Kontrol Optimum. MKO dengan Mixed Constraints dan Pure State Constraints. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
|
|
- Ratna Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Kontrol Optimum MKO dengan Mixed Constraints dan Pure State Constraints Toni Bakhtiar Departemen Matematika IPB Februari 2014 (IPB) MAT332 Kontrol Optimum Februari / 38
2 Outline MKO dengan mixed constraints MKO dengan pure state constraints (IPB) MAT332 Kontrol Optimum Februari / 38
3 Bentuk Umum Mixed constraint di sini merujuk pada kendala pertaksamaan yang harus dipenuhi oleh peubah state dan peubah kontrol secara bersama-sama. Bentuk umum MKO dengan mixed constraint diberikan oleh: max J = T f (x, u, t) dt 0 s.t. ẋ = g(x, u, t), h(x, u, t) 0, (mixed constraint) x(0) = x 0. Syarat batas di waktu akhir dapat ditambahkan, misalnya x(t ) = x T, x(t ) b, atau x(t ) bebas. Kendala h(x, u, t) 0 disebut sebagai mixed constraint, dan dapat terdiri atas lebih dari satu pertaksamaan. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
4 Syarat Perlu dan Cukup Optimalitas Fungsi hamilton dan fungsi lagrange diberikan oleh: H = f + pg, H = H + λh = f + pg + λh. Theorem (Seierstad & Sydsæter, 1987) Syarat perlu agar (x (t), u (t)) merupakan solusi optimum ialah: 1 H u = 0 (u memaksimumkan H), 2 ẋ = H p, 3 H u = 0, 4 λ 0, h 0, λh = 0 (maksimisasi), λ 0, h 0, λh = 0 (minimisasi), 5 ṗ = H x. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
5 Example Selesaikan MKO dengan mixed constraints berikut: max J = 1 0 u dt s.t. ẋ = u, u 0, x u 0, x(0) = 1, x(1) bebas. Dari MKO di atas didefinisikan h 1 = u dan h 2 = x u dengan fungsi hamilton: H = u + pu = (1 + p)u. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
6 Karena H linear terhadap u dan 0 u x maka { { u x ; 1 + p > 0 x ; p > 1 = 0 ; 1 + p < 0 = 0 ; p < 1. Fungsi lagrange: Selanjutnya, H = H + λ 1 u + λ 2 (x u) = (1 + p + λ 1 λ 2 )u + λ 2 x. H u = p + λ 1 λ 2 = 0, ṗ = H x ṗ = λ 2, dengan syarat transversalitas p(1) = 0 (karena x(1) bebas). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
7 Jika u = x maka kondisi (λ 0, h 0, λh = 0) memberikan: h 1 = x 0 λ 1 = 0, h 2 = 0 λ 2 0. Akibatnya, 1 + p λ 2 = 0 λ 2 = p + 1, sehingga ṗ = λ 2 ṗ = p 1 p(t) = Ae t 1 (p(1) = 0) p(t) = e 1 t 1 (jelas p(t) > 1) λ 2 (t) = e 1 t. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
8 Peubah state: Jadi, (ẋ = u dan u = x) ẋ = x x(t) = Be t (x(0) = 1) x(t) = e t u(t) = e t. u (t) = e t, x (t) = e t, p (t) = e 1 t 1, λ 2(t) = e 1 t, λ 1(t) = 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
9 Jika u = 0 maka kondisi (λ 0, h 0, λh = 0) memberikan: h 1 = 0 λ 1 0, h 2 = x 0 λ 2 = 0. Akibatnya, 1 + p + λ 1 = 0 λ 1 = p 1. Kondisi ṗ = H x ṗ = λ 2 memberikan ṗ = 0 p(t) = A. Syarat transversalitas p(1) = 0 mengakibatkan p(t) 0. Jelas p(t) > 1, sehingga u = 0 tidak mungkin terjadi. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
10 Example Selesaikan MKO dengan mixed constraints berikut: max J = 1 0 u dt s.t. ẋ = 2x u, u 1 0, 2x u 0, x(0) = 1, x(1) bebas. Fungsi hamilton dan fungsi lagrange diberikan oleh: H = u + p(2x u) = 2xp + (1 p)u, H = u + p(2x u) + λ 1 (u 1) + λ 2 (2x u) = (2xp λ 1 + 2xλ 2 ) + (1 p + λ 1 λ 2 )u tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
11 Karena H linear terhadap u dan 1 u 2x maka { { u 2x ; 1 p > 0 2x ; p < 1 = 1 ; 1 p < 0 = 1 ; p > 1. Syarat berikutnya memberikan: H u = 0 1 p + λ 1 λ 2 = 0, ṗ = H x ṗ = 2p 2λ 2, dengan p(1) = 0. Jika u = 2x maka kondisi (λ i 0, h i 0, λ i h i = 0), dengan h 1 = u 1 dan h 2 = 2x u, memberikan: h 1 = 2x 1 λ 1 = 0, h 2 = 0 λ 2 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
12 Didapatkan sehingga 1 p + λ 1 λ 2 = 0 1 p λ 2 = 0 λ 2 = 1 p ṗ = 2p 2(1 p) = 2 p(t) = 2t + A (p(1) = 0) p(t) = 2t + 2, { { u 2x ; 1 ( 2t + 2) > 0 2x ; (t) = 1 ; 1 ( 2t + 2) < 0 = 1 2 < t 1 1 ; 0 t < 1 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
13 Peubah state: untuk u = 2x diperoleh ẋ = 0 x(t) = A,dan untuk u = 1 diperoleh ẋ = 2x 1 x(t) = Be 2t + 1 2,sehingga x (t) = { A ; 1 2 < t 1 Be 2t ; 0 t < 1 2. Karena x(0) = 1 maka B = 1 2. Agar x kontinu haruslah A = 1 2 e Jadi, x (t) = { 1 2 e ; 1 2 t e2t ; 0 t < 1 2 u (t) = { e + 1 ; 1 2 < t 1 1 ; 0 t < 1 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
14 Fungsi adjoin dan pengganda lagrange: p (t) = 2t + 2, 0 t 1, { λ2(t) 2t 1 ; 1 = 2 < t 1 0 ; 0 t < 1 2 { λ1(t) 0 ; 1 = 2 < t 1 1 2t ; 0 t < 1 2,. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
