P. 1
Bilangan Integer

Bilangan Integer

|Views: 15|Likes:
Published by Rahmat Pasaribu

More info:

Published by: Rahmat Pasaribu on May 19, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

02/06/2014

pdf

text

original

Operations Research MODUL – 14 BILANGAN INTEGER (LANJUTAN

)

Subpersoalan yang belum diselesaikan adalah subpersoalan 3, 6, dan 7. Dengan aturan LIFO, misalkan kita pilih subpersoalan 7 untuk diselesaikan lebih dahuli. Dari Gambar 8.7 kita lihat bahwa solusi optimal untuk subpersoalan 7 adalah titik H, yaitu z = 37, x1 = 4, x2 = 1. Karena x1 dan x2 berharga integer, maka solusi ini fisibel untuk persoalan IP semula. Suatu solusi yang di peroleh dengancara menyelesaikan subpersoalan di mana seluruh variabelnya berharga integer disebut sebagai calon solusi. Karena calon solusi ini bisa saja optimal, maka kita saimpan untuk kemudian kita bandingkan dengan calon solusi yang lain ( jika ada ). Karena subpersoalan 7 ini tidak dapat memberikan solusi fisibel integer dengan z > 37, maka pencabangan selanjutnya dari subpersoalan 7 ini tidak akan memberikan informasi baru mengenai solusi optimal untuk persoalan IP. Artinya, subpersoalan 7 sudah fathomed ( lihat Gambar 8.8 ). Sampai di sini kita telah memperoleh solusi fisisbel dari persoalan IP semula, yaitu z = 37, sehingga dapat disimpulkan bahwa nilai z – optimal untuk persoalan IP akan ≥ 37. Dengan kata lain, nilai z – optimal dari calon solusi merupakan batas bawah dari nilai z – optimal untuk persoalan IP semula. Untuk menandai batas bawah, cantumkan notasi LB = 37 dalam kotak subpersoalan yang akan diselesaikan berikutnya, yaitu subpersoalan 6. Dari Gambar 8.7 kita dapatkan bahwa solusi optimal untuk subpersoalan 6 adalah titik A, yaitu z = 40, x1 = 5, x2 = 0. Karena seluruh variabel keputusan telah berharga integer, maka solusi dari subpersoalan 6 adalah juga calon solusi. Calon ini memiliki nilai z = 40, yang berarti lebih besar daripada nilai z dari calon terdahulu ( z = 37 ). Hal ini menyatakan bahwa subpersoalan 7 tidak dapat memberikan solusi optimal bagi persoalan IP. Nyatakan hal ini dengan mencamtumkan tanda x di dekat kotak subpersoalan 7, dan kita perbaiki LB menjadi 40 ( lihat Gambar 8.9 dan 8.10 ). Sekarang tinggal satu subpersoala yang belum diselesaikan, yaitu subpersoalan 3. Dari Gambar 8.3 kita dapatkan bahwa solusi optimal untuk subpersoalan 3 ini adalah titik F, yaitu z = 39, x1 = x2 = 3. Karena subpersoalan 3 tidak dapat memberikan nilai z yang

