5 dhimas optimasi desain
TRANSCRIPT
-
8/16/2019 5 Dhimas Optimasi Desain
1/5
6/15/20
MINIMALISASI BIAYAMENGGUNAKAN
GOLDEN SECTION AND HOOK JEEVES METHODS
OBJECTIVES
Understand why and where optimization occursin engineering problem solving.
Understand the major elements of the generaloptimization problem: (1) objective function, (2)decision variables, and (3) constraints.
Be able to distinguish between linear andnonlinear optimization, and between constrainedand unconstrained problems
PUSTAKA
James B. Riggs, 1988, “An Introduction to Numerical
Methods for Chemical Engineers” , Texas: Texas TechUniversity Press, Chapter 6
Steven C. Chapra & Raymond P. Canale,2003,“Numerical Methods for Engineers: With Softwareand Programming Applications” , 4th edition, New York:McGraw-Hill Company Inc,Part Four
etc.
Cost
components
$ / year
Pipe diamater (in)
1 1,25 1,5 2,5
Operating Costs 4697 660 312 164 56
Pipe capital costs 168 308 389 474 660
Pump capital
costs
401 192 150 150 150
Total
5266
1160
852
788
866
INTRODUCTORY EXAMPLE
Persoalan pemilihan diameter pipa untuk mengangkut fluida dari satuproses ke proses yang lain.
Diameter pipa optimum, berdasarkan:Biaya investasi, dan biaya operasi
Diameter pipa manayang akan
Anda pilih?
2
PENGANTAR-1
Definisi optimasi Jenis optimasi: 1- maksimasi; 2- minimasi
Dua hal penting dalam studi optimasi:1- fungsi objektif dan decision variables ;2- kendala (constraints)
Contoh-contoh persoalan optimasi dalam bidangEngineering
Contoh-contoh constraints yang menyertai
persoalan optimasi
Definisi dan Jenis Optimasi
Optimasi merupakan suatu proses untuk mencarikondisi yang optimum, dalam arti palingmenguntungkan.
Optimasi bisa berupa maksimasi atau minimasi.Jika berkaitan dengan masalah keuntungan, makakeadaan optimum adalah keadaan yang memberikankeuntungan maksimum (maksimasi).
Jika berkaitan dengan masalahpengeluaran/pengorbanan, maka keadaan optimumadalah keadaan yang memberikanpengeluaran/pengorbanan minimum (minimasi).
Fungsi Objektif
Secara umum, fungsi yang akan dimaksimumkanatau diminimumkan disebut fungsi objektif(objective function) , sedangkan harga-harga yangberpengaruh dan bisa dipilih disebut variabel(perubah) atau decision variable .Secara analitik, nilai maksimum atau minimum darisuatu persamaan: y = f(x)dapat diperoleh pada harga x yang memenuhi: y’ = f’(x) = 0
Untuk fungsi yang sulit untuk diturunkan ataumempunyai turunan yang sulit dicari akarnya,proses optimasi dapat dilakukan secara numerik.
Contoh Persoalan Optimasi dalam Bidang Engineering
Design pump and heat transfer equipment for maximumefficiency
Design waste water treatment system to meet water-qualitystandards of least cost
Optimal planning and scheduling Optimal pipeline network Inventory control Maintenance planning to minimize cost
etc.
Ilustrasi maksimasi (secara grafik):
Beberapa istilah:Maksimum lokalMaksimum global
A unimodal function
One hump orone valley
PENGANTAR-2
Catatan: Analog,untuk kasus minimasi
-
8/16/2019 5 Dhimas Optimasi Desain
2/5
6/15/20
Maksimum dan minimum lokal dan global:
PENGANTAR-3
Perbedaan antara persoalan optimasi denganpencarian/ penentuan akar persamaan:
PENGANTAR-4
Ilustrasi grafik optimasi dua variabel:
PENGANTAR-5
Tinjaulah sebuah fungsi dengan satuvariabel sbb.:
y = f(x)
Ingin dicari harga x yang memberikan harga ymaksimum (maksimasi) atau minimum(minimasi). Dalam hal ini, x yang diperolehmerupakan nilai x optimum fungsi.
Beberapa metode yang akan dibahas
Metode golden section Metode Newton Metode interpolasi kuadrat
dsb.
METODE GOLDEN SECTION
Golden section merupakan salah satu cara ataumetode optimasi numerik yang bisa dipakai untukfungsi yang bersifat unimodal. Kedua tipeoptimasi, yaitu maksimasi dan minimasi dapatdiselesaikan dengan cara ini.
Golden-section (search) method merupakan
metode optimasi satu variabel yang sederhana,dan mempunyai pendekatan yang mirip denganmetode bisection dalam penentuan akarpersamaan tak linier.
METODE GOLDENSECTION
Tinjaulah fungsi f(x) yang
akan ditentukan maksimumnya,
pada rentang x = xl dan x = xu(perhatikan gambar di samping).
, ide dasar metode ini adalahmemanfaatkan nilai yang lamasebagai nilai yang baru.