15 Example Selesaikan MKO berikut: Definisikan fungsi hamilton: max J = 1 0 x dt s.t. ẋ = x + u, x(0) = 0, x(1) bebas, 1 u 0, 1 + u 0, 2 x u 0. Terlihat bahwa H linear terhadap u. H = x + p(x + u) = x + px + pu. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
16 Karena pertaksamaan-pertaksamaan 1 u 0 dan 1 + u 0 ekuivalen dengan 1 u 1 dan 2 x u 0 ekivalen dengan u 2 x, maka diperoleh bang-bang control { u 1 ; p > 0 = 1 ; p < 0, asalkan 1 u 1 2 x. Tetapi jika 1 u 2 x 1 maka { u 2 x ; p > 0 = 1 ; p < 0. Definisikan h 1 (u) = 1 u, h 2 (u) = 1 + u, h 3 (u, x) = 2 x u, dan fungsi lagrange: H = x + px + pu + λ 1 (1 u) + λ 2 (1 + u) + λ 3 (2 x u). Syarat H u = 0 memberikan p λ 1 + λ 2 λ 3 = 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
17 Syarat ṗ = H x memberikan ṗ = 1 p + λ 3, dengan p(1) = 0. Jika u = 1 maka syarat (λ i 0, h i 0, λ i h i = 0) memberikan h 1 (u) = 0 λ 1 0, h 2 (u) = 2 λ 2 = 0, h 3 (u, x) = 1 x λ 3 = 0. Akibatnya, p λ 1 = 0. (tidak dapat diselesaikan) Namun dari syarat ṗ = H x diperoleh ṗ = 1 p p(t) = Ae t 1 (p(1) = 0) p(t) = e 1 t 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
18 Karena p(t) = e 1 t 1 > 0 untuk t [0, 1] maka diperoleh kontrol optimum u (t) 1. Persamaan diferensial ẋ = x + u memberikan ẋ = x + 1 x(t) = Be t 1 (x(0) = 0) x(t) = e t 1. Perhatikan keterpenuhan kendala pertaksamaan terakhir: 2 x u 0 2 (e t 1) e t 0 e t 2 0 t ln 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
19 Jika u = 2 x maka syarat (λ i 0, g i 0, λ i g i = 0) memberikan g 1 (u) = x 1 λ 1 = 0, g 2 (u) = 3 x λ 2 = 0, g 3 (u, x) = 0 λ 3 0. Akibatnya, p λ 3 = 0 p = λ 3, sehingga diperoleh persamaan diferensial ṗ = 1 p(t) = t + A. Syarat p(1) = 0 memberikan p (t) = 1 t, λ3(t) = 1 t. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
20 Karena p (t) = 1 t 0 untuk 0 t 1, maka diperoleh kontrol optimum u = 2 x. Persamaan diferensial ẋ = x + u memberikan ẋ = 2 x(t) = 2t + B (x(0) = 0) x(t) = 2t u = 2 2t. Mudah diperiksa bahwa kendala pertaksamaan kedua dan ketiga terpenuhi. Perhatikan keterpenuhan kendala pertaksamaan pertama: 1 u 0 1 (2 2t) t 1 2 t 1. Karena t terdefinisi pada [ 1 2, 1] maka syarat x(0) = 0 tidak dapat dikenakan pada x. Jadi, x(t) = 2t + B. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
21 Perhatikan kasus sebelumnya. Karena ln [ 1 2, 1] maka konstanta B ditentukan sehingga x kontinu pada [0, 1], khususnya di titik t = ln 2 : sehingga Jadi secara keseluruhan, e ln 2 1 = 2 ln 2 + B B = 1 2 ln 2, x(t) = 2t ln 2, ln 2 < t 1, u(t) = 1 2t + 2 ln 2, ln 2 < t 1. x (t) = u (t) = { e t 1 ; 0 t ln 2 2t ln 2 ; ln 2 < t 1, { 1 ; 0 t ln 2 1 2t + 2 ln 2 ; ln 2 < t 1. Tugas: tentukan p (t), λ 1(t), λ 2(t), dan λ 3(t). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
22 Problem Selesaikan MKO berikut: max J = 2 0 u dt s.t. ẋ = x u, u 1 0, x u 0, (mixed constraint) x(0) = 2, x(2) bebas. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
23 x (t) = p (t) = 2 t, λ 1(t) = { { e + 1 ; 1 t 2 e + 1 ; 1 t 2 e t + 1 ; 0 t < 1, u (t) = 1 ; 0 t < 1, { 1 t ; 0 t 1 0 ; 1 < t 2, λ 2(t) = { 0 ; 0 t 1 t 1 ; 1 < t 2. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
24 MKO dengan Pure State Constraints Bentuk Umum Pure state constraint di sini merujuk pada kendala pertaksamaan yang harus dipenuhi hanya oleh peubah state. Bentuk umum MKO dengan pure state constraint diberikan oleh: max J = T F (x, u, t) dt 0 s.t. ẋ = f (x, u, t), g(x, t) 0, (pure state constraint) x(0) = x 0. Secara umum syarat optimalitas bagi MKO dengan pure state constraints sama dengan MKO dengan mixed constraints. Namun, kekontinuan p(t) seringkali tidak terpenuhi. Oleh karena itu p(t) dibolehkan memiliki diskontinuitas lompat di t = T. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
25 MKO dengan Pure State Constraints Example Sebuah toko memiliki persediaan barang pada saat t sebesar x(t) dan menghadapi permintaan sebesar d(t) = at. Untuk memenuhi permintaan tersebut toko juga melakukan pemesanan barang sebesar u(t) (sebagai peubah kontrol). Toko bertujuan meminimumkan biaya pemesanan cu(t) dan biaya penyimpanan kx(t) dalam periode [0, T ]. Jika dimisalkan x(0) = 1, maka masalah di atas dapat diformulasikan sebagai berikut: min J = T 0 (cu + kx) dt max Ĵ = T (cu + kx) dt 0 s.t. ẋ = u d, d = at, x 0, (pure state constraint) u 0, x(0) = 1, x(t ) bebas, dengan c, k, a, dan T adalah konstanta-konstanta positif dan T > 2/a. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
