P. 1
MAKALAH MATEMATIKA

MAKALAH MATEMATIKA

|Views: 183|Likes:

More info:

Published by: Ayakun Yasashi Shssouna Q on Jan 05, 2012
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

05/20/2015

pdf

text

original

MAKALAH MATEMATIKA

ALGORITMA GREEDY

DISUSUN OLEH : MIMIN SUMINAR 41101255 TI-A1 STEFANUS NUGROHO 41101274 TI-A2 PRAYOGI 41101363 TI-A2 SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER STMIK IKMI CIREBON
Jalan Perjuangan 10B Majasem Telp.0231 ± 490480, 490481 Cirebon Websites : www.ikmi.ac.id Email : stmik _ikmi@yahoo.com

0

1. Dengan penerapan ini akan ditemukan solusi yang benar untuk semua kondisi tanpa mengurangi kemangkusan dari algoritma. 1 .membutuhkan waktu yang lama untuk menemukan solusinya. Kami mempunyai pemikiran untuk menerapkan Algoritma Branch & Bound pada prinsip pencarian solusi. Hal ini dikarenakan pada algoritma dijkstra kita membandingkan semua lintasan yang mungkin dari simpul awal ke simpul akhir. algoritma yang selama ini sering digunakan untuk memecahkan masalah tersebut adalah algoritma dijkstra. Pendahuluan Prinsip pencarian lintasan terpendek memegang peranan yang penting selama ini. Tapi algoritma dijkstra yang selama ini kami pelajari.

Dalam makalah ini. y 2 . loba. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya. dan keputusan tersebut tidak dapat diubah lagi pada langkah ± langkah selanjutnya. Prinsip utama algoritma greedy adalah prinsip ³take what you can get now!´. Contoh masalah sehari-hari yang menggunakan prinsip greedy: o Memilih beberapa jenis investasi (penanaman modal) o Mencari jalur tersingkat dari Bandung ke Surabaya o Memilih jurusan di Perguruan Tinggi o Bermain kartu remi y Algoritma greedy membentuk solusi langkah per langkah (step by step). y y Prinsip greedy adalah: ³take what you can get now!´. y Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi. y Terdapat banyak pilihan yang perlu dieksplorasi pada setiap langkah solusi. pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Pendekatan yang digunakan di dalam algoritma greedy adalah membuat pilihan yang ³tampaknya´ memberikan perolehan terbaik. Oleh karena itu. kami menggunakan algoritma Dijkstra untuk dibandingkan dengan algoritma B&B. pada setiap langkah dalam algoritma greedy kita ambil keputusan yang paling optimal untuk langkah tersebut tanpa memperhatikan konsekuensi pada langkah ± langkah selanjutnya. Algoritma Greedy Definisi Algoritma Greedy Algoritma Greedy membentuk solusi langkah per langkah. tamak. Dengan cara pengambilan nilai optimum lokal pada setiap langkah diharapkan akan tercapainya optimum global. Greedy = rakus. lalu kita namakan solusi tersebut dengan optimum lokal. yaitu tercapainya solusi optimum yang melibatkan keseluruhan langkah dari awal sampai akhir. Pada setiap langkah tersebut akan dipilih keputusan yang paling optimal. «. Keputusan tersebut tidak perlu memperhatikan keputusan selanjutnya yang akan diambil. yaitu dengan membuat pilihan optimum lokal (local optimum) pada setiap langkah dengan harapan bahwa sisanya mengarah ke solusi optimum global (global optimm). Maksud dari prinsip tersebut adalah sebagai berikut.2.

