Академический Документы
Профессиональный Документы
Культура Документы
Sc
Department of Mathematics FMI PA UNS
Lecture 2: Optimization of Function of One Variable
A. Pendahuluan
Ide dasar dari masalah optimisasi adalah mengoptimumkan (memaksimumkan/
meminimumkan) suatu besaran skalar yang merupakan harga suatu fungsi dari n
variabel x
1
,x
2
,,x
n
.
Bentuk masalah minimisasi:
Minimumkan:
z =(x
1
,x
2
,,x
n
). (2.1)
Masalah maksimisasi dapat ditinjau dari metode minimisasi, karena
Maksimum (x
1
,x
2
,,x
n
) = minimum ((x
1
,x
2
,,x
n
)). (2.2)
Sehingga tanpa mengurangi keumuman, pada penyelesaian masalah optimasi berikutnya hanya
dibahasmasalah minimisasi.
Jika jumlah variabel n =1, maka (2.1) menjadi
Minimumkan: z =(x) (2.3)
yang merupakan masalah optimasi fungsi satu variabel.
B. Fungsi Unimodal dan Fungsi Konveks
Unimodal. Fungsi satu variabel adalah unimodal jika pada selang (daerah definisi)
kurvanya hanya mempunyai satu titik minimum/ maksimum relatif x
.
Gambar 2.1Ilustrasi fungsi unimodal, bimodal dan multimodal
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Himpunan Konveks.
Definisi 2.1Suatu himpunan S dikatakan konveks jika dan hanyajika x
1
,x
2
S dan
[0,1] berlaku
x = x
1
+(1)x
2
S.
Dengan kata lain S merupakan himpunan konveks jika garis hubung (linesegment)
antara sebarang dua titik di S juga berada di S. Untuk selanjutnya, titik x =x
1
+
(1)x
2
dengan 0 1 disebut kombinasi konveks (convex combination) dari
titik x
1
dan x
2
.
(a) Konveks (b) Tidak konveks
Gambar 2.2Ilustrasi himpunan konveks
The following are some examples of convex sets.
1. H yperplane
S ={(x
1
,x
2
,x
3
):x
1
+2x
2
x
3
=4} E
3
This is an equation of a plane in E
3
. In general,
S ={x:p
t
x =o}
is called a hyperplanein E
n
, where p is anonzero vector in E
n
, usually referred
to as the normal to the hyperplane, and o is ascalar.
sol =Sol:c[x +2y z ==4,z]
Plot3[E:oluotc[z/ .sol],{x,50,50},{y,50,50}]
Gambar 2.3Illustration of hyperplane.
x
1
x
2
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
2. H alfspace
S ={(x
1
,x
2
,x
3
):x
1
+2x
2
x
3
4} E
3
These are points on one side of the hyperplane defined above. These points
form a half space. In general
S ={x: p
t
x o}
in E
n
is a convex set.
RcgionPlot3[x +2y z
4,{x,10,10},{y,10,10},{z,10,10}]
Gambar 2.4Illustration of half space.
3. Polyhedral set
S =_
(x
1
,x
2
,x
3
):x
1
+2x
2
x
3
4,
2x
1
x
2
+x
3
6
_ E
3
This set is the intersection of two half spaces. In general, the set
S ={x:Ax b}
is a convex set, where A is an mn matrix, and b is an m vector. This set is
the intersec-tion of m half spaces and is usually called a polyhedral set.
RcgionPlot3[x +2y z 4&&2x y +z
6,{x,10,10},{y,10,10},{z,10,10}]
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
Gambar 2.5Illustration of polyhedral set.
4. Convex cone
S ={(x
1
,x
2
):x
2
|x
1
|} E
2
This set represents a convex conein E
2
.
RcgionPlot[y Abs[x],{x,10,10},{y,10,10}]
Gambar 2.6Illustration of convex cone.
5. Points on and inside a circle
S ={(x
1
,x
2
):x
1
2
+x
2
2
4} E
2
This set represents points on and inside a circle with center (0,0) and radius 2.
RcgionPlot[x
2
+y
2
4,{x,2,2},{y,2,2}]
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
Gambar 2.7Illustration of points on and inside a circle
6. Linear programming problem
S ={x:x solves problcm P below}
ProblemP
Minimize c
t
x
Subject to Ax =b
x 0
Here c is an n vector, b is an mvector, A is an mn matrix, and x is an n
vector. The set S gives all optimal solutions of the linear programmingproblemof
minimizing the linear function c
t
x over the polyhedral region defined by
Ax =b and x 0.
The following lemma is an immediate consequence of the definition of convexity. It
states that the intersection of two convex sets is convex and that the algebraic sum
of two convex sets is also convex.
Lema 2.2 Misal S
1
andS
2
merupakan himpunan konveksdi E
n
. Maka
1. S
1
S
2
konveks
2. S
1
+S
2
={x
1
+x
2
:x
1
S
1
,x
2
S
2
}konveks
3. S
1
S
2
={x
1
x
2
:x
1
S
1
,x
2
S
2
}konveks.
Fungsi Konveks.
Definisi 2.3Suatu fungsi adalah konvekspada suatu selangS (berhingga ataupun tidak),
jikax
1
,x
2
S dan [0,1] berlaku
( x
1
+(1)x
2
) (x
1
) +(1)(x
2
). (2.4)
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
Gambar 2.8Ilustrasi fungsi konveks
Fungsi Konveks Tegas. Jika (2.4) berlaku dengan tanda ketidaksamaan tegas (strict
inequality), yaitu
( x
1
+(1)x
2
) < (x
1
) +(1)(x
2
) (2.5)
untuk x
1
x
2
dan (0,1), maka fungsi tersebut dikatakan konveks tegas
(strictlyconvex).