26 MKO dengan Pure State Constraints Didefinisikan fungsi hamilton H dan fungsi lagrange H: H = ( kx atp) + (p c)u, H = H + λ 1 x + λ 2 u. Karena H linear terhadap u dan 0 u maka untuk maksimisasi: u (t) = 0, jika p(t) c < 0 atau p(t) < c. Jika u = 0 maka kendala persamaan diferensial memberikan: ẋ = at x(t) = 1 2 at2 + B (x(0) = 1) x (t) = 1 2 at2 + 1, 0 t 2/a. Untuk 2/a < t T terjadi pelanggaran kendala x 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
27 MKO dengan Pure State Constraints Selanjutnya, syarat ṗ = H x memberikan ṗ(t) = ( k + λ 1 (t)) = k λ 1 (t). Syarat (λ i 0, g i 0, λ i g i = 0) memberikan g 1 = x 0 λ 1 = 0, g 2 = u = 0 λ 2 0. Diperoleh p(t) = kt + A. Syarat transversalitas p(t ) = 0 tidak dapat diterapkan di sini. Untuk 2/a < t T dipilih strategi banyaknya barang yang dipesan sama dengan banyaknya barang yang diminta sehingga tidak ada stok, yaitu u (t) = at x (t) = 0. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
28 MKO dengan Pure State Constraints Jadi, u (t) = x (t) = { 0 ; 0 t 2/a, at ; 2/a < t T { 1 2 at2 + 1 ; 0 t 2/a. 0 ; 2/a < t T Karena u harus memaksimumkan H, maka untuk 2/a < t T, p(t) = c ṗ = 0 λ 1 (t) = k. Dari H u = 0 diperoleh p c + λ 2 = 0 atau λ 2 = c p. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
29 MKO dengan Pure State Constraints Dengan demikian, p (t) = λ 1(t) = λ 2(t) = kt + A ; 0 t 2/a c ; 2/a < t < T, 0 ; t = T { 0 ; 0 t 2/a, k ; 2/a < t T { c (kt + A) ; 0 t 2/a. 0 ; 2/a < t T Perhatikan bahwa p (t) mengalami diskontinuitas lompat di t = T. Konstanta A dipilih sehingga p (t) kontinu, yaitu A = c k 2/a. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
30 MKO dengan Pure State Constraints Problem Selesaikan MKO berikut: max J = 5 (u + x) dt 0 s.t. ẋ = u t, x 0, (pure state constraint) u 0, x(0) = 1, x(5) bebas. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
31 MKO dengan Pure State Constraints Dengan a = c = k = 1 dan T = 5 diperoleh: u (t) = x (t) = p (t) = λ1(t) = λ2(t) = { 0 ; 0 t 2, t ; 2 < t 5 { t2 ; 0 t 2, 0 ; 2 < t 5 t ; 0 t 2 1 ; 2 < t < 5 0 ; t = 5 { 0 ; 0 t 2, 1 ; 2 < t 5 { 2 t ; 0 t 2. 0 ; 2 < t T, tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
32 MKO dengan Pure State Constraints Example Selesaikan MKO berikut: max J = 4 0 (x (u 2)2 ) dt s.t. ẋ = u, 1 x 0, (pure state constraint) x(0) = 0, x(4) bebas. Didefinisikan fungsi hamilton H dan fungsi lagrange H: H = x (u 2) 2 + pu, H = H + λ(1 x) = x (u 2) 2 + pu + λ(1 x). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
33 MKO dengan Pure State Constraints Syarat perlu optimalitas: 1 H u = 0 2(u 2) + p = 0 u = 1 2 p ṗ = H x ṗ = λ 1, dengan p(4) = 0 karena x(4) bebas. Terhadap pure state constraint 1 x 0 atau x 1, misalkan x < 1, 0 t t, x = 1, t < t 4, untuk suatu t yang akan ditentukan kemudian. Jika 0 t t maka x < 1 atau 1 x > 0. Misalkan h(x, t) = 1 x > 0. Kondisi Kuhn-Tucker λ 0, h 0, λh = 0 mengakibatkan λ = 0, sehingga dari kondisi kedua diperoleh ṗ = 1 p(t) = t + A. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
34 MKO dengan Pure State Constraints Jika t < t 4 maka x = 1, sehingga ẋ = 0 = u. Kondisi pertama memberikan 0 = 1 2 p + 2 p(t) = 4. Padahal ada syarat p(4) = 0. Di sinilah diskontinuitas lompat diperbolehkan, yaitu p(t) = { 4 ; t < t < 4 0 ; t = 4. Fungsi adjoin p harus kontinu di t = t, sehingga harus dipenuhi p(t ) = p(t + ) t + A = 4 A = t 4. Untuk 0 t t diperoleh p(t) = t + t 4 u(t) = 1 2 p + 2 = 1 2 (t t). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
35 MKO dengan Pure State Constraints Akibatnya, kendala persamaan diferensial memberikan ẋ = u ẋ = 1 2 (t t) x(t) = 1 4 (t t) 2 + B. Di lain pihak, untuk t < t 4 diperoleh Agar x kontinu: ẋ = 0 x(t) = C = 1. x(t ) = x(t + ) B = 1 x(t) = 1 4 (t t) Karena x(0) = 0 maka t = 2, sehingga x(t) = 1 4 (2 t)2 + 1 = 1 4 t (t 4). tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
36 MKO dengan Pure State Constraints Example Selesaikan MKO berikut: max J = 2 (1 x) dt 0 s.t. ẋ = u, x 0, (pure state constraint) 0 [ 1, 1], x(0) = 0, x(2) bebas. Didefinisikan fungsi hamilton H dan fungsi lagrange H: H = 1 x + pu, H = H + λx = 1 x + pu + λx. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
37 MKO dengan Pure State Constraints Karena H linear terhadap u dan peubah kontrol u berbatas, maka lazimnya kontrol optimum diberikan oleh solusi bang-bang { u 1 ; p > 0 (t) = 1 ; p < 0. Perhatikan bahwa kendala x 0 dapat ditulis menjadi x > 0, 0 t t, x = 0, t < t 2, dengan t akan ditentukan kemudian. Jika u (t) = 1 maka ẋ = u ẋ = 1 x(t) = t + A. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
