P. 1
OPTIMASI NUMERIK

OPTIMASI NUMERIK

|Views: 807|Likes:
Published by Uke Gou Klasz

More info:

Published by: Uke Gou Klasz on Oct 27, 2011
Copyright:Attribution Non-commercial

Availability:

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

01/02/2014

pdf

text

original

Kata Pengantar Puji syukur penulis panjatkan kepada Tuhan YME, bahwa penulis telah menyelesaikan tugas mata

kuliah Matematika dengan membahas Numerical Optimization atau Optimasi Numerik dalam bentuk makalah. Dalam penyusunan tugas atau materi ini, tidak sedikit hambatan yang penulis hadapi. Namun penulis menyadari bahwa kelancaran dalam penyusunan materi ini tidak lain berkat sumber-sumber buku yang terdapat di perpustakaan dan bantuan dari berbagai pihak, sehingga kendala-kendala yang penulis hadapi teratasi. Oleh karena itu penulis mengucapkan terima kasih kepada : 1. Dosen bidang studi Matematika yang telah memberikan tugas, petunjuk, kepada penulis sehingga penulis termotivasi dan menyelesaikan tugas ini. 2. Kerabat yang telah turut membantu, membimbing, dan mengatasi berbagai kesulitan sehingga tugas ini selesai. Semoga materi ini dapat bermanfaat dan menjadi sumbangan pemikiran bagi pihak yang membutuhkan, khususnya bagi penulis sehingga tujuan yang diharapkan dapat tercapai.

Medan, 11 April 2011

Penulis

Nilai maksimum atau minimum dari suatu persamaan: y = f (x) dapat diperoleh pada hargaxyangmemenuhi: y'=f'(x)=dy/dx=df/dx =0 Untuk fungsi yang sulit untuk diturunkan atau mempunyai turunan yang sulit dicari akarnya.OPTIMASI NUMERIK 1. Definisi Optimasi merupakan suatu proses untuk mencari kondisi yang optimum. proses optimasi dapat dilakukan secara numerik. maka keadaan optimum adalah keadaan yang memberikan pengeluaran/pengorbanan minimum (minimasi). . dalam arti paling menguntungkan. Optimasi bisa berupa maksimasi atau minimasi. maka keadaan optimum adalah keadaan yang memberikan keuntungan maksimum (maksimasi). Jika berkaitan dengan masalah keuntungan. Jika berkaitan dengan masalah pengeluaran/pengorbanan.

Ilustrasi secara Grafik Contoh maksimasi satu variabel: Beberapa istilah Maksimum lokal. minimum global A unimodal functionone hump or one valley . maksimum global Minimum lokal.

Perbedaan antara persoalan optimasi dengan pencarian/ penentuan akar persamaan: Contoh optimasi dua variabel (maksimasi): Titik optimum .

Kedua tipe optimasi.2. Dalam hal ini. Tinjaulah fungsi f(x) yang akan ditentukan maksimum-nya. Optimasi 1 Variabel Tinjaulah sebuah fungsi dengan satu variabel sbb. Beberapa metode yang akan dibahas meliputi: Metode golden section. Metode Newton. Metode interpolasi kuadrat METODE GOLDEN SECTION Golden section merupakan salah satu cara atau metode optimasi numerik yang dapat diterapkan untuk fungsi yang bersifat unimodal. pada rentang x = xl dan x = xu (perhatikan gambar di bawah ini). yaitu maksimasi dan minimasi dapat diselesaikan dengan cara ini. Golden-section (search) method merupakan metode optimasi satu variabel yang sederhana.: y=f(x) Ingin dicari harga x yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi). x yang diperoleh merupakan nilai x optimum fungsi. . dan mempunyai pendekatan yang mirip dengan metode bisection dalam penentuan akar persamaan tak linier.

Berdasarkan grafik di atas. maka l0=l1+l2 Ambil kebalikannya dan definisikan R=l1/l2 ALGORITMA (Kasus Maksimasi): 1.) . (Perhatikan ilustrasi grafik berikut ini.. Mulailah dari 2 nilai tebakan awal xl dan xu. secara matematika berlaku: Karena l1/l0=l2/l1. yang mengapit titik maksimum..

yakni sebesar: dengan: 3. Tentukan nilai x1 dan x2 di dalam rentang xl dan xu.2. Demikian seterusnya. Berdasarkan harga f (x) pada 2 titik tersebut (x1 dan x2). Jadi hanya diperlukan 1 titik baru. maka diharapkan ada sebagian interval yang dapat dieliminasi. sehingga salah satu titik lama bisa dipakai lagi pada evaluasi langkah berikutnya. sesuai dengan golden ratio (R). x1 =xl +d x2 =xu −d .