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

1

Dari Gambar 8. dapat ditarik kesimpulan sebagai berikut : 1.00. Batas bawah atau LB ( yang menyatakan nilai z dari calon solusi terbaik ) sekurang – kurangnya berharga sama besar dengan nilai z dari subpersoalan yang bersangkutan. 2. c. Apabila subpersoalan itu tidak fisibel. yaitu : a. Sebagai contoh. dan tidak memproduksi kursi. Suatu subpersoalan dapat diabaikan ( dieliminasi dari pertimbangan selanjutnya ) apabila subpersoalan itu berada dalam situasi berikut : a. Sonny Koeswara M.000. Karena itu.10 ). Dalam contoh CV Kayu Indah. yaitu dengan hanya melakukan pencabangan pada variabel – variabel yang harus berharga integer. kita modifikasi uraian pada Subbab 8. subpersoalan 3 dan 7 diabaikan karena alasan ini. Pada contoh CV Kayu Indah. b. 40. Dari apa yang telah kita lakukan. b. Dengan demikian. Apabila nilai z – optimal untuk subpersoalan itu tidak lebih baik dari nilai z – optimal subpersoalan lain ( dalam persoalan maksimasi berarti nilai z – optimal dari subpersoalan itu tidak lebih besar daripada batas bawah yang telah dipeoleh ). subpersoalan 4 diabaikan karena alasan ini. maka subpersoalan itu adalah fathomed. Ada tiga situasi yang menyebabkan suatu subpersoalan fathomed. Jika pencabangan dari suatu subpersoalan tidak diprlukan.4. maka subpersoalan 3 tidak dapat memberikan solusi optimal pada persoalan IP semula. perhatikan formulasi berikut ini Maksimumkan : z = x1 + x2 PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. solusi optimal dari pesoalan IP untuk CV Kayu Indah adalah memproduksi 5 unit meja. cantumkan tanda X di dekat kotak subpersoalan 3 ( lihat Gambar 8. 8. Apabila subpersoalan itu memberikan solusi optimal di mana seluruh variabelnya berharga integer.10 kita tahu bahwa hanya subpersoalan yang belum diselesaikan dan bahwa hanya subpersoalan 6 yang dapat memebrikan solusi optimal terhadap persoalan IP. PENELITIAN OPRASIONAL 2 . sehingga akan diperoleh keuntungan sebesar Rp.lebih besar dari batas bawah saat ini ( yaitu LB = 40 ).Sc. Tidak fisibel.5 Menyelesaikan Persoalan IP Campuran dengan Teknik Branch – And – Bound Untuk menyelesaikan persoalan IP campuran denagn teknik branch – and – bound.

2. Pertama. PENELITIAN OPRASIONAL 3 . Dari pencabangan terhadap x1 kita peroleh subpersoalan 2 dan 3 ( lihat Gambar 8. Sekarang kita selesaikan subpersoalan 3. x1 = 2/3. Solusi optimalnya adalah z = 3. x1 = 1. karena setiap variabel harus berharga 0 atau 1. yang dapat di formulasikan sebagai berikut : Maksimumkan : z = c1 x1 + c1 x2 + ….cn xn Berdasarkan : a1 x1 + a2 x2 + ………+ an xn ≤ b xi = 0 atau 1 ( i = 1. Solusinya adalah z = 7/2. maka pencabangan pada xi akan menghasilkan PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. x1 = 0. . b adalah jumlah sumber yang tersedia. Pada bagian ini kita hanya akan mendiskusikan persoalan ransel yang seluruh variabelnya harus berharga 0 atau 1. kita mulai dengan menyelesaikan LP relaksasi dari persoalan IP di atas. yaitu z = 7/2. Solusi optimal dari LP relaksasi ini adalah z = 11/3. maka ada dua aspek dari pendekatan branch – and – bound yang disederhanakan. maka subpersoalan 2 dapat diabaikan dan calon solusi dari subpersoalan 3.Berdasarkan : 5 x 1 + 2 x2 ≤ 8 x1 + x2 ≤ 3 x1 . Karena x2 dibolehkan berharga pecahan. x2 = 3/2 yang juga merupakan calon solusi. Sonny Koeswara M. x2 = 7/3.. x2 = 3/2. maka pencabangan tidak akan dilakukan terhadap variabel ini. adalah solusi optimal untuk persoalan IP campuran di atas.Sc. Selanjutanya kita pilih subpersoalan 2 untuk diselesaikan.11 ). x2 = 3. x1 = 1. . ………. Menyelesaikan Persoalan Ransel ( Knapsack Problem ) dengan Teknik Branch – And – Bound Pada Subbab 8.. dan ai adalah jumlah sumber yang digunakan oleh barang ke – i.n ) Ingat bahwa ci adalah manfaat yang dapat diperoleh apabila barang ke – i dipilih. x2 ≥ 0 : integer Seperti baiasa.3 telah kita ketahui bahwa persoalan ransel adalah persoalan IP yang hanya memiliki pembatas tunggal. Karena nilai z dari subpersoalan 3 lebih besar dari pada nilai z dari subpersoalan 2. Apabila persoalan ini diselesaikan dengan branch – and – bound. yang merupakan calon solusi.