38 MKO dengan Pure State Constraints Namun demikian, x (t) = t + A merupakan fungsi naik. Hal ini bertentangan dengan fungsional objektif max 2 (1 x) dt yang 0 seharusnya dipenuhi oleh x yang menurun. Jadi haruslah u (t) = 1. tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari / 38
Kontrol Optimum. MKO dengan Kendala pada Peubah Kontrol. Toni Bakhtiar. Departemen Matematika IPB. Februari 2017
Kontrol Optimum MKO dengan Kendala pada Peubah Kontrol Toni Bakhtiar Departemen Matematika IPB Februari 2017 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2017 1 / 53 Outline MKO berkendala
Lebih terperinciKontrol Optimum. Prinsip Maksimum Pontryagin. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum Prinsip Maksimum Pontryagin Toni Bakhtiar Departemen Matematika IPB Februari 214 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 214 1 / 25 Outline Masalah kontrol optimum Prinsip
Lebih terperinciKontrol Optimum. Syarat Transversalitas, Current-valued Hamiltonian. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum Syarat Transversalitas, Current-valued Hamiltonian Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 37 Outline Syarat
Lebih terperinciKontrol Optimum. MKO dengan Horizon Takhingga, Syarat Cukup. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum MKO dengan Horizon Takhingga, Syarat Cukup Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 23 Outline MKO dengan
Lebih terperinciKalkulus Variasi. Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas. Toni Bakhtiar. Departemen Matematika IPB
Kalkulus Variasi Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum
Lebih terperinciKalkulus Variasi. Persamaan Euler, Masalah Kalkulus Variasi Berkendala, Syarat Batas. Toni Bakhtiar. Departemen Matematika IPB.
Kalkulus Variasi Persamaan Euler, Masalah Kalkulus Variasi Berkendala, Syarat Batas Toni Bakhtiar Departemen Matematika IPB Februari 214 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 214 1
Lebih terperinciKalkulus Variasi. Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga. Toni Bakhtiar. Departemen Matematika IPB.
Kalkulus Variasi Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 /
Lebih terperinciMAT332 Kontrol Optimum
MAT332 Kontrol Optimum Kontrak Belajar dan Rencana Perkuliahan Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 12 Identitas 1 Nama
Lebih terperinciMasalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas
Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Slide II Toni Bakhtiar Departemen Matematika IPB February 2012 TBK (IPB) Kalkulus Variasi February 2012 1 / 37 Masalah Brachystochrone
Lebih terperinciKalkulus Variasi. Pendahuluan, Model Matematika, Keterkontrolan. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kalkulus Variasi Pendahuluan, Model Matematika, Keterkontrolan Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 42 Outline Beberapa
Lebih terperinciII LANDASAN TEORI. ii. Constant returns to scale, yaitu situasi di mana output meningkat sama banyaknya dengan porsi peningkatan input
2 II LANDASAN EORI Pada bab ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan dalam karya ilmiah ini. 2.1 Istilah Ekonomi Definisi 1 (Pertumbuhan Ekonomi) Pertumbuhan ekonomi
Lebih terperinciOutline. Bagian 0: Motivasi. Bagian 1: Optimasi Taklinier Dasar dasar Teorema Karush Kuhn Tucker. Bagian 2: Sequential Quadratic Programming
Outline Bagian 0: Motivasi Bagian 1: Optimasi Taklinier Dasar dasar Teorema Karush Kuhn Tucker Bagian 2: Sequential Quadratic Programming Bagian 3: Masalah Kendali Optimal dengan Persamaan Di erensial
Lebih terperinciKuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab
Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Effendi Syahril Agah D. Garnadi Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Effendi Syahril Agah D. Garnadi e-version
Lebih terperinciPersamaan Diferensial Biasa
Persamaan Diferensial Biasa Pendahuluan, Persamaan Diferensial Orde-1 Toni Bakhtiar Departemen Matematika IPB September 2012 Toni Bakhtiar (m@thipb) PDB September 2012 1 / 37 Pendahuluan Konsep Dasar Beberapa
Lebih terperinciPersamaan Diferensial Biasa
Persamaan Diferensial Biasa Titik Tetap dan Sistem Linear Toni Bakhtiar Departemen Matematika IPB Oktober 2012 Toni Bakhtiar (m@thipb) PDB Oktober 2012 1 / 31 Titik Tetap SPD Mandiri dan Titik Tetap Tinjau
Lebih terperinciPENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI. Nurus Sa adah, Toni Bakhtiar, Farida Hanum
PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI Nurus Sa adah, Toni Bakhtiar, Farida Hanum Departemen Matematika FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciBentuk Standar. max. min
Teori Dualitas 2 Konsep Dualitas Setiap permasalahan LP mempunyai hubungan dengan permasalahan LP lain Masalah dual adalah sebuah masalah LP yang diturunkan secara matematis dari satu model LP primal 3
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari baik disadari maupun tidak, optimasi selalu dilakukan untuk memenuhi kebutuhan. Tetapi optimasi yang dilakukan masyarakat awam lebih banyak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan mengenai teori teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciCATATAN TENTANG PERSAMAAN LYAPUNOV DAN PERSAMAAN ALJABAR RICCATI
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 21 32 CATATAN TENTANG PERSAMAAN LYAPUNOV DAN PERSAMAAN ALJABAR RICCATI Subiono Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember
Lebih terperinciKalkulus Multivariabel I
Maksimum, Minimum, dan Statistika FMIPA Universitas Islam Indonesia Titik Kritis Misalkan p = (x, y) adalah sebuah titik peubah dan p 0 = (x 0, y 0 ) adalah sebuah titik tetap pada bidang berdimensi dua
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
Lebih terperinciPENYELESAIAN MASALAH KONTROL KUADRATIK LINIER YANG MEMUAT FAKTOR DISKON
Jurnal Matematika UNAND Vol. 2 No. 1 Hal. 65 71 ISSN : 233 291 c Jurusan Matematika FMIPA UNAND PENYELESAIAN MASALAH KONTROL KUADRATIK LINIER YANG MEMUAT FAKTOR DISKON MEZI FAUZIATUL HUSNA Program Studi
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda
Lebih terperinciKONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN
LAPORAN TUGAS AKHIR 01 WINTER Template KONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN Oleh: Darsih Idayani 1206 100 040 Pembimbing: Subchan,
Lebih terperinciSYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John... (Caturiyati) SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Kamar darurat (Emergency Room/ER) adalah tempat yang sangat penting peranannya pada rumah sakit. Aktivitas yang cukup padat mengharuskan kamar darurat selalu dijaga oleh
Lebih terperinciBAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di
BAB II TINJAUAN PUSTAKA 2.1 Pemrograman Linier (Linear Programming) Pemrograman linier (linear programming) merupakan salah satu teknik riset operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan
Lebih terperinciIII RELAKSASI LAGRANGE
III RELAKSASI LAGRANGE Relaksasi Lagrange merupakan salah satu metode yang terus dikembangkan dalam aplikasi pemrograman matematik. Sebagian besar konsep teoretis dari banyak aplikasi menggunakan metode
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Optimasi Non-Linier Suatu permasalahan optimasi disebut nonlinier jika fungsi tujuan dan kendalanya mempunyai bentuk nonlinier pada salah satu atau keduanya. Optimasi nonlinier
Lebih terperinciBAB 3 LINEAR PROGRAMMING
BAB 3 LINEAR PROGRAMMING Teori-teori yang dijelaskan pada bab ini sebagai landasan berpikir untuk melakukan penelitian ini dan mempermudah pembahasan hasil utama pada bab selanjutnya. 3.1 Linear Programming
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Salah satu observasi yang berguna dalam bidang komputasi di tahun 1970 adalah observasi terhadap permasalahan relaksasi Lagrange. Josep Louis Lagrange merupakan tokoh ahli
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari baik disadari maupun tidak, sebenarnya orang selalu melakukan optimasi untuk memenuhi kebutuhannya. Tetapi optimasi yang dilakukan masyarakat
Lebih terperinciPENGENDALIAN OPTIMAL DISTRIBUSI VAKSIN PADA MODEL EPIDEMIK RABIES DENGAN MASA KELAHIRAN PERIODIK
PENDAHULUAN PENGENDALIAN OPTIMAL DISTRIBUSI VAKSIN PADA MODEL EPIDEMIK RABIES DENGAN MASA KELAHIRAN PERIODIK Oleh : Qurrotu Ainy Jufri (1210100072) Dosen Pembimbing : Drs. Kamiran, M.Si. Jurusan Matematika
Lebih terperinciSelanjutnya didefinisikan fungsional objektif yang diperbesar (augmented) J ( u ) sebagai:
LAMPIRAN Lampiran 1. Bukti Teorema 4 Diketahui masalah memaksimumkan: T J ( x) = S( x( T), T) + f ( x( t), u( t), t) dt (1) dengan kendala : x() t = f( x(), t u(),) t t dt () Misalkan x() = x, t =, sedangkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrograman Non Linier Pemrograman Non linier merupakan pemrograman dengan fungsi tujuannya saja atau bersama dengan fungsi kendala berbentuk non linier yaitu pangkat dari variabelnya
Lebih terperinciMatematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.
(Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM. www.febriyanto79.wordpress.com - Linear Programming Linear programing (LP) adalah salah satu metode matematis yang digunakan untuk
Lebih terperinciSTABILISASI SISTEM DESKRIPTOR LINIER KONTINU
Jurnal Matematika UNAND Vol. No. 1 Hal. 1 5 ISSN : 303 910 c Jurusan Matematika FMIPA UNAND STABILISASI SISTEM DESKRIPTOR LINIER KONTINU YULIAN SARI Program Studi Matematika, Pascasarjana Fakultas Matematika
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Sukarelawan adalah seseorang atau sekelompok orang yang secara ikhlas karena panggilan nuraninya memberikan apa yang dimilikinya tanpa mengharapkan imbalan. Sukarelawan
Lebih terperinciPROGRAM LINEAR. tersebut. Dua macam fungsi Program Linear: tujuan perumusan masalah
PROGRAM LINEAR Program linear adalah salah satu model matematika yang digunakan untuk menyelesaikan masalah optimisasi, yaitu memaksimumkan atau meminimumkan fungsi tujuan yang bergantung pada sejumlah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Zaman yang semakin berkembang membuat persoalan semakin kompleks, tidak terkecuali persoalan yang melibatkan persoalan matematika. Dalam pemecahannya, matematika memegang
Lebih terperincikita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi
Lecture 4: (B) Supaya terdapat penyelesaian basis awal yang fisibel, pada kendala berbentuk = dan perlu ditambahkan variabel semu (artificial variable) pada ruas kiri bentuk standarnya, untuk siap ke tabel
Lebih terperinciOPTIMASI: DIFERENSIAL PARSIAL MATEMATIKA T E L K O M U N I V E R S I T Y
OPTIMASI: DIFERENSIAL PARSIAL MATEMATIKA T E L K O M U N I V E R S I T Y DIFERENSIAL PARSIAL Fungsi yang mengandung satu variabel bebas hanya akan memiliki satu macam turunan. apabila y = f(x) maka turunannya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa pengertian dari optimasi bersyarat dengan kendala persamaan menggunakan multiplier lagrange serta penerapannya yang akan digunakan sebagai landasan
Lebih terperinciPENYELESAIAN MASALAH KONTROL OPTIMAL KONTINU YANG MEMUAT FAKTOR DISKON
Jrnal Matematika UNAND Vol. 2 No. 3 Hal. 157 161 ISSN : 233 291 c Jrsan Matematika FMIPA UNAND PENYELESAIAN MASALAH KONTROL OPTIMAL KONTINU YANG MEMUAT FAKTOR DISKON DALIANI Program Stdi Matematika, Fakltas
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Optimasi (Optimization) adalah aktivitas untuk mendapatkan hasil terbaik di dalam suatu keadaan yang diberikan. Tujuan akhir dari semua aktivitas tersebut adalah meminimumkan
Lebih terperinciBAB 2 MODEL PERSOALAN LOKASI FASILITAS BERKAPASITAS
BAB 2 MODEL PERSOALAN LOKASI FASILITAS BERKAPASITAS 2.1 Pengertian Lokasi Fasilitas Pemilihan suatu lokasi merupakan hal yang sangat penting, karena faktor biaya dipengaruhi oleh fasilitas yang akan di
Lebih terperinciOPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI
OPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan Guna
Lebih terperinciWaktu Optimal Dalam Diversifikasi Produksi Sumber Energi Terbarukan dan Tidak Terbarukan dengan Menggunakan Prinsip Minimum Pontryagin
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Print) Waktu Optimal Dalam Diversifikasi Produksi Sumber Energi Terbarukan dan Tidak Terbarukan dengan Menggunakan Prinsip Minimum Pontryagin
Lebih terperinciIII MODEL PENJADWALAN
3 Ax = B N x B x = Bx B + Nx N = b. (5) N Karena matriks B adalah matriks taksingular, maka B memiliki invers, sehingga dari (5) x B dapat dinyatakan sebagai: x B = B 1 b B 1 Nx N. (6) Kemudian fungsi
Lebih terperinciBAB 2 KAJIAN PUSTAKA. Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut:
BAB 2 KAJIAN PUSTAKA 2.1 Masalah Optimisasi dan Program Non Linier Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut: 1. Masalah optimisasi tanpa kendala.
Lebih terperinciPENGOPTIMUMAN MASALAH PENJADWALAN EMPAT HARI KERJA DALAM SEMINGGU SECARA SIKLIS BERBASIS DUAL ARIYANTO PAMUNGKAS
PENGOPTIMUMAN MASALAH PENJADWALAN EMPAT HARI KERJA DALAM SEMINGGU SECARA SIKLIS BERBASIS DUAL ARIYANTO PAMUNGKAS DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMETODE SIMPLEKS DALAM PROGRAM LINIER
METODE SIMPLEKS DALAM PROGRAM LINIER Dian Wirdasari Abstrak Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan
Lebih terperinciDIFERENSIAL FUNGSI MAJEMUK
DIFERENSIAL FUNGSI MAJEMUK Tujuan Instruktusional : Memahami diferensiasi untuk fungsi-fungsi yang mengandung lebih dari satu macam variabel bebas Daftar Materi Pembahasan : 1. Diferensiasi parsial 2.
Lebih terperinciPemrograman Linier (4)
Pemrograman Linier (4) Metode dua fase Ahmad Sabri Universitas Gunadarma, Indonesia Sesuai dengan namanya, metode dua fase menyelesaikan problem PL dalam dua tahap (fase): 1 Ubah model PL ke dalam bentuk
Lebih terperinciMETODE BIG M. Metode Simpleks, oleh Hotniar Siringoringo, 1
METODE BIG M Sering kita menemukan bahwa fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tapi juga oleh pertidakasamaan dan/atau persamaan (=). Fungsi kendala dengan pertidaksamaan mempunyai surplus
Lebih terperinciPENGOPTIMUMAN BERBASIS DUAL MASALAH PENJADWALAN TIGA HARI KERJA DALAM SEMINGGU SECARA SIKLIS NUR HADI
PENGOPTIMUMAN BERBASIS DUAL MASALAH PENJADWALAN TIGA HARI KERJA DALAM SEMINGGU SECARA SIKLIS NUR HADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPertemuan Minggu ke Bidang Singgung, Hampiran 2. Maksimum dan Minimum 3. Metode Lagrange
Pertemuan Minggu ke-11 1. Bidang Singgung, Hampiran 2. Maksimum dan Minimum 3. Metode Lagrange 1. BIDANG SINGGUNG, HAMPIRAN Tujuan mempelajari: memperoleh persamaan bidang singgung terhadap permukaan z
Lebih terperinciII LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.