dan pada akhir algoritma kita memperoleh optimum global (yang pada contoh ini merupakan solusi optimum). Contoh 1 (Masalah Penukaran uang): Persoalan: Diberikan uang senilai A. Berapa jumlah minimum koin yang diperlukan untuk penukaran tersebut? Contoh: tersedia koin-koin 1. 10. mengambil pilihan yang terbaik yang dapat diperoleh pada saat itu tanpa memperhatikan konsekuensi ke depan (prinsip ³take what you can get now!´) 2.y Algoritma greedy adalah algoritma yang memecahkan masalah langkah per langkah. y Pada setiap langkah diperoleh optimum lokal. dan 25 Uang senilai 32 dapat ditukar dengan cara berikut: 32 = 1 + 1 + « + 1 (32 koin) 32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin) 32 = 10 + 10 + 10 + 1 + 1 (5 koin) « dan seterusnya Minimum: 32 = 25 + 5 + 1 + 1 ) hanya 4 koin Strategi greedy yang digunakan adalah: Pada setiap langkah. kita berharap optimum lokal menjadi optimum global. berharap bahwa dengan memilih optimum lokal pada setiap langkah akan berakhir dengan optimum global. 5. 3 . Himpunan kandidat. Skema Umum Algoritma Greedy Algoritma greedy disusun oleh elemen-elemen berikut: 1. Bila algoritma berakhir. Tukar A dengan koin-koin uang yang ada. 10. pada setiap langkah: 1. Tinjau masalah menukarkan uang 32 dengan koin 1. 5. dan 25: Langkah 1: pilih 1 buah koin 25 (Total = 25) Langkah 2: pilih 1 buah koin 5 (Total = 25 + 5 = 30) Langkah 3: pilih 2 buah koin 1 (Total = 25+5+1+1= 32) Solusi: Jumlah koin minimum = 4 (solusi optimal!) Pada setiap langkah di atas kita memperoleh optimum lokal. pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat (kendala) tidak melebihi nilai uang yang ditukarkan.

dan lain-lain). 5.Berisi elemen-elemen pembentuk solusi. 2. Pseudo-code algoritma greedy adalah sebagai berikut: procedure greedy(input C: himpunan_kandidat. Fungsi seleksi: pilihlah koin yang bernilai tertinggi dari himpunan kandidat yang tersisa. 2. Fungsi obyektif. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya. 10. 5. Fungsi layak: memeriksa apakah nilai total dari himpunan koin yang dipilih tidak melebihi jumlah uang yang harus dibayar. Algoritma: Sn{} { inisialisasi S dengan kosong } 4 . paling sedikit mengandung satu koin untuk setiap nilai. yaitu fungsi yang memaksimumkan atau meminimumkan nilai solusi (misalnya panjang lintasan. 4. elemen-elemen algoritma greedy-nya adalah: 1. 4. output S : himpunan_solusi) { menentukan solusi optimum dari persoalan optimasi dengan algoritma greedy Masukan: himpunan kandidat C Keluaran: himpunan solusi S } Deklarasi x : kandidat. 25. 3. Fungsi obyektif: jumlah koin yang digunakan minimum. yakni kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (constraints) yang ada. Fungsi seleksi (selection function) Memilih kandidat yang paling memungkinkan mencapai solusi optimal. Kandidat yang layak dimasukkan ke dalam himpunan solusi. Himpunan kandidat: himpunan koin yang merepresentasikan nilai 1. Contoh pada masalah penukaran uang. Fungsi kelayakan (feasible) Memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak. Himpunan solusi Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan. 5. 3. Himpunan solusi: total nilai koin yang dipilih tepat sama jumlahnya dengan nilai uang yang ditukarkan. sedangkan kandidat yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi. keuntungan.

