,5,4) = 4.
Surianti 1603035025 24
4.3 - Algoritma simpleks (LP maks)
• Tes rasio
Ketika memasukkan variabel ke dalam basis, hitung rasio:Rhs dari variabel
baris / koefisien secara berurutanUntuk setiap kendala di mana variabel yang
masuk memiliki koefisien positif. Kendala dengan rasio terkecil adalah nilai
terbesar dari variabel yang masuk yang akan menjaga semua variabel dasar saat
ini tidak negatif.Buatlah variabel yang masuk x1, variabel dasar dalam baris 3
karena baris ini (kendala) adalah pemenang dari uji rasio (8/2 = 4).
25
Surianti 1603035025
Mastaida silaban 1603035033
halaman 26-28
Langkah 5
Metode Gauss-jordan menggunakan tabel ero dan simplex yang
ditunjukkan pada slide berikutnya membuat x1 sebagai variabel
dasar
1 8 6 1 1 48
2 4 2 1,5 1 20
4 1 1 5
Ero 2 Z X1 x2 X3 S1 S2 S3 S4 Rhs
2 4 2 1,5 1 20
4 1 1 5
Ero 3 Z X1 X2 X3 S1 S2 S3 S4 Rhs
0 1 15 -5 30 240
4 1 1 5
Ero 4 Z x1 X2 x3 S1 S2 S3 S4 Rhs
0 1 15 -5 30 240
1 -1 1 -4 16
4 1 1 5
Bentuk kanonik 1 Variabel dasar
Baris 1 - x3 + s1 – 4s3 = 16 S1 = 16
Baris 4 x2 + s4 = 5 S4 = 5
prosedur bfs pergi ke bfs yang berdekatan lebih baik disebut iterasi (atau kadang –
kadang pivot) dari algoritma simplex.
Di terjemahkan oleh :
SAPARUDIN 1603035043
Memaksimalkan Z= 3X1 + 5X2,
Bergantung pada X1 ≤ 4
2X2 ≤ 12
Dan 3X1 + 2X2 ≤ 18
X1 ≥ 0, X2 ≥ 0
Di terjemahkan oleh :
SAPARUDIN 1603035043
Bernadus Kanisius1603035066
halaman 35 - 37
Bernadus Kanisius 1603035066
Bernadus Kanisius 1603035066
Bernadus Kanisius 1603035066
Afendi sianifar 1603035020
halaman 38 - 40
Afendi Sianifar 1603035020
Afendi Sianifar 1603035020
Afendi Sianifar 1603035020
Eluzai Eben Hezer Saragih 1603035064
halaman 41 - 43
Eluzai Eben Hezer Saragih1603035064
Eluzai Eben Hezer Saragih1603035064
Ahmad Thoyib1603035018
halaman 44 - 46
Ahmad Thoyib 1603035018
Ahmad Thoyib 1603035018
Ahmad Thoyib 1603035018
Ribut Adi Siswanto 1603035061
halaman 47 - 51
4,5 - Solusi Optimal alternatif
Untuk beberapa piringan hitam, lebih dari
satu titik ekstrim optimal. Jika LP memiliki lebih dari
satu solusi optimal, ia memiliki beberapa solusi
optimal.
Bevco memproduksi minuman ringan rasa jeruk yang disebut Oranj dengan
menggabungkan soda jeruk dan jus jeruk. Setiap soda jeruk mengandung 0,5 oz gula
dan 1 mg vitamin C. Setiap ons jus jeruk mengandung 0,25 oz gula dan 3 mg vitamin C.
Biayanya Bevco 2 ¢ untuk menghasilkan satu ons soda jeruk dan 3 ¢ untuk
menghasilkan satu ons jus jeruk. departemen pemasaran Bevco telah memutuskan
bahwa setiap botol 10-oz harus mengandung setidaknya 30 mg vitamin C dan paling
banyak 4 oz gula. Menggunakan pemrograman linear untuk menentukan bagaimana
Bevco dapat memenuhi kebutuhan departemen pemasaran dengan biaya minimum.
Rafly Rizaini1603035007
Jika semua variabel buatan di solusi optimal sama dengan
nol, solusinya adalah optimal. Jika variabel buatan setiap
positif dalam solusi optimal, masalahnya adalah tidak layak.