II LANDASAN TEORI Pada pembuatan model penjadwalan pertandingan sepak bola babak kualifikasi Piala Dunia FIFA 2014 Zona Amerika Selatan, diperlukan pemahaman beberapa teori yang digunakan di dalam penyelesaiannya,
Lebih terperinciBAB II LANDASAN TEORI. A. Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear
5 BAB II LANDASAN TEORI A Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear Persamaan linear adalah bentuk kalimat terbuka yang memuat variabel dengan derajat tertinggi adalah satu Sedangkan sistem
Lebih terperinciDASAR-DASAR ANALISIS MATEMATIKA
(Bekal untuk Para Sarjana dan Magister Matematika) Dosen FMIPA - ITB E-mail: hgunawan@math.itb.ac.id. December 1, 2007 Diberikan sebuah fungsi yang terdefinisi pada interval (a, b) kecuali mungkin di
Lebih terperinciTE Sistem Linier. Sistem Waktu Kontinu
TE 226 - Sistem Linier Jimmy Hasugian Electrical Engineering - Maranatha Christian University jimlecture@gmail.com - http://wp.me/p4scve-g Sistem Waktu Kontinu Jimmy Hasugian (MCU) Sistem Waktu Kontinu
Lebih terperinciPENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR
PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR T-11 RIVELSON PURBA 1 1 FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS MUSAMUS MERAUKE etong_extreme@yahoo.com ABSTRAK Purba, Rivelson. 01. Penerapan Logika
Lebih terperinciBAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR
3 BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 4.. Sebaran asimtotik dari,, Teorema 4. ( Normalitas Asimtotik
Lebih terperinciBAB IV PEMBAHASAN. optimasi biaya produksi pada home industry susu kedelai Pak Ahmadi
BAB IV PEMBAHASAN Pada bab ini akan dipaparkan tentang penerapan model nonlinear untuk optimasi biaya produksi pada home industry susu kedelai Pak Ahmadi menggunakan pendekatan pengali lagrange dan pemrograman
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Proses distribusi barang merupakan bagian dari aktivitas suatu perusahaan atau lembaga yang bersifat komersil ataupun sosial. Distribusi berperan sebagai salah satu
Lebih terperinciBAB II. PEMROGRAMAN LINEAR
BAB II. PEMROGRAMAN LINEAR KARAKTERISTIK PEMROGRAMAN LINEAR Sifat linearitas suatu kasus dapat ditentukan menggunakan beberapa cara. Secara statistik, kita dapat memeriksa kelinearan menggunakan grafik
Lebih terperinciPENGGUNAAN PENYELESAIAN PERSAMAAN ALJABAR RICCATI WAKTU DISKRIT PADA KENDALI OPTIMAL LINIER KUADRATIK
J. Math. and Its Appl. ISSN: 1829-605X Vol. 12, No. 1, Mei 2015, 23 33 PENGGUNAAN PENYELESAIAN PERSAMAAN ALJABAR RICCATI WAKTU DISKRIT PADA KENDALI OPTIMAL LINIER KUADRATIK Dita Marsa Yuanita 1, Soleha
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,
BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn
Lebih terperincif (a) = laju perubahan y = f(x) pada x = a = turunan pertama y=f(x) pada x = a
LEMBAR AKTIVITAS SISWA DIFFERENSIAL (TURUNAN) Nama Siswa : y f(a h) f(a) x (a h) a Kelas : Kompetensi Dasar (KURIKULUM 2013): 3.21 Memahami konsep turunan dengan menggunakan konteks matematik atau konteks
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Program Dinamik
5 BAB 2 LANDASAN TEORI 2.1 Program Dinamik Pemrograman dinamik adalah suatu teknik matematis yang biasanya digunakan untuk membuat suatu keputusan dari serangkaian keputusan yang saling berkaitan. Pemrograman
Lebih terperinciBAB I PENDAHULUAN. himpunan vektor riil dengan n komponen. Didefinisikan R + := {x R x 0}
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Misalkan R menyatakan himpunan bilangan riil. Notasi R n menyatakan himpunan vektor riil dengan n komponen. Didefinisikan R + := {x R x } dan R n + := {x= (x
Lebih terperinciOPTIMASI MULTIVARIAT DENGAN KENDALA PERSAMAAN. Oleh : Hafidh Munawir
OPTIMASI MULTIVARIAT DENGAN KENDALA PERSAMAAN Oleh : Hafidh Munawir BENTUK-BENTUK FUNGSI MULTIVARIAT DARI SEGI BENTUK GRAFIK I. Fungsi Linier : Y = ao + a 1 X 1 + a 2 X 2 Contoh: Y = 50 + 0,50 X 1 + 0,60
Lebih terperinciOPTIMASI BIAYA PRODUKSI PADA HOME INDUSTRY SUSU KEDELAI MENGGUNAKAN PENDEKATAN PENGALI LAGRANGE DAN PEMROGRAMAN KUADRATIK TUGAS AKHIR SKRIPSI
OPTIMASI BIAYA PRODUKSI PADA HOME INDUSTRY SUSU KEDELAI MENGGUNAKAN PENDEKATAN PENGALI LAGRANGE DAN PEMROGRAMAN KUADRATIK TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciPEMROGRAMAN FRAKSIONAL LINEAR
PEMROGRAMAN FRAKSIONAL LINEAR FARIDA HANUM Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor, Indonesia ABSTRAK. Pemrograman
Lebih terperinciKontrol Optimal Waktu Diskrit
Kontrol Optimal Waktu Diskrit April 2012 () Kontrol Optimal (3 SKS) April 2012 1 / 18 Ekstrim Suatu Fungsional untuk Fungsi Skalar Dalam bagian ini, kita akan menentukan syarat perlu untuk optimisasi fungsional
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Optimisasi Fungsi Nonlinier Dua Variabel Bebas dengan Satu Kendala Pertidaksamaan Menggunakan Syarat Kuhn-Tucker Optimization of Nonlinear Function of Two Independent
Lebih terperinciMODEL PERTUMBUHAN EKONOMI DENGAN INPUT SUMBER DAYA ALAM TERBARUKAN NUR NA IMAH
MODEL PERTUMBUHAN EKONOMI DENGAN INPUT SUMBER DAYA ALAM TERBARUKAN NUR NA IMAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK NUR NA IMAH.