maka keoptimalannya itu dapat dibuktikan secara matematis y (Sekali Lagi) Masalah Penukaran Uang Misalkan koin-koin dinyatakan dalam himpunan-ganda (multiset) {d1. dn}. «. x2.while (belum SOLUSI(S)) and (C { {} ) do xnSELEKSI(C). Namun adakalanya optimum global merupakan solusi sub-optimum atau pseudo-optimum. atau xi = 0 jika di tidak dipilih. pada sebagian masalah algoritma greedy tidak selalu berhasil memberikan solusi yang benar-benar optimum.{x} { elemen himpunan kandidat berkurang satu } if LAYAK(S Š {x}) then SnS Š {x} endif endwhile {SOLUSI(S) sudah diperoleh or C = {} } y Pada akhir setiap lelaran. solusi yang terbentuk adalah optimum lokal. Obyektif persoalan adalah Minimisasi F = § x i i !1 n (fungsi obyektif) 5 . «. Pada akhir kalang while-do diperoleh optimum global. y Bila algoritma greedy optimum. { pilih sebuah kandidat dari C} Cn C . Alasan: y 1. xn}. Solusi persoalan dinyatakan sebagai tupel X = {x1. pemilihan fungsi SELEKSI: Mungkin saja terdapat beberapa fungsi SELEKSI yang berbeda. maka algoritma greedy sering berguna untuk menghasilkan solusi yang menghampiri (approximation) optimum. sehingga kita harus memilih fungsi yang tepat jika kita ingin algoritma bekerja dengan benar dan menghasilkan solusi yang benar-benar optimum y Karena itu. algoritma greedy tidak beroperasi secara menyeluruh terhadap semua alternatif solusi yang ada (sebagaimana pada metode exhaustive search). sedemikian sehingga xi = 1 jika di dipilih. Jika jawaban terbaik mutlak (benar-benar optimum) tidak diperlukan. Misalkan uang yang akan ditukar dengan sejumlah koin adalah A. d2. 2. daripada menggunakan algoritma yang lebih rumit untuk menghasilkan solusi yang eksak.

1 Uang yang ditukar: 15 Solusi dengan algoritma greedy: 6 . 7. maka kompleksitas algoritma greedy ditentukan dari kompleksitas algoritma pengurutan. pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat tidak melebihi nilai uang yang ditukarkan. Jika waktu pengurutan diperhitungkan. bergantung pada koin mata uang yang digunakan. 4. maka perlu mengurutkan himpunan koin dalam urutan yang menurun (noninceasing order). Pemecahan Masalah dengan Algoritma Greedy y Strategi greedy yang digunakan dalam memilih koin berikutnya: Pada setiap langkah. dan 1 Uang yang ditukar = 7. y y y Contoh 2. Jika himpunan koin sudah terurut menurun. (a) Koin: 5. «. Apakah algoritma greedy untuk masalah penukaran uang ini selalu menghasilkan solusi optimum? Jawabannya: tidak selalu. oleh karena itu kompleksitas algoritma exhaustive search untuk masalah ini adalah O(n ™ 2n ). 3. x2. y Agar pemilihan koin berikutnya optimal.dengan kendala §d x ! A i !1 i i n Algoritma Exhaustive Search y Karena setiap elemen X = {x1. Waktu yang dibutuhkan untuk mengevaluasi fungsi obyektif adalah O(n). xn } adalah 0 atau 1. maka terdapat 2n kemungkinan nilai X. maka kompleksitas algoritma greedy adalah O(n). Solusi dengan algoritma greedy: 7=5+1+1 Solusi yang optimal: 7 = 4 + 3 ( 3 koin) ( 2 koin) tidak optimal (b) Koin: 10.