Secara matematik:
METODE GOLDEN SECTION
1
2
21
1210 :,
l
l
l l
l makal l l
1
2
l
l R
R Ratau
l
l
l
l atau
l
l
l
l l 11:1
2
1
1
2
2
1
1
21
Karena:
Ambil kebalikannya dan kemudian definisikan:
01: 2 R RSehingga
......61803,02
15
:
R
positifnyaakar Nilai
(R biasa disebut sebagaiGolden ration atau golden number)
ALGORITMA
(kasus maksimasi):
1. Mulai dari 2 nilai tebakan awal xldan xu, yang mengapit titik maksimum.
2. Tentukan nilai x1 dan x2 di dalam rentangxl dan xu, sesuai dengan golden ratio (R)
d x x
d x x
X X d
u
l u
2
11
2
15
ALGORITMA (kasus maksimasi):
3. Berdasarkan harga f(x) pada 2 titik tersebut (x1 dan x2), diharapkan ada
sebagian interval yang dapat dieliminasi, sehingga salah satu titik lamabisa dipakai lagi pada evaluasi langkah berikutnya. Jadi hanya diperlukan1 titik baru.
Ada 2 kasus:
(a) Jika: f(x1) > f(x2)Maka: domain x antara xl dan x2 dieliminasix2 lama = xl barux1 lama = x2 baruxu lama = xu baru
x1 baru ditentukan
(b) Jika: f(x2) > f(x1)Maka: domain x antara x1 dan xu dieliminasix1 lama = xu barux2 lama = x1 baruxl lama = xl baru
x2 baru ditentukan
-
8/16/2019 5 Dhimas Optimasi Desain
3/5
6/15/20
METODE GOLDEN SECTION
Algoritma untuk kasus minimasi kebalikan dari
algoritma untuk kasus maksimasi tersebut di atas.
Efektivitas evaluasi dengan metode golden section:
Misal diinginkan pengecilan interval sampai menjadi 0,001 darisemula, maka jumlah step yang diperlukan (N) adalah:
(0,618)N = 0,001N = 14,3 ≈ 15
Jumlah evaluasi = 2 + (N – 1) x 1 = 16
Silakan Pelajari Contoh Soal
EXAMPLE : DETERMINING MINIMATION FUNCTION
Y = 2X2 – 8X + 12
KNOWN
XA = LOWER LIMIT (BATAS BAWAH) = 0XB = UPPER LIMIT (BATAS ATAS) = 4TOL = 0.001 (SAMPLE)
X=XA = 0 YA = (2*02) - (8*0) + 12 = 12
X=XB=4 YB = (2*42 ) – (8*4) +12 =12
61802
15 .
L
XP=XA + (1 – L) * (XB – XA) = 0 + ( 1 – 0.618) * (4 – 0) =1,53 YP = (2 * 1,5322) – (8*1,53) +12 = 4,44
XQ=XA + L*(XB – XA)
= 0 + 0.618*(4 – 0) = 2,472 YQ= (2*2,4722) – (8*2,472) + 12 = 4,45
XPNEW=1,53 + (1 – L)*(2,472 – 1,53) = 1,8898 YPNEW=( 2*1,88982) – (8*1,8898) + 12 = 4,02
XQNEW=1,53 + 0,618*(2,472 – 1,53) = 1,915 YPNEW = (2*1,9152) – (8*1,915) +12 = 4,01
DST……
METODE NEWTON
Metode ini menggunakan pendekatan yang sama denganmetode Newton dalam penentuan akar persamaan tak linier,melalui pendefinisian fungsi: g(x) = f’(x)
Karena pada kondisi optimum:
f '(x *) = g (x *) = 0(x* menyatakan nilai x optimum)
maka, nilai x* dapat diperoleh secara iteratif sebagai berikut:
)("
)('1
xi f
xi f x x ii
Silakan Pelajari Contoh Soal Berikut
METODE INTERPOLASI KUADRAT
Metode ini dapat digunakanuntuk melakukan optimasisecara numerik.
Hal ini disebabkan olehpenggunaan polinomialorde-dua yang menghasilkanpendekatan cukup baikterhadap bentuk f(x) di dekattitik optimumnya.
(Perhatikan gambar disamping…)
METODE INTERPOLASI KUADRAT
Jika mula-mula kita mempunyai tiga buah titik tebakan awal (yakni x0, x1,dan x2) yang mengapit titik optimumnya, maka sebuah parabola dapat di-fit-kan melalui ketiganya.
Diferensiasikan persamaan yang diperoleh, set hasilnya menjadi samadengan nol, dan perkiraan x optimum dapat ditentukan (dalam hal inisebagai x3) sbb.:
Penentuan x3 dilakukan secara iteratif, melalui strategi yang sama denganmetode golden section , hingga diperoleh penyelesaian yang konvergen.
))((2))((2))((2
))(())(())((
102021210
2
1
2
02
2
0
2
21
2
2
2
103
x x x f x x x f x x x f
x x x f x x x f x x x f x
OPTIMASI BANYAK VARIABEL
Misal diketahui sebuah fungsi dengan banyak variabel sbb:
y = f(x1, x2, x3, ….., xn)
Ingin dicari harga x1, x2, x3, ….., xn yang memberikan harga y maksimum (maksimasi) atau minimum (minimasi).