Ada 2 kemungkinan kasus. yaitu: (a) Jika: f(x1) > f(x2). maka: domain x antara x1 dan xu dieliminasi Dengan demikian: x1 lama = xu baru x2 lama = x1 baru xl lama = xl baru x2 baru ditentukan Metode Newton Metode ini menggunakan pendekatan yang sama dengan metode Newton dalam penentuan akar persamaan tak-linier. dapat diperoleh secara iteratif sebagai berikut: . melalui pendefinisian fungsi: g(x)=f’(x) Maka. maka: domain x antara xl dan x2 dieliminasi Dengan demikian: x2 lama = x1 baru x1 lama = x2 baru xu lama = xu baru x1 baru ditentukan (b) Jika: f(x2) > f(x1).

dan x2) yang mengapit titik optimumnya. Jika mula-mula kita mempunyai tiga buah titik tebakan awal (yakni x0.: . x1. Diferensiasikan persamaan yang diperoleh. Hal ini disebabkan oleh penggunaan polinomial orde-dua yang menghasilkan pendekatan cukup baik terhadap bentuk f (x) di dekat titik optimumnya.Metode Interpolasi Kuadrat Metode Interpolasi Kuadrat dapat digunakan untuk melakukan optimasi secara numerik. maka sebuah parabola dapat di-fit-kan melalui ketiganya. set hasilnya menjadi sama dengan nol. dan perkiraan x optimum dapat ditentukan (dalam hal ini sebagai x3) sbb.

x3. (1) Eksplorasi nilai ∆xi (i menyatakan indeks variabel x) (2) Mengulangi langkah sukses Optimasi dengan metode Hooke-Jeeves ditunjukkan dalam contoh berikut. Pengelompokan metodenya secara garis besar adalah: (1) nongradient methods. xn yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi). x3. xn) Ingin dicari harga x1. x2. x2 = 9. Optimasi Banyak Variabel Misal diketahui sebuah fungsi dengan banyak variabel sbb: Y=f(x1. . Metode langsung/ random search. x2) Sebagai cek...3.……. dan (2) gradient methods.. dan harga ymin = 3. . steepest ascent (ascending)/ descent (descending). Misal ingin dilakukan minimasi dari suatu fungsi: y = (x1– 4)^2 + 0. x2. Dalam hal ini dipilih titik awal: x1 = 1 dan x2 = 16. dengan mudah dapat terlihat bahwa minimum terjadi pada x1 = 4.. METODE HOOKE-JEEVES Prinsip penerapan metode Hooke-Jeeves ini meliputi 2 hal. serta interval awal Δx1 = 1 dan Δx2 = 2..(x^2– 9)^2+ 3 = f (x1. Beberapa metode yang akan dibahas meliputi: Metode HookeJeeves Metode.5.

.

METODE STEEPEST ASCENT /DESCENT .

y) yang akan dicari titik optimumnya. dengan nilai awal: x = x0 dan y = y0. (lihat gambar berikut ini.y) yang akan ditentukan titik maksimumnya. Berdasarkan nilai h0..) Berdasarkan nilai awal x = x0 dan y = y0. dapat ditentukan nilai gradien (atau arah steepest ascent)-nya. yakni pada titik “1”. Secara numerik: Misal. maka pada langkah iterasi pertama.PENCARIAN OPTIMUM: Sebagai ilustrasi.. yakni sebesar h0. nilai x dan y yang baru dapat ditentukan dengan: . tinjaulah fungsi dua variabel f(x. Demikian seterusnya. nilai maksimum fungsi dapat ditentukan. proses ini dilakukan berulang-ulang hingga diperoleh titik optimum sesungguhnya. untuk sebuah fungsi dua variabel: f(x.

Demikian seterusnya. .Dalam hal ini. vektor gradien fungsinya dinyatakan sebagai: Nilai x dan y yang diperoleh pada langkah iterasi ini selanjutnya menjadi x0 dan y0 pada langkah iterasi berikutnya.