yaitu pelanggan i membutuhkan waktu ti.15 = 10 + 1 + 1 + 1 + 1 + 1 (6 koin) Solusi yang optimal: 15 = 7 + 7 + 1 (hanya 3 koin) (c) Koin: 15. kasir di bank. Contoh 3. algoritma greedy selalu memberikan solusi optimum.35) y Empat koin 1 sen ($5 + $1 + 25c + 10c + 1c + 1c + 1c + 1c = $6. Kita ingin meminimumkan total waktu di dalam sistem. meminimumkan waktu di dalam sistem ekivalen dengan meminimumkan waktu rata-rata. Waktu pelayanan untuk setiap pelanggan sudah ditetapkan sebelumnya. dan crown Swedia. euro Eropa. n T= § i !1 (waktu di dalam sistem untuk pelanggan i) Karena jumlah pelanggan adalah tetap. 7 . dan 1 Uang yang ditukar: 20 Solusi dengan algoritma greedy: 20 = 15 + 1 + 1 + 1 + 1 + 1 Solusi opgtimal: 20 = 10 + 10 (6 koin) (2 koin) y Untuk sistem mata uang dollar AS. kita dapat memilih: y Satu buah uang kertas senilai $5 y Satu buah uang kertas senilai $1 ($5 + $1 = $6)) y Satu koin 25 sen ($5 + $1 + 25c = $6.39) Bagaimana dengan mata uang rupiah Indonesia? Minimisasi Waktu di dalam Sistem (Penjadwalan) Persoalan: Sebuah server (dapat berupa processor. client) yang harus dilayani. Misalkan kita mempunyai tiga pelanggan dengan t1 = 5. Misalnya untuk menukarkan $6. t2 = 10. dll) mempunai n pelanggan (customer. t3 = 3. pompa. 10.39 dengan uang kertas (bill) dan koin sen (cent).25) y Satu koin 10 sen ($5 + $1 + 25c + 10c = $6.

3. maka perlu mengurutkan waktu pelayanan seluruh pelanggan dalam urutan yang menaik. y Agar proses pemilihan pelanggan berikutnya optimal. procedure PenjadwalanPelanggan(input n:integer) { Mencetak informasi deretan pelanggan yang akan diproses oleh server tunggal Masukan: n pelangan. oleh karena itu kompleksitas algoritma exhaustive search untuk masalah ini adalah O(nn!) Pemecahan Masalah dengan Algoritma Greedy Strategi greedy untuk memilih pelanggan berikutnya adalah: Pada setiap langkah. Jika waktu pengurutan tidak dihitung. 1. 2. setiap pelanggan dinomori 1. 2. 3: 5 + (5 + 10) + (5 + 10 + 3 ) = 38 1. 1. «. 3. 1: 3 + (3 + 10) + (3 + 10 + 5) = 34 Pemecahan Masalah dengan Algoritma Exhaustive Search y y Urutan pelangan yang dilayani oleh server merupakan suatu permutasi Jika ada n orang pelanggan. 2: 3 + (3 + 5) + (3 + 5 + 10) = 29 n (optimal) 3. 2. Waktu yang dibutuhkan untuk mengevaluasi fungsi obyektif adalah O(n). maka kompleksitas algoritma greedy untuk masalah minimisasi waktu di dalam sistem adalah O(n). n Keluaran: urutan pelanggan yang dilayani } Deklarasi i : integer 8 . 1: 10 + (10 + 3) + (10 + 3 + 5) = 41 3. maka tedapat n! urutan pelanggan.maka enam urutan pelayanan yang mungkin adalah: Urutan T ================================= 1. 3: 10 + (10 + 5) + (10 + 5 + 3) = 43 2. 2: 5 + (5 + 3) + (5 + 3 + 10) = 31 2. masukkan pelanggan yang membutuhkan waktu pelayanan terkecil di antara pelanggan lain yang belum dilayani.

Sekali objek dimasukkan ke dalam knapsack. Persoalan Knapsack (a) 0/1 Knapsack n maksimasi F = § i !1 px i i dengan kendala (constraint) §w x eW i !1 i i n yang dalam hal ini.Algoritma: {pelanggan 1.. «. meminimumkan n k ij 1 e j e n T= §§ t k !1 j !1 untuk semua kemungkinan permutasi ij. objek tersebut tidak bisa dikeluarkan lagi. Terdapat beberapa strategi greedy yang heuristik yang dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack: y 9 .. 2.. n Algoritma exhaustive search untuk persoalan 0/1 Knapsack mempunyai kompleksitas O(n ™ 2n). µ dilayani!¶) endfor Pemilihan srategi greedy untuk penjadwalan pelanggan akan selalu menghasilkan solusi optimum. 2.1. Algoritma Exhaustive Search y i = 1. i. Algoritma Greedy y Masukkan objek satu per satu ke dalam knapsack. Jika t1 e t2 e « e tn maka pengurutan ij = j. Keoptimuman ini dinyatakan dengan Teorema 3. n sudah diurut menaik berdasarkan ti} for in1 to n do write(µPelanggan µ.1 berikut: Teorema 3. xi = 0 atau 1. .

