Pemrograman Non LinierNLP
Pemrograman
Non
Linier(NLP)
Footer Text
8/15/17
1
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
Footer Text
8/15/17
2
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
Eni Sumarminingsih,Ssi, MM
(a) dan (b) himpunan
konveks
8/15/17
3
Definisi
Daerah Feasibel:
•
Himpunan titik (x1, ... , xn) yang memenuhi seluruh m kendala
Definisi Solusi Optimal bagi NLP:
• Untuk maks: titik feasibel di mana f( ) > f(x) x daerah
feasible
• Untuk min: titik feasibel di mana f( ) f(x’) x’ (K S)
-Minimum lokal jika f (x) < f(x’) x’ (K S)
Untuk suatu LP maksimum/minimum lokal pasti
solusi optimal, tetapi tidak untuk NLP
Footer Text
8/15/17
9
Contoh 3:
Max z = f(x)
s.t. 0< x < 10
Footer Text
8/15/17
10
Footer Text
8/15/17
11
Non
Linier(NLP)
Footer Text
8/15/17
1
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
Footer Text
8/15/17
2
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
Eni Sumarminingsih,Ssi, MM
(a) dan (b) himpunan
konveks
8/15/17
3
Definisi
Daerah Feasibel:
•
Himpunan titik (x1, ... , xn) yang memenuhi seluruh m kendala
Definisi Solusi Optimal bagi NLP:
• Untuk maks: titik feasibel di mana f( ) > f(x) x daerah
feasible
• Untuk min: titik feasibel di mana f( ) f(x’) x’ (K S)
-Minimum lokal jika f (x) < f(x’) x’ (K S)
Untuk suatu LP maksimum/minimum lokal pasti
solusi optimal, tetapi tidak untuk NLP
Footer Text
8/15/17
9
Contoh 3:
Max z = f(x)
s.t. 0< x < 10
Footer Text
8/15/17
10
Footer Text
8/15/17
11