Lebih terperinciIII HASIL DAN PEMBAHASAN
7 III HASIL DAN PEMBAHASAN 3.1 Perumusan Model Pada bagian ini akan dirumuskan model pertumbuhan ekonomi yang mengoptimalkan utilitas dari konsumen dengan asumsi: 1. Terdapat tiga sektor dalam perekonomian:
Lebih terperinciManajemen Operasional
Linear Programming (LP) Dosen Febriyanto, SE. MM. www.febriyanto79.wordpress.com Linear Programming Linear programing (LP) adalah salah satu metode matematis yang digunakan untuk membantu manajer dalam
Lebih terperinciII LANDASAN TEORI. Contoh. Ditinjau dari sistem yang didefinisikan oleh:
5 II LANDASAN TEORI 2.1 Keterkontrolan Untuk mengetahui persoalan sistem kontrol mungkin tidak ada, jika sistem yang ditinjau tidak terkontrol. Walaupun sebagian besar sistem terkontrol ada, akan tetapi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengoptimalan merupakan ilmu Matematika terapan dan bertujuan untuk mencapai suatu titik optimum. Dalam kehidupan sehari-hari, baik disadari maupun tidak, sebenarnya
Lebih terperincif (a) = laju perubahan y = f(x) pada x = a = turunan pertama y=f(x) pada x = a
Nama Siswa Kelas : : aasdaa. PENGERTIAN DIFERENSIAL (TURUNAN) Turunan fungsi atau diferensial didefinisikan sebagai laju perubahan fungsi sesaat dan dinotasikan f (x). LEMBAR AKTIVITAS SISWA DIFFERENSIAL
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam proses produksi setiap perusahaan pasti dihadapkan pada persoalan mengoptimalkan lebih dari satu tujuan. Tujuan-tujuan dari persoalan produksi tersebut ada
Lebih terperinciPAM 252 Metode Numerik Bab 4 Pencocokan Kurva
PAM 252 Metode Numerik Bab 4 Pencocokan Kurva Mahdhivan Syafwan Jurusan Matematika FMIPA Universitas Andalas Semester Genap 2013/2014 1 Mahdhivan Syafwan Metode Numerik: Pencocokan Kurva Permasalahan dan
Lebih terperinciSTABILISASI SISTEM KONTROL LINIER INVARIANT WAKTU DENGAN MENGGUNAKAN METODE ACKERMANN
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 34 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STABILISASI SISTEM KONTROL LINIER INVARIANT WAKTU DENGAN MENGGUNAKAN METODE ACKERMANN DIAN PUSPITA BEY
Lebih terperinciSyarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak
Lebih terperinciBAB 3 LEXICOGRAPHIC GOAL PROGRAMMING 3.1 DESKRIPSI UMUM LEXICOGRAPHIC GOAL PROGRAMMING
BAB 3 LEXICOGRAPHIC GOAL PROGRAMMING 3.1 DESKRIPSI UMUM LEXICOGRAPHIC GOAL PROGRAMMING Lexicographic goal programming adalah salah satu jenis dari goal programming. Model ini adalah model paling umum digunakan
Lebih terperinciTeori Dualitas dan Penerapannya (Duality Theory and Its Application)
Teori Dualitas dan Penerapannya (Duality Theory and Its Application) Kuliah 6 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Teori dualitas 2 Metode simpleks dual TI2231 Penelitian Operasional I 2
Lebih terperinciPersamaan Diferensial Parsial CNH3C3
Persamaan Diferensial Parsial CNH3C3 Week 4: Separasi Variabel untuk Persamaan Panas Orde Satu Tim Ilmu Komputasi Coordinator contact: Dr. Putu Harry Gunawan phgunawan@telkomuniversity.ac.id 1 Persamaan
Lebih terperinciMETODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR ABSTRACT
METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR Birmansyah 1, Khozin Mu tamar 2, M. Natsir 2 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Program Stokastik Keputusan adalah suatu kesimpulan dari suatu proses untuk memilih tindakan yang terbaik dari sejumlah alternatif yang ada, sedangkan pengambilan keputusan adalah
Lebih terperincimempunyai tak berhingga banyak solusi.
Lecture 4: A. Introduction Jika suatu masalah LP hanya melibatkan 2 kegiatan (variabel keputu-san) saja, maka dapat diselesaikan dengan metode grafik. Tetapi, jika melibatkan lebih dari 2 kegiatan, maka
Lebih terperinciTeknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM
Teknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM Dosen: Didin Astriani Prassetyowati, M.Stat Silabus MATAKULIAH TI214 TEKNIK RISET OPERASI (2 SKS) TUJUAN Agar mahasiswa
Lebih terperinciModel umum metode simpleks
Model umum metode simpleks Fungsi Tujuan: Z C X C 2 X 2 C n X n S S 2 S n = NK FungsiPembatas: a X + a 2 X 2 + + a n X n + S + S 2 + + S n = b a 2 X + a 22 X 2 + + a 2n X n + S + S 2 + + S n = b 2 a m
Lebih terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1 Kerangka Pemikiran Teoritis 3.1.1 Sistem Produksi Secara umum produksi dapat diartikan sebagai suatu kegiatan atau proses yang mentransformasikan masukan (input) menjadi hasil
Lebih terperinciWaktu Optimal dalam Diversifikasi Produksi Sumber Energi Terbarukan dan Tidak Terbarukan Dengan Menggunakan Prinsip Minimum Pontryagin
Waktu Optimal dalam Diversifikasi Produksi Sumber Energi Terbarukan dan Tidak Terbarukan Dengan Menggunakan Prinsip Minimum Pontryagin Oleh: Misbahur Khoir 1210 100 041 Dosen Pembimbing: Subchan, Ph.D
Lebih terperinciModel Optimisasi dan Pemrograman Linear
Modul Model Optimisasi dan Pemrograman Linear Prof. Dr. Djati Kerami Dra. Denny Riama Silaban, M.Kom. S PENDAHULUAN ebelum membuat rancangan penyelesaian masalah dalam bentuk riset operasional, kita harus
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Riset Operasi Masalah pengoptimalan timbul sejak adanya usaha untuk menggunakan pendekatan ilmiah dalam memecahkan masalah manajemen suatu organisasi. Sebenarnya kegiatan yang
Lebih terperinci