Pada setiap langkah. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang mempunyai keuntungan per unit berat terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang paling menguntungkan terlebih dahulu. algoritma greedy dengan strategi pemilihan objek berdasarkan profit dan density memberikan solusi optimal. sedangkan pemilihan objek berdasarkan berat tidak memberikan solusi optimal. knapsack diisi dengan objek yang mempunyai keuntungan terbesar. Bahkan ada kemungkinan ketiga stategi tersebut tidak memberikan solusi optimum. Pada setiap langkah. Greedy by density. pi /wi terbesar. 3. knapsack diisi dengan objek yang mempunyai densitas. Tinjau persoalan 0/1 Knapsack lain dengan 6 objek: 10 . Pada setiap langkah. p1 = 15 w3 = 10. p1 = 10 Kapasitas knapsack W = 16 Solusi dengan algoritma greedy: Properti objek pi pi /wi 12 2 15 3 50 5 10 2 Total bobot Total keuntungan Greedy by weight 1 1 0 1 16 37 Solusi Optimal 0 1 1 0 15 65 y i 1 2 3 4 wi 6 5 10 5 profit 0 1 1 0 15 65 density 0 1 1 0 15 65 y Pada contoh ini. Greedy by profit. Contoh 4. knapsack diisi dengan objek yang mempunyai berat paling ringan. Contoh 4 berikut memberikan ilustrasi kedua kasus ini. w1 = 2.. p1 = 50 w4 = 5. Pemilihan objek berdasarkan salah satu dari ketiga strategi di atas tidak menjamin akan memberikan solusi optimal. Tinjau persoalan 0/1 Knapsack dengan n = 4. Greedy by weight.1. Strategi ini mencoba memaksimumkan keuntungan dengan memasukkan sebanyak mungkin objek ke dalam knapsack. p1 = 12 w2 = 5. 2.

2 10 10 1. p6 = 2 Kapasitas knapsack W = 100 Properti objek wi pi pi /wi 100 40 0.0 5 2 0.4 50 35 0. p3 = 18 w4 = 20. 0. 1. «.w1 = 100. p2 = 35 w3 = 45. n Algoritma Exhaustive Search 11 . 2. 0) dengan total keuntungan = 55. 1. p1 = 40 w2 = 50. i = 1.7 45 18 0. 0 e xi e 1. (b) Fractional Knapsack Serupa dengan persoalan 0/1 Knapsack di atas. untuk i = 1. algoritma greedy dengan ketiga strategi pemilihan objek tidak berhasil memberikan solusi optimal. tetapi 0 e xi e 1.4 Total bobot Total keuntungan Greedy by weight 0 0 1 1 1 1 80 34 Solusi Optimal 0 1 1 0 0 0 100 55 i 1 2 3 4 5 6 profit 1 0 0 0 0 0 100 40 density 0 1 0 1 1 1 85 51 y Pada contoh ini. «. p4 = 4 w5 = 10. Solusi optimal permasalah ini adalah X = (0.4 20 4 0. n n maksimasi F = § i !1 px i i dengan kendala (constraint) §w x eW i !1 i i n yang dalam hal ini. 2. Kesimpulan: Algoritma greedy tidak selalu berhasil menemukan solusi optimal untuk masalah 0/1 Knapsack. p5 = 10 w6 = 5. 0.