Fungsi Konkav. Jika(2.4) berlaku dengan tanda ketidaksamaan terbalik, yaitu
( x
1
+(1)x
2
) (x
1
) +(1)(x
2
). (2.6)
maka fungsi dikatakan konkav (concave).
Gambar 2.9Ilustrasi fungsi konkav
Fungsi Konveks Tegas. Jika (2.6) berlaku dengan tanda ketidaksamaan tegas (strict
inequality), yaitu
( x
1
+(1)x
2
) > (x
1
) +(1)(x
2
) (2.7)
untuk x
1
x
2
dan (0,1), maka fungsi tersebut dikatakan konkav tegas
(strictlyconcave).
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
Jadi berlaku pernyataan berikut:
Jika fungsi konveks, maka konkav.
dan Jika fungsi konveks tegas, maka konkav tegas.
Demikian juga sebaliknya.
Catatan.
1. Fungsi konveks/ konkav adalah fungsi yang unimodal.
2. Fungsi linear (linear function) merupakan fungsi konveks dan fungsi konkav.
(a) Fungsi konveks dan konkav (b) Fungsi not conveksnot concave
Gambar 2.10Ilustrasi fungsi konveks dan fungsi konkav serta tidak keduanya
C. Minimum Mutlak (Global) dan Minimum Relatif (Lokal)
Definisi 2.4. Fungsi dikatakan memiliki minimumrelatif (minimumlokal) di x
jika
terdapat e >0 sedemikian sehingga
(x) (x
),x \ {x
}dan|x x
| <e. (2.8)
Definisi 2.5. Fungsi dikatakanmemiliki minimummutlak (minimumglobal) di x
jikax ,
(x) (x
). (2.9)
Definisi maksimum lokal dan maksimum global berturut-turut dengan membalik
tanda Ketidaksamaan (2.8) dan (2.9), yaitu " " diganti " ".
Catatan: Suatu minimum/ maksimum global juga merupakan minimum/ maksimum
lokal, sebab D juga merupakan persekitaran dari x
[p,q] sehingga
(x
) =min
x[p,q]
(x). (2.10)
Jadi ada suatu minimum untuk f pada [p,q].
Ide dasar. Diberikan suatu fungsi : [o,b] dengan asumsi (2.10) dan ditentu-
kan suatu bilangan kecil o >0 (sebagai toleransi). Akan dicari suatu selang
I =[p,q] dengan |I| =q p o
yang mempunyai suatu titik minimum lokal.
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
Teorema. Ditentukan :[o,b] yang memenuhi asumsi (2.10) dan o <p <
q <b. Maka
i. Jika (p) (q), maka (p,b] mempunyai titik minimum lokal.
ii. Jika (p) (q), maka [o,q) mempunyai titik minimum lokal.
Bukti:
i. Andai (p) >(q)
Dari asumsi (2.10): x
[p,b] sehingga (x
) =min
x[p,b]
(x), maka
x
p. Sehingga x
) =(q), sehinggadapat
ditentukan x
) <(q), makax
(p,b], berarti x
,b
,q
, b
+1
=q
, q
+1
=p
,
dan pilih titik baru
p
+1
<q
+1
.
(q
)
(p
)
--------------------------------------------------------------------------
ai pi qi bi
----------------------------------------------| ---------------------------
ai+1 pi+1 qi+1 bi+1
Gambar 2.12Ilustrasi untuk (p
) <(q
)
2. Jika (p) (q), maka [p,b] adalah selang kedua: pilih titik
o
+1
=p
, b
+1
=b
, p
+1
=q
dan pilih titik baru
q
+1
>p
+1
.
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
--------------------------------------------------------------------------
ai pi qi bi
------------------------------| ------------------------------------------
ai+1 pi+1 qi+1 bi+1
Gambar 2.13Ilustrasi untuk (p
) >(q
)
Misal interval pada iterasi ke-i, yaitu [o
,b
] mempunyai panjang l
. Panjang
l
+1
seharusnya independen (tidak bergantung) terhadap pemilihan interval pa-
da iterasi ke-i (iterasi sebelumnya). Oleh karena itu titik p
dan q
dapat dipilih
sedemikian sehingga panjang interval [o
,q
] samadengan [p
,b
], yaitu
l
+1
=q
=b
. (2.11)
Karena
q
=(p
) +(q
)
b
=(q
) +(q
),
akibatnya
p
=b
.
Perhaikan ilustrasi berikut.
p
--------------------------------------------------------------------------------
ai pi qi bi
q
Perhatikan ilustrasi berikut.
l
--------------------------------------------------------------------------
ai pi qi bi
l
+1
l
+2
----------------------------------------------| ---------------------------
ai+1 pi+1 qi+1 bi+1
Gambar 2.14Ilustrasi untuk (p
) <(q
)
NonLi near Programming Nughthoh Arfawi Kurdhi, M.Sc
Department of Mathematics FMI PA UNS
l
--------------------------------------------------------------------------
ai pi qi bi
l
+1
l
+2
----------------------------------------------| ---------------------------
ai+1 pi+1 qi+1 bi+1
Gambar 2.15Ilustrasi untuk (p
) >(q
)
Sehingga diperoleh persamaan rekursif
l
=l
+1
+l
+2