Untuk melhat hal ini perhatikan bahwa ci/ai dapat di interpretasikan sebagai manfaat yang diperoleh barang ke – i dari setiap unit sumber yang digunakan oleh barang ke –i. Tentukan n sebagai bilangan integer terkecil PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. …. PENELITIAN OPRASIONAL 4 . Metode ini berangkat dari kenyataan bahwa setiap variabel harus berharga nol atau satu sehingga proses pencaabangannya menjadi lebih sederhana dan penentuan fisibel-tidaknya suatu node juga menjadi lebih efisien. dan barang yang terburuk adalah yang memiliki nilai ci/ai terkecil.Sc. Sebelum melanjutkan diskusi tentang enumerasi implisit ini. Kedua. hingga ransel terisi dengan sebanyak – banyaknya barang – barang ini. perhatikan contoh soal berikut ini: Maksimumkan : Z = 40x1 + 80x2 + 10x3 + 10x3 + 10x4 + 4x5 + 20x6 + 60x7 Berdasarkan : 40x1 + 50x2 + 30x3 + 10x4 + 10x5 + 40x6 + 30x7 ≤ 100 x1 = 0 atau 1 (i = 1. misalkan variabel xi harus berharga integer. dan seterusnya. Jadi. Sebagai ilustrasi . barang yang terbaik adalah barang yang memiliki nilai ci/ai terbesar. Untuk menyelesaikan setiap subpersoalan yang dihasilkan dari suatu persoalan ransel ini hitungkllah seluruh rasio ci/ai. Caranya adalah nyatakan setiap variabel pada persoalan IP semula sebagai penjumlahan dari bilangan 2 yang berpangkat.7 ) Untuk menyelesaikan persoalan di atas. akan kita pelajari lebih dahulu bagaimana suatu persoalan IP murni dapat diekspresikan sebagai persoalan 0 – 1 IP. Kemudian barang kedua terbaik. Sebagai contoh. Hasilnya adalah sebagai berikut : Investasi 1 2 3 4 Ci/ai 16/5 22/7 12/4 8/3 Peringkat 1 2 3 4 Menyelesaikan Persoalan IP dengan Metode Enumerasi implisit Metode enumenasi implisit sering kali digunakan untuk menyelesaikan persoalan programa bilangan bulat nol-satu. kita mulai dengan menghitung rasio ci/ai dan menentukan peringkat ( rank ) ssetiap variabel berdasarkan besarnya rasio ini ( peringkat 1 menyatakan variabel terbaik ). 2.cabang xi = 0 dan xi = 1. LP relaksasi ( dan subpersoalan uyang lain ) dapat diselesaikan dengan melakukan pemeriksaan terhadap nilai ci/ai. Sonny Koeswara M.

gantilah setiap xi oleh ruas kanan persamaan (8. Sekarang kita mulai dengan pembahasan tentang metode enumerasi implisit. Xi = 64 u6 + 32 u5 + 16 u4 + 8 u3 + 4 u2 + 2 u1 + u0 (8. Kalau begitu. (8.6). 1. x2. Sekarang. u2 = 1. 2n-1. Namun. Artinya. paa node 4 dari gambar 8. x4. n) Untuk mengubah persoalan IP semula ke dalam bentuk 0-1 IP. Maka u6 akan merupakan kelipatan terbesar dari 26 = 64 yang berada dalam 93. Sonny Koeswara M.. dan x6 adalah variabel-variabel bebas. Artinya. Setiap cabang pohon akan menunjukkan harag xi = 0 atau xi = 1. Sebagai contoh. x3. …. banyak situasi yang secara alamiah menghasilkan persoalan 0-1 IP (misalnya persoalan ransel) sehingga tidaklah sia-sia kita mempelajari cara penyelesaian persoalan programa bilangan bulat nol-satu ini. 93 = 26 + 24 + 23 + 22 + 20. 2n dan Xi = un2n + un-1 2n-1 + … + u322 + 2u1 + u0 Di mana ui = 0 atau 1 (I = 0. Hasilnya adalah u5 = 0.7-2). Selanjutnya. u1 = 0. misalkan kita tahu bahwa xi ≤ 100. Maka xi < 26+1 = 128 sehingga persamaan di ata menjadi.13. nilai dari x3. Setelah itu.. PENELITIAN OPRASIONAL 5 . sedangkan setiap node menunjukkan nilai dari variabel-variabel itu. Sebagai contoh. bagaimana kita dapat memperoleh harga dari u yang berkaitand engan harga xi tertentu? Misalkan xi = 93. Hal ini menghasilkan u6 = 1.…. Variabelvariabel ini dinyatakan sebagai variabel tetap (fixed variable).7-1) diatas. dari gambar ini terlihat bahwa pada node 4. x5. …. Variabel lain yang nilainya belum ditentukan pada suatu node disebut sebagai variabel bebas (free variables). x4. misalkan suatu persoalan 0-1 IP memiliki variabel x1. x1. u4 akan merupakan kelipatan terbesar dari 24 = 16 yang berada dalam 29 sehingga u4 = 1.x5.Sc. Gambar pohon yang digunakan dalam metode ini sejenis dengan yang digunakan untuk menyelesaikan persoalan ransel. x6 dan sebagai dari gambar pohonnya adalah seperti pada gambar 8.sehingga xi < 2n+1 agar xi dapat secara unik dinyatakan sebagai penumlahan dari 20. dan x2 telah ditentukan (yaitu =1).7-2) haruslah sama dengan 93 – 64 = 29. u5 akan merupakan kelipatan terbesar dari 25 = 32 yang berada dalam 29. 21.13 ini. Maka. Sisa dari ruas kanan persamaan. mengapa tidak kita ubah saja setiap IP murni ke dalam bentuk 0-1 IP? Jawabannya adalah karena mengubah IP murni ke dalam 0-1 IP akan meningkatkan jumlah variabel. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. dan u0 = 1. Lanjutkan hal ini sehingga akan diperoleh u3 = 1.7-2) di mana ui = 0 atau 1 (I = 0. gantilah setiap xi dengan ruas kanan dari persamaan (8. 1. Akan kita lihat nanti bahwa 0-1 IP secara umum lebih mudah diselesaikan daripada IP murni.