5 Total bobot Total keuntungan Greedy by weight 0 2/3 1 20 31. Contoh 5. w1 = 18. Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3.4 15 24 1. . Algoritma persoalan fractional knapsack: 1. i = 1. p1 = 24 w3 = 10.y Oleh karena 0 e xi e 1. p1 = 15 Kapasitas knapsack W = 20 Solusi dengan algoritma greedy: Properti objek wi pi pi /wi 18 25 1.0 i 1 2 3 profit 1 2/15 0 20 28. 2.5 y Penyelesaian persoalan knapsack yang memakai strategi pemilihan objek berdasarkan pi /wi terbesar memberikan keuntungan yang maksimum (optimum). Pemecahan Masalah dengan Algoritma Greedy y Ketiga strategi greedy yang telah disebutkan di atas dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack. Tinjau persoalan fractional knapsack dengan n = 3.6 10 15 1. maka terdapat tidak berhinga nilai-nilai xi.2 density 0 1 1/2 20 31. n 2. Solusi optmal persoalan knapsack di atas adalah X = (0.. Panggil SolveFractinonalKnapsack untuk mencari solusi optimum.. maka kita perlu mengurutkan objek terlebih dahulu berdasarkan p i /wi dalam urutan yang menurun. y y Agar proses pemilihan objek berikutnya optimal.. Hitung harga pi/wi . Persoalan Fractional Knapsack menjadi malar (continuous) sehingga tidak mungkin dipecahkan dengan algoritma exhaustive search.5. 1/2) yang memberikan keuntungan maksimum 31. 1. y 12 . p1 = 25 w2 = 15. sehingga objek berikutnya yang dipilih adalah objek sesuai dalam urutan itu.

else MasihMuatUtuhnfalse endif endwhile { i > n or not MasihMuatUtuh } 13 . Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3. . n : integer. 2. i = 1.wi ini+1. Baru kemudian panggil procedure SolveFractionalKnapsack ini } Deklarasi i : integer.procedure SolveFractionalKnapsack(input p. harus dilakukan prosedur pendahuluan sebagai berikut : 1.. kapasitas : real. W : real.. output x : Tabel. TotalUntung : real) { Penyelesaian persoalan fractional knapsack dengan algoritma greedy yang menggunaka strategi pemilihan objek berdasarkan density (pi/wi) Asumsi: Sebelum pemanggilan SolveFractionalKnapsack. : Tabel.. MasihMuatUtuh : boolean. Algoritma: for in1 to n do xi n 0 { inisialisasi setiap fraksi objek i dengan 0 } endfor kapasitasnW { kapasitas knapsack awal } TotalUntungn0 in1 MasihMuatUtuhntrue while (i e n) and (MasihMuatUtuh) do if wi e kapasitas then xin1 TotalUntungnTotalUntung + pi kapasitasnkapasitas . n 2. Hitung harga pi/wi . w.

2.. kami menyimpulkan bahwa algoritma B&B memiliki kemampuan yang lebih baik dibanding dijkstra dalam hal waktu yang dibutuhkan. u pn/wn maka algoritma greedy dengan strategi pemilihan objek berdasarkan pi /wi terbesar menghasilkan solusi yang optimum. 14 . Dari hasil analisis di atas. Kesimpulan Algoritma greedy sangat mudah untuk diimplementasikan tetapi hasil yang didapatkan tidak selalu merupakan hasil yang optimal hal ini dikarenakan algoritma greedy tidak melakukan operasi terhadap semua kemungkinan yang ada serta banyaknya fungsi seleksi yang dapat kita pilih sehingga belum tentu fungsi yang kita pilih merupakan fungsi yang tepat. pengelolaan memori dan yang terutama adalah masalah efektifitas. y Teorema 3. Jika p1/w1 u p2/w2 u . Masalah pencarian lintasan terpendek dapat diselesaikan dengan berbagai cara antara lain dengan algoritma dijkstra dan dengan algoritma B&B. Algoritma greedy untuk persoalan fractional knapsack dengan strategi pemilihan objek berdasarkan pi /wi terbesar akan selalu memberikan solusi optimal.. Hal ini dinyatakan dalam Teorema 3.if i e n then { objek terakhir yang akan dimasukkan} xi n kapasitas/wi TotalUntungnTotalUntungt + xi *pi endif y Kompleksitas waktu asimptotik algoritma di atas (dengan mangabaikan waktu pengurutan objek) adalah O(n).2 berikut ini.

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)//-->