Canale. “Numerical Methods for Engineers: With Software and Programming Applications”. Chapra & Raymond P. 1988. “An Introduction to Numerical Methods for Chemical Engineers”. Chapter 6 Steven C.Daftar Pustaka James B. Riggs. Texas: Texas Tech University Press. Part Four . New York: McGraw-Hill Company Inc. 2003. 4th edition.

-..-07:9    ..3 8. 307  20.-.-.2.31:38  1   .3 . / : /  /./..9.3 .3.3 503/0./42.7 5078./42.3  .7: -.9180-.2.9: . .2 503039:.7: ./.3: /023...5.7: /9039:.9/5074080.7: ..7.02:33.3.3 2094/0 0943 /.7:   /9039:.8 03.3/023.2.2..8 03.3 .1  1  2.3.1  1  2.3/02.:-.3..7: . /.2..39. /03.2.3 094/00943 094/0 3 203:3.: 503/0138.:-.7.39.3 9.8:8 .3/02.7: -.2.-.2.907.7: :.7..

 203.8.380-./7.. 47/0 /:.3 .9..83.. /.59 99 4592:23.2.. . 3:207  .3 :39: 20.3 54342.9 / 19 .2.3  4592:2 /.9 /.5-039:1  //0.3 40 503:3.9 094/0 390754.3 203.3 5078.8 :. 2:.3 .:. 9.3 34  /.7../ 8.3 20.5.3.-. 80-:.2.  107038. -:.3     /.9 /:3.3 /50740  809 .   . /03./7.3 .9 /9039:.3 4592.3 503/0. 5..8 80.5..3   . 8--  . 9..9994592:23.8. 99 90-..3 /./..8:. 907. 3 /80-.-4. .    094/0390754.::5 -.7. 2025:3.: 09.3 5077. 2:.  2.3 203.5.

/09.8.3-.8  .3 /-.8 205:9 094/0 440 00.7.7.3 ./0392094/8  0-07.8....8  !0304254.  2.3 . 80.        3 . .3.3  7..-08-- 1    3  33 /.9..8.03/3 .7.'.7 .7. 2094/0 .82.7.   343 7.: 232:2 232.:80-:.3 202-07.7 .3./0392094/8 /.-0  8.3 2094/03.08094/0 89005089.     592.82:2 2.1:38/03.039 ..5..78 -08./.

03/3  094/0./08.039 /08.38:3.

83.7.9.9:1:38    )   )  ) 1    .7..7.-0   03:.5.083205:9.3/.8/.4394 -07:9 8.3.   %   '$ !738550307.8/03.3232.08/9:3:.  8547.8:808 592.3/4280.33/08..2.3.  203.32094/0440 00.:.78:..33/.32094/0440 00.

$0-./..9907.3 8079.232:2907./.5.3     .23 ..7..2..32:/./...3/599 ././ 5.9-.  /.3907.0 /03.3...

 .

% $%!$%$%.

$%              .

..5. 5748083/.7. 3.99  02.7-07:93     07/.5.8./50740994592:2808:3:3.3 -07:.3.1:38/:..:./.9 /9039:.5../03 ..3 2.3 /.82:21:38/.3./..9.7 994592:23.3992.907.3-. /.  ... :39:80-:.9/9039:. 5.2-.8.33. 7.380-08.33.35.3/.7.2.3  .8. /03.7.85079.3 :..!# !%& $0-.3 /9039:.8 93.7.3/03.33.:.3.2.9/9039:.7:/.-01   ... .3 . 3.82:23.33.:.380907:83.1:38/:.89005089.33.-01   .7  07/.7..:897..  $0.. /..3:207 8./.039 3.7.3.9.

.8-07:93.3.3 .  .3 80907:83.                ./3.09477. 02./.380-..9.3:93.907.  ./031:383.3 5./.3.3.. 203.907..2.3/507405.8380././ /..

9438 90/943 047.5907 $90.19.330078 %0..7. 425.33. #.0    :207.208 #8   33974/:.57.  .094/8147 02.3..70.94394:207.8%0.&3.03 .3/!747.0789!7088  .223 55..8%0...  !.794:7 .243/! . 094/81473300789$419..7!:89.

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)//-->