Sebagai contoh. dan saat ini kita berada pada suatu node dengan variabel tetap x1 = 0. Suatu node akan diabaikan (dihilangkan dari pertimbangan selanjutnya) apabila setelah dilakukan penyempurnaan terbaik terhadap node itu. misalkan kita sedang menyelesaikan suatu persoalan yang mempunyai fungsi tujuan memaksimumkan z = 4x1 + 2x2 + x3 – x4 + 2x5. Jadi. Dengan demikian. 2. Melakukan penyempurnaan terbaik bagi suatu node Penyempurnaan terbaik bagi suatu node dilakukan dengan menjadikan variabel bebas berharga 0 atau 1 sedemikian sehingga diperoleh nilai fungsi tujuan terbesar (dalam persoalan maksimasi) atau terkecil (dalam persoalan minimasi). dan x3 = 1. Jika penyempurnaan node ini fisibel.Penentuan nilai seluruh variabel bebas pada suatu node disebut sebagai penyempurnaan node itu. maka pencabangan berikutnya tidak perlu dilakukan. perhatikan soal berikut ini : Maksimumkan : z = 4x1 + 2x2 – x3 + 2x4 Berdasarkan : Xi + 3x2 – x3 – 2x4 ≥ 1 Xi = 0 atau 1 (I = 1. node ini fathomed dan dapat digunakan sebagai calon solusi. x5 =1. Sonny Koeswara M. Karena z = 5 tidak dapat mengalahkan calon solusi dengan z = 6. maka kita dapat segera mengabaikan node tersebut tanpa harus memperhatikan apakah penyempurnaan node ini fisibel atau tidak. x3 = 0.4) Misalkan bahwa saat ini kita berada pada suatu node dengan xi = 0 dan x2 = 1 sebagai variabel tetap. Misalkan juga bahwa kita telah mendapatkan calon solusi dengan nilai z = 6. dan x4 = 1 adalah fisibel bagi persoalan diatas. ada tiga hal pokok yang akan dilakukan. Sebagai contoh. PENELITIAN OPRASIONAL 6 .2. Karena x1 = 0. x2 = 1. Maka penyempurnaan terbaik yang dapat kita lakukan adalah menetapkan x3 = 0 dan x4 = 1 sehingga diperoleh z = 4. diperoleh nilai fungsi tujuan yang lebih buruk daripada nilai fungsi tujuan calon solusi sebelumnya. x6 = 0 adalah penyempurnaan dari node 4. maka kita telah memperoleh penyempurnaan terbaik yang fisibel bagi node tersebut.Sc. yaitu : 1.3. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Maka penyempurnaan terbaik bagi node inia dalah x4 = 0 dan x5 = 1 sehingga diperoleh nilai z = 2 + 1 + 2 = 5. x1 = 1. x2 = 1. Mengeliminasi suatu node dari pertimbangan selanjutnya. Dalam menyelesaikan 0-1 IP denganmetode enumerasi implisit.

