03
Modul ke:
METODE STOKASTIK
Interger Programmer Branch and Bound
Fakultas
Teknik Bethriza Hanum ST., MT
Program Studi
Teknik Industri
Letakkan foto Terbaik anda disini
Program Dinamis
Tinjau graf di bawah ini. Kita ingin menemukan
lintasan terpendek dari 1 ke 10.
7
2 5
1
2 4 3 4
6 8 3
6
4
1 3 2 6 3 10
3 9 4
4
3 1
4
3
4 7
5
Prinsip Optimalitas
• Prinsip optimalitas berarti bahwa jika kita
bekerja dari tahap k ke tahap k + 1, kita dapat
menggunakan hasil optimal dari tahap k tanpa
harus kembali ke tahap awal.
• ongkos pada tahap k +1 =
(ongkos yang dihasilkan pada tahap k ) +
(ongkos dari tahap k ke tahap k + 1)
• Dengan prinsip optimalitas ini dijamin bahwa
pengambilan keputusan pada suatu tahap
adalah keputusan yang benar untuk tahap-
tahap selanjutnya.
• Pada metode greedy hanya satu rangkaian
keputusan yang pernah dihasilkan, sedangkan
pada metode program dinamis lebih dari satu
rangkaian keputusan. Hanya rangkaian
keputusan yang memenuhi prinsip optimalitas
yang akan dihasilkan.
Karakteristik Persoalan
Program Dinamis
Graf multitahap (multistage graph). Tiap simpul di
dalam graf tersebut menyatakan status, sedangkan V1,
V2, … menyatakan tahap.
V1 V2 V3 V4 V5
9
6
7 10 12
1
4
8
11
5
3. Hasil dari keputusan yang diambil pada setiap
tahap ditransformasikan dari status yang
bersangkutan ke status berikutnya pada tahap
berikutnya.
4. Ongkos (cost) pada suatu tahap meningkat secara
teratur (steadily) dengan bertambahnya jumlah
tahapan.
5. Ongkos pada suatu tahap bergantung pada ongkos
tahap-tahap yang sudah berjalan dan ongkos pada
tahap tersebut.
6. Keputusan terbaik pada suatu tahap bersifat
independen terhadap keputusan yang dilakukan
pada tahap sebelumnya.
7. Adanya hubungan rekursif yang
mengidentifikasikan keputusan terbaik untuk setiap
status pada tahap k memberikan keputusan terbaik
untuk setiap status pada tahap k + 1.
8. Prinsip optimalitas berlaku pada persoalan
tersebut.
Dua pendekatan PD
• Misalkan x1, x2, …, xn menyatakan peubah
(variable) keputusan yang harus dibuat
masing-masing untuk tahap 1, 2, …, n. Maka,
1. Program dinamis maju. Program dinamis
bergerak mulai dari tahap 1, terus maju ke
tahap 2, 3, dan seterusnya sampai tahap n.
Runtunan peubah keputusan adalah x1, x2, …,
xn.
Langkah-langkah Pengembangan
Algoritma Program Dinamis
Lintasan Terpendek
(Shortest Path)
• Tentukan lintasan terpendek dari simpul 1 ke simpul
10:
7
2 5
1
2 4 3 4
6 8 3
6
4
1 3 2 6 3 10
3 9 4
4
3 1
4
3
4 7
5
Penyelesaian dengan Program Dinamis
Mundur
Relasi rekurens berikut menyatakan lintasan terpendek
dari status s ke x4 pada tahap k:
f ( s) c
4 sx4
(basis)
f ( s ) min{c f ( x )} ,
k xk sxk k 1 k
(rekurens)
k = 1, 2, 3
Keterangan:
a. xk : peubah keputusan pada tahap k (k = 1, 2, 3).
b. c : bobot (cost) sisi dari s ke xk
sxk
c. fk(s, xk) : total bobot lintasan dari s ke xk
d. fk(s) : nilai minimum dari fk(s, xk)
Tujuan program dinamis mundur: mendapatkan f1(1)
dengan cara mencari f4(s), f3(s), f2(s) terlebih dahulu.
Tahap 4:
f ( s) c
4 sx4
Solusi Optimum
s f4(s) x4*
8 3 10
9 4 10
Catatan: xk* adalah nilai xk yang meminimumkan fk(s, xk).