Row z x1 x2 s1 e2 a2 a3 rhs
0 1.00 -2.00 -3.00 -M -M 0.00
1 0.50 0.25 1.00 4.00
2 1.00 3.00 -1.00 1.00 20.00
3 1.00 1.00 1.00 10.00
Rafly Rizaini1603035007
Pivot 1 z x1 x2 s1 e2 a2 a3 rhs ratio ero
0 1.00 2m - 2 4M -3 -M 30M Row 0 + M(Row 2) + M(Row 3)
1 0.50 0.25 1.00 4.00 16
2 1.00 3 -1.00 1.00 20.00 6.67
3 1.00 1.00 1.00 10.00 10
ero 1 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 2m - 2 4M -3 -M 30M
1 0.50 0.25 1.00 4.00
2 0.33 1 -0.33 0.33 6.67 Row 2 divided by 3
3 1.00 1.00 1.00 10.00
ero 2 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 (2M-3)/3 (M-3)/3 (3-4M)/3 (60+10M)/3 Row 0 - (4M-3)*(Row 2)
1 0.50 0.25 1.00 4.00
2 0.33 1 -0.33 0.33 6.67
3 1.00 1.00 1.00 10.00
ero 3 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 (2M-3)/3 (M-3)/3 (3-4M)/3 (60+10M)/3
1 0.42 1.00 0.08 -0.08 2.33 Row 1 - 0.25*(Row 2)
2 0.33 1 -0.33 0.33 6.67
3 1.00 1.00 1.00 10.00
ero 4 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 (2M-3)/3 (M-3)/3 (3-4M)/3 (60+10M)/3
1 0.42 1.00 0.08 -0.08 2.33
2 0.33 1 -0.33 0.33 6.67
3 0.67 0.33 -0.33 1.00 3.33 Row 3 - Row 2
Rafly Rizaini1603035007
Pivot 2 z x1 x2 s1 e2 a2 a3 rhs ratio
0 1.00 (2M-3)/3 (M-3)/3 (3-4M)/3 (60+10M)/3
1 0.42 1.00 0.08 -0.08 2.33 5.60
2 0.33 1 -0.33 0.33 6.67 20.00
3 0.67 0.33 -0.33 1.00 3.33 5.00
ero 1 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 (2M-3)/3 (M-3)/3 (3-4M)/3 (60+10M)/3
1 0.42 1.00 0.08 -0.08 2.33
2 0.33 1 -0.33 0.33 6.67
3 1.00 0.50 -0.50 1.50 5.00 (Row 3)*(3/2)
ero 2 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 -0.50 (1-2M)/2 (3-2M)/2 25.00 Row 0 + (3-2M)*(Row 3)/3
1 0.42 1.00 0.08 -0.08 2.33
2 0.33 1.00 -0.33 0.33 6.67
3 1.00 0.50 -0.50 1.50 5.00
ero 3 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 -0.50 (1-2M)/2 (3-2M)/2 25.00
1 1.00 -0.13 0.13 -0.63 0.25 Row 1 - (5/12)*Row 3)
2 0.33 1.00 -0.33 0.33 6.67
3 1.00 0.50 -0.50 1.50 5.00
ero 4 z x1 x2 s1 e2 a2 a3 rhs ero
0 1.00 -0.50 (1-2M)/2 (3-2M)/2 25.00 Optimal Solution
1 1.00 -0.13 0.13 -0.63 0.25
2 1.00 -0.50 0.50 -0.50 5.00 Row 2 -(1/3)*Row 3
3 1.00 0.50 -0.50 1.50 5.00
Rafly Rizaini1603035007
Nafhan Syaiful haqi 1603035051
halaman 64 - 66
Nafhan Syaiful Haqi 1603035051
Nafhan Syaiful Haqi 1603035051
Apa yang harus diminimalisir dan kapan ?
Meminimalisir deviasi negatif jika kendalanya ( lebih besar atau sama ) atau
terdengar seperti kita ingin melebihi nilai RHS
Mminimalisir deviasi positif jika kendalanya (lebih kecil atau sama ) atau
terdengar seperti kita tidak ingin melebihi nilai RHS
Meminimalisir keduanya jika kendalanya sama