Menguji ada tidaknya penyempurnaan yang fisibel dari suatu node Apabila penyempurnaan suatu node tidak emmenuhi pembatas yang ada. kita tentukan x1 = 1. x5 = 1. Jadi. Sonny Koeswara M. Jelas bahwa pembatas di atas tidak terpenuhi.3. Untuk menyempurnakan node ini. node tersebut tidak dapat memberikan solusi yang optimal terhadap persoalan IP semula. Jadi. x4 = 1. dan x2 = 11 sebagai variabel tetap. dan x6 = 0 sehingga pembatas di atas menajdi –2 + 3 + 2 – 3 – 1 + 0 ≤ 5.Sc. x4 = 1. perlu diingat bahwa pengujian secara kasar terhadap fisibilitas ini tidak akan menunjukkan apakah suatu node memiliki PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. berarti bahwa node yang bersangkutan tidak memiliki penyempurnaan yang fisibel. tentukanlah nilai variabel bebasnya sedemikians ehingga ruas kiri pembatas di atas sekecil mungkin. dan x6 = 0 sehingga pembatas di atas menajdi –2 + 3+2–3–1+0≤5 Misalkan juga bahwa saat ini kita berada pada suatu node dengan x3 = 1. maka pasti tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula. Secara umum pengujian terhadap fisibilitas ini dapat dilakukan dengan memeprhatikan setiap pembatas yang ada dan menetapkan nilai dari variabel bebasnya sebagai berikut : Jenis pembatas ≤ ≤ ≥ ≥ Tanda dari koefisien variabel bebas pada pembatas + + Nilai yang harus diberikan pada variabel bebas dalam pengujian fisibiltas 0 1 1 0 Jika ada pembatas yang tidak terpenuhi oleh penyempurnaan dengan cara ini. Meskipun demikian. kita tentukan x1 =1. Hal ini menunjukkan bahwa tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula sehingga node yang bersangkutan dapat diabaikan. tentukanlah nilai variabel bebasnya sedemikian sehingga ruas kiri pembatas di atas sekecil mungkin. Dalam hal ini. Untuk menyempurnakan node ini. Sebagai contoh. dan x2 = 1 sebagai variabel tetap. misalkan kiat sedang menyelesaikan persoalan yang mempunyai pembatas sebagai berikut : -2x1 + 3x2 + 2x3 – 3x4 – x5 + 2x6 ≤ -5 Misalkan juga bahwa saat ini kita berada pada suatu node dengan x3 = 1. x5 = 1. PENELITIAN OPRASIONAL 7 .

Sekarang kita uji apakah benar node1 tidak mempunyai penyempurnaan yang fisibel. lakukan pencabangan dari node 2 dengan memilih salah satu dari variabel bebas. Karena itu. x2 = 0. Ujilah apakah penyempurnaan terbaik dari node ini fisibel atau tidak. x3 = 1. x4 = 0. Artinya. Untuk menguji (8. Misalkan kita memilih x2 Node baru dari pencabangan inia dalah node 4 dengan pembatas x2 = 1 dan node 5 dengan pembatas x2 = 0. Misalkan kita pilih x1. Akan tetapi. perhatikan soal 0-1 IP berikut : Maksimumkan : z = -7x1 – 3x2 – 2x3 – 4x – 2x5 Berdasarkan : -4x1 – 2x2 + x3 – 2x4 – x5 ≤ .3. seluruh variabel adalah variabel bebas. Sekarang kita pilih node 2 untuk dianalisis. dan x5 = 1 yang memberikan –9 ≤ -3 sehingga (8.4. Sebagai contoh.Sc.7-3). x2 = 1. Untuk menguji (8. PENELITIAN OPRASIONAL 8 . Karena itu. yaitu x1 = 0. x3 = 1. dan x5 = 0.5) Pada mulanya (pada node 1). x2 = 1. tentukan x1 =1. Jika kita tidak berhasil memperoleh suatu informasi mengenai suatu node. x3 = 0.penyempurnaan yang fisibel atau tidak. x4 = 0. Node baru yang diperoleh adalah node 2 dengan pembatas x1 = 1 dan node 3 dengan pembatas x1 = 1. lakukan pengujian untuk mengetahui apakah node 2 memiliki penyempurnaan yang fisibel. tidak fisibel karena melanggar kedua pembatas. sebelum kita bergerak terus hingga sampai pada node yang memiliki lebih banyak variabel tetap. penyempurnaan ini tidak fisibel. x5 = 0.7 – 3) (8. x3 = 0.7-3) terpenuhi.7 –4) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. (8. x3 = 0. tentukan x1 = 1.2.3 -4x1 – 2x2 – 4x3 + x4 + 2x5 ≤ -7 xi = 0 atau 1 (I = 1. x4 = 1. x4 = 0. lakukan peencabangan pada variabel xi yang bebas. Ternyata penyempurnaan terbaik dari node 1 ini. dan diperoleh –10 ≤ 7 sehingga (8. Penyempurnaan terbaik dari node 2 adalah x1 = 1. Hal ini berarti bahwa node 1 mempunyai penyempurnaan yang fisibel. dan x1 = 1 memenuhi (8.7-4). Jika kita tidak berhasil memiliki lebih banyak variabel tetap. dan x5 = 0. x2 = 1. Sonny Koeswara M. dan tambahkan dua node baru dengan xi = 1 dan node dengan xi = 0. x3 = 1. x2 = 1. x4 = 0. tidak ada informasi tentang apakah node 2 memiliki penyempurnaan yang fisibel atau tidak.7-4). x5 = 0 memenuhi (8. x2 = 0. Kita tahu bahwa x1 = 1.7-3). dan x1 = 1. Sekarang kita lakukan pencabangan pada salah satu variabel bebas.7-4) terpenuhi.

