Eni Sumarminingsih
Jurusan Matematika
Fakultas MIPA
UNIVERSITAS BRAWIJAYA
PENDAHULUAN
Secara umum masalah pemrograman nonlinear
dapat dinyatakan sebagai berikut:
Tentukan nilai variabel keputusan x1 , x2 ,..., xn untuk
permasalahan
max (atau min) z f x1 , x 2 ,..., x n
dengan kendala
g1 x1 , x 2 ,..., x n , , b1
g 2 x1 , x 2 ,..., x n , , b2
di mana f dan g adalah
g m fungsi
x1 , x 2 ,..., x nnonlinear
, , bm
PENDAHULUAN
Pemrograman nonlinear tanpa kendala dengan satu
peubah :
max (atau min) f x
x a, b
Konsep Dasar :
Penyempitan selang
a x1 x3 x* x4 x2 b
Algoritma Golden Section
Search
Panduan mempersempit selang
• Jika f ( x1 ) f ( x2 ) ,persempit selang menjadi
[ x1 , b]
• Jika f ( x1 ) f ( x2 ) ,persempit selang menjadi
[a, x2]
• Jika f ( x1 ) f ( x2 ) ,persempit selang menjadi
[a, x2]
Selang [a, x2] atau [ x1 , b] di mana x* mungkin
berada dinamakan selang ketidakpastian (SK)
Algoritma Golden Section
Search
Algoritma :
1. Tetapkan I k = Interval (selang ketidakpastian) pada iterasi k.
selang ketidakpastian untuk iterasi 0 adalah [a,b]. Kemudian
evaluasi f ( x1 ) dan f ( x2 ) di mana :
x1 b r (b a ) b rLk
x2 a r (b a) a rLk
Dengan Lk = panjang selang ketidakpastian pada iterasi
k.
Untuk iterasi 0L0, = |a – b|.
r2 r 1
r adalah akar dari persamaan atau
r = 0.618.
a = batas bawah selang ketidakpastian
b = batas atas selang ketidakpastian.
Algoritma Golden Section
Search
2. Tentukan Selang Ketidakpastian baru ( Iberdasar
k 1 )
panduan yang telah dijelaskan sebelumnya.
3. Kembali ke langkah 1 sampai didapat
yang cukup kecil Lk
Algoritma Golden Section
Search
Alasan dipilihnya r yang merupakan akar dari
persamaan r 2 r 1adalah masalah efisiensi.
Bukti
• Jika f ( x1 ) f ( x2 ), selang dipersempit menjadi
[ x1 , b]
x3 b rsehingga
(b x1 ) x3 dan x4 dapat diperoleh dari
b r[r (b a)] b r 2 (b a)
b (1 r )(b a) b b a rb ra
a r (b a ) x2
x4 x1 r (b a )
Algoritma Golden Section
Search
• Jika f ( x1 ) f ( x2 ), selang dipersempit menjadi [a, x2 ]
sehingga x3 dan x4 dapat diperoleh dari
x3 x2 r x2 a
x4 a r ( x2 a ) a r[r (b a )]
a r 2 (b a) a (1 r )(b a)
a b a rb ra b r (b a)
x1
Algoritma Golden Section
Search
• keistimewaan lainnya adalah dapat
diketahuinya banyak iterasi yang akan
dilakukan bila diketahui nilai yang
dikehendaki
Algoritma Golden Section
Search
Lk r k b a r k L0
k k
L
Iterasi akan berhenti bila k r b a r L0
r k / L0
ln r k ln / L0
k ln r ln / L0
karena nilai ln r adalah negatif maka didapat
ln( / L0 )
k
ln r
Contoh aplikasi
Max f ( x) x e x
s.t -1 x 3
Iterasi 0
I 0 = [-1,3]
L0 = |-1 – 3 | = 4
x1 b r (b a ) b rL0 = 3 – 0.618 (4) = 0.528
x2 a r (b a) a rL0 = -1 + 0.618(4) =
x1 ) x1 e x1 0.528 e 0.528 1.1675
f (1.472
f ( x 2 ) x 2 e x2 1.472 e1.472 2.886
f ( x1 ) f ( x 2 ) I 1 [ a , x2 ] = [-1, 1.472]
Contoh aplikasi
Iterasi 1
I1 = [-1, 1.472]
L1 =| -1 – 1.472 | = 2.472
x1 b r (b a) b rL1 = 1.472- 0.618(2.472) = -0.0557
x2 a r (b a ) a rL1 = -1 + 0.618(2.472) = 0.5277
f ( x1 ) x1 e x1 0.0557 e 0.0557 1.00152
f ( x 2 ) x 2 e x2 0.5277 e 0.5277 1.1673
f ( x1 ) f ( x 2 ) I1 [a, x2 ] [1,0.5277]
Penutup