Tahap 3:
f ( s ) min{c f ( x )}
3 x3 sx3 4 3
x3 f3(s, x3) = cs,x3 + f4(x3) Solusi Optimum
s 8 9 f3(s) x3*
5 4 8 4 8
6 9 7 7 9
7 6 7 6 8
Tahap 2:
f ( s ) min{c f ( x )}
2 x2 sx2 3 2
x2 f2(s, x2) = cs,x2 + f3(x2) Solusi Optimum
s 5 6 7 f2(s) x2*
2 11 11 12 11 5 atau 6
3 7 9 10 7 5
4 8 8 11 8 5 atau 6
Tahap 1:
f ( s ) min{c f ( x )}
1 x1 sx1 2 1
x1 f1(s, x1) = cs,x1 + f2(x1) Solusi Optimum
s 2 3 4 f1(s) x1*
1 13 11 11 11 3 atau 4
Solusi optimum dapat dibaca pada tabel di bawah ini:
x1 x2 x3 x4 Panjang Lintasan
Terpendek
3 5 8 10 11
1
5 8 10 11
4
6 9 10 11
Jadi ada tiga lintasan terpendek dari 1 ke 10, yaitu
1 3 5 8 10
1 4 5 8 10
1 4 6 9 10
Panjang ketiga lintasan tersebut sama, yaitu 11.
Penganggaran Modal
(Capital Budgeting)
Peubah status yang terdapat pada tahap 1, 2, dan 3:
x1 = modal yang dialokasikan pada tahap 1
x2 = modal yang dialokasikan pada tahap 1 dan 2
x3 = modal yang dialokasikan pada tahap 1, 2, dan 3
x3
x2
x1
Tahap 1 Tahap 2 Tahap 3
Kemungkinan nilai-nilai untuk x1 dan x2 adalah 0, 1, 2,
3, 4, 5 (milyar), sedangkan nilai untuk x3 adalah 5
Pabrik 1 Pabrik 2 Pabrik 3
Proyek c1 R1 c2 R2 c3 R3
1 0 0 0 0 0 0
2 1 5 2 8 1 3
3 2 6 3 9 - -
4 - - 4 12 - -
Penyelesaian dengan Program Dinamis Maju.
Relasi rekurens keuntungan optimal:
f ( x ) max {R1(p1)}
1 1 feasible
(basis)
proposal _ p1
f ( x ) max
k k feasible
{Rk(pk) + fk-1(xk-1) } (rekurens)
proposal _ pk
k = 2, 3
Catatan:
1. xk – 1 = xk – ck(pk)
c(pk) adalah biaya untuk alternatif pk pada tahap k.
2. Proposal pk dikatakan layak (feasible) jika biayanya,
c(pk), tidak melebihi nilai status xk pada tahap k.
Relasi rekurens keuntungan optimal menjadi
f ( x ) max {R1(p1)}
1 1 c1 ( p1 ) x1
(basis)
f ( x ) max {Rk(pk) + fk-1[xk – ck(pk)] } (rekurens)
k k ck ( p k ) x k
k = 2, 3
Tahap 1
f ( x ) max {R1(p1)}
1 1 c1 ( p1 ) x1
p1 1 , 2 , 3
R1(p1) Solusi Optimal
x1 p1 = 1 p1 = 2 p1 = 3 f1(x1) p1*
0 0 - - 0 1
1 0 5 - 5 2
2 0 5 6 6 3
3 0 5 6 6 3
4 0 5 6 6 3
5 0 5 6 6 3
Tahap 2
f ( x ) max {R2(p2) + f1[(x2 – c2(p2)]},
2 2 c2 ( p2 ) x 2
p 2 1 , 2 , 3 , 4
R2(p2) + f1[(x2 – c2(p2)] Solusi
x2 Optimal
p2 = 1 p2 = 2 p2 = 3 p2 = 4 f2(x2) p2*
0 0+0=0 - - - 0 1
1 0+5=5 - - - 5 1
2 0+6=6 8+0=8 - - 8 2
3 0 + 6 = 6 8 + 5 = 13 9 + 0 = 9 - 13 2
4 0 + 6 = 6 8 + 6 = 14 9 + 5 = 14 12 + 0 = 12 14 2 atau 3
5 0 + 6 = 6 8 + 6 = 14 9 + 6 = 15 12 + 5 = 17 17 4
Tahap 3
f ( x ) max {R3(p3) + f2[(x3 – c3(p3)]},
3 3 c3 ( p3 ) x 3
p3 1 , 2
R3(p3) + f2[(x3 – c3(p3)] Solusi Optimal
x3 p3 = 1 p3 = 2 f3(x3) p3*
5 0 + 17 = 17 3 + 14 = 17 17 1 atau 2
Rekonstruksi solusi:
x3 p3* x2 p2* x1 p1* (p1*, p2*,
p3*)
1 (5 – 0 = 5) 4 (5 – 4 = 1) 2 (2, 4, 1)
1
2 (4 – 2 = 2) 3 (3, 2, 2)
2 (5 – 1 = 4)
3 (4 – 3 = 1) 3 (2, 3, 2)
Integer (1/0) Knapsack
• Misalkan ketika memasukkan objek pada
tahap k, kapasitas muat karung sekarang
adalah y – wk.