sedangkan x1 = 1. x4 = 1. x2 = 0.16 ). Karena itu. kita pilih node 5 untuk dianalisis. x4 = 0. x3 = 0. node 4 tidak dapat mengalahkan calon solusi dari node 6 ( z = -9 ) sehingga node 4 dapat diabaikan ( lihat Gambar 8. x4 = 0. x3 = 1. lakukan pengujian terhadap node 7 untuk mengetahui apakah node 7 ini memiliki penyempurnaan yang fisibel. tentukan x1 = 1.7-3). x5 = 0. Karena itu. x4 = 0. Penyempurnaan terbaik dari node 7 adalah x1 = 1. Jadi.Sc. node 7 tidak memiliki penyempurnaanyang fisibel sehingga dapat diabaikan ( nyatakan hal ini dengan membutuhkan tanda X pada Gambar 8. Penyempurnaan ini fisibel sehingga kita mendapatkan calon solusi dengan z = -9. Penyempurnaan terbaik dari node 5 adalah x1 = 1. Kita peroleh –8 ≤ -7 sehingga (8. Berikutnya. x2 = 0. Solusi ini memberikan z = -10. Hal ini menunjukkan bahwa tidak ada informasi mengenai ada – tidaknya penyempurnaan yang fisibel pada node 5 ini. x4 = 1. kita pilih node 6 untuk dianalisis. x4 = 0. x2 = 0.7-4). PENELITIAN OPRASIONAL 9 . kita analisis node 7. sekarang kita analisis node 4. Hal ini berarti bahwa tidak akan ada penyempurnaan dari node 7 yang dapat memenuhi (8.18 ). x3 = 0.17). Karena z = -7 lebih baik daripada z = -9. x4 = 0. Penyempurnaan terbaik dari node 4 adalah x1 = 1. lakukan pencabangan pada node 5 dengan memilih variabel bebas x3 sehingga diperoleh node 6 dan 7 ( lihat Gambar 8.7-4) terpenuhi. x3 = 0.7-3) terpenuhi. Berikutnya. Sonny Koeswara M. Dengan aturan LIFO. x3 = 0. Dengan menentukan x 1 = 1. x5 = 0 tidak memenuhi (8. lakukan pengujian fisibilitas pada node 5. Penyempurnaan ini juga tidak fisibel.7-4). x2 = 0. x5 = 0. x2 = 0. Perhatikan bahwa x1 = 1. x2 = 1. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. x5 = 0.7-3). x5 = 1 memenuhi (8. Untuk itu.Berdasarkan aturan LIFO. x4 = 0. x2 = 0. kita peroleh -7≤-3 sehingga (8.7-4). x5 = 0 pada (8. x2 = 0. Penyempurnaan terbaik bagi node 6 adalah x1 = 1. maka ada kemungkinan bagi node 7 untuk mengalahkan calon solusi yang ada saat ini. Sesuai aturan LIFO. x3 = 0. x5 = 1 pada (8. x3 = 0. x5 = 0 dengan z = -7. Karena itu. x3 = 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->