• Untuk mengisi kapasitas sisanya, kita
menerapkan prinsip optimalitas dengan
mengacu pada nilai optimum dari tahap
sebelumnya untuk kapasitas sisa
y – wk ( yaitu fk-1(y – wk)).
Penyelesaian dengan Program Dinamis
• Selanjutnya, kita bandingkan nilai keuntungan
dari objek pada tahap k (yaitu pk) plus nilai fk-
1(y – wk) dengan keuntungan pengisian hanya
k – 1 macam objek, fk-1(y).
• Jika pk + fk-1(y – wk) lebih kecil dari fk-1(y), maka
objek yang ke-k tidak dimasukkan ke dalam
karung, tetapi jika lebih besar, maka objek
yang ke-k dimasukkan.
Relasi rekurens untuk persoalan ini adalah
f0(y) = 0, y = 0, 1, 2, …, M (basis)
fk(y) = -, y < 0 (basis)
fk(y) = max{fk-1(y), pk + fk-1(y – wk)}, (rekurens)
k = 1, 2, …, n
Contoh: n = 3
M=5
Barang ke-i wi pi
1 2 65
2 3 80
3 1 30
Tahap 1:
f1(y) = max{f0(y), p1 + f0(y – w1)}
= max{f0(y), 65 + f0(y – 2)}
Solusi Optimum
y f0(y) 65 + f0(y – 2) f1(y) (x1*, x2*, x3*)
0 0 - 0 (0, 0, 0)
1 0 - 0 (0, 0, 0)
2 0 65 65 (1, 0, 0)
3 0 65 65 (1, 0, 0)
4 0 65 65 (1, 0, 0)
5 0 65 65 (1, 0, 0)
Tahap 2:
f2(y) = max{f1(y), p2 + f1(y – w2)}
= max{f1(y), 80 + f1(y – 3)}
Solusi Optimum
y f1(y) 80 + f1(y – 3) f2(y) (x1*, x2*, x3*)
0 0 80 + (-) = - 0 (0, 0, 0)
1 0 80 + (-) = - 0 (0, 0, 0)
2 65 80 + (-) = - 65 (1, 0, 0)
3 65 80 + 0 = 80 80 (0, 1, 0)
4 65 80 + 0 = 80 80 (0, 1, 0)
5 65 80 + 65 = 145 145 (1, 1, 0)
Tahap 3:
f3(y) = max{f2(y), p3 + f2(y – w3)}
= max{f2(y), 30 + f2(y – 1)}
Solusi Optimum
y f2(y) 30 + f2(y – 1) f3(y) (x1*, x2*, x3*)
0 0 30 + (-) = - 0 (0, 0, 0)
1 0 30 + (-) = - 0 (0, 0, 0)
2 65 30 + 0 = 30 65 (1, 0, 0)
3 80 30 + 65 = 95 95 (1, 0, 1)
4 80 30 + 80 = 110 110 (0, 1, 1)
5 145 30 + 80 = 110 145 (1, 1, 0)
Solusi optimum X = (1, 1, 0) dengan p = f = 145.
TERIMA KASIH
46