Pengelompokan metodenya secara garis besar: (1) non gradientmethods , dan (2) gradient methods
Beberapa metode yang akan dibahas:
Metode Hooke-Jeeves Metode langsung/ random search Metode steepest ascent (ascending)/ descent (descending)
METODE HOOKE-JEEVESPrinsip metode Hooke-Jeeves:
(1) Eksplorasi nilai Δxi (2) Mengulangi langkah sukses
Optimasi dengan cara Hooke-Jeeves ditunjukkan dalam contohberikut. Misal ingin dilakukan minimasi dari suatu fungsi:
y = (x1 – 4)2 + 0,5.(x2 – 9)2 + 3
Sebagai cek, dengan mudah dapat terlihat bahwa minimum terjadipada x1 = 4, x2 = 9, dan harga ymin =3.
Dipakai cara Hooke-Jeeves dengan titik awal x1 = 1,x2 = 16, serta interval awal Δx1 = 1 dan Δx2 = 2.
Gagal 3,5 8 4
Gagal 7,5124
Gagal 4,5103
Gagal 4,5105
Eksplorasi dengan Δ x1 = 1, Δ x2 =2
Gagal 4,585
Sukses 3,5104
Sukses 8,5123
Mengulangi langkah sukses
Sukses 19,5142
Gagal 47,5182
Sukses 31,5162
Eksplorasi dengan Δ x1 = 1, Δ x2 =2
Basis 36,5 161
Komentar
Y
X2 X1 Hooke Jeeves -2
HasilPerhitungan
-
8/16/2019 5 Dhimas Optimasi Desain
4/5
6/15/20
Hooke Jeeves -3
HasilPerhitungan
Gagal
3,02
8,8
4
Gagal
3,189,6
4
Gagal
3,069,23,8
Gagal
3,069,24,2
Eksplorasi dengan Δx1 = 0,2 ; x2 =0,4
Gagal
3,02
8,8
4
Sukses
3,029,24
Mengulangi langkah sukses
Sukses
3,18
9,6
4
Gagal
4,9610,44
Gagal
3,54103,8
Gagal
3,54104,2
Eksplorasi dengan Δ x1 = 0,2, x2 =0,4
Komentar Y X2 X1
Gagal
3,0008
8,96
4,00
Sukses
3,0008
9,04
4,00
Mengulangi langkah sukses
Sukses
3,007
9,12
4,00
Gagal
3,0399,284,00
Gagal
3,021
9,2
3,96
Gagal
3,021
9,2
4,04
Eksplorasi dengan Δ x1 = 0,04, Δ x2 =0,08
Komentar
Y
X2
X1
Hooke Jeeves -4
METODE LANGSUNG (RANDOM SEARCH)
Sesuai dengan namanya, metode ini secara berulang-ulang
mengevaluasi nilai fungsi pada nilai-nilai variabel bebastertentu (selected values) secara acak. Jika banyaknya sampelyang dicoba mencukupi, maka kondisi optimumnya akanteramati.
tidak efisien…!
Metode ini dapat diterapkan untuk fungsi yang discontinuousdan non-differentiable sekalipun.
Pendekatan ini pada umumnya akan menghasilkan titikoptimum global (bukan optimum lokal)
Silahkan Pelajari Contoh
METODE STEEPEST ASCENT/DESCENT
Merupakan jenis metode gradien yang paling sederhana.
Terminologi:steepest ascent untuk pencarian maksimum fungsisteepest descent untuk pencarian minimum fungsi
Prinsip pencarian optimum:
Dilakukan serangkaian proses transformasi untuk mengubahsebuah fungsi dengan banyak variabel (multidimensionalfunction) menjadi sebuah fungsi dengan variabel tunggal(one-dimensional function) , berdasarkan gradien arah pencarian.Langkah pencarian optimum ini selanjutnya dilakukan secaraberulang-ulang (iteratif).
PENCARIAN TITIK OPTIMUM
Sebagai ilustrasi, f(x,y)tinjaulah fungsi 2variabel f(x,y) yangakan ditentukan titikmaksimumnya. (lihatgambar di samping)
Berdasarkan nilaiawal x = x0 & y = y0,dapat ditentukannilai gradien (atauarah steepestascent) -nya, yaknisebesar h0.
Berdasarkan h0, nilai maksimum fungsidapat ditentukan, yakni pada titik “1”. Demikian seterusnya , proses inidilakukan berulang-ulang hinggadiperoleh titik optimum sesungguhnya.
Secara Numerik:
Misal, untuk sebuah fungsi 2 variabel: f(x,y)yang akan dicari titik optimumnya, dengan nilai awal:
x = x0 dan y = y0
Pada langkah iterasi pertama, nilai x dan y yang barudapat ditentukan dengan:
hy
f yy
and
hx
f xx
00
00
y,x
0
y,x
0
merupakan turunan parsial fungsi f(x,y)terhadap x dan y
Dalam hal ini, vektor gradien fungsinya dinyatakan sbg:
Pada kasus ini, sebuah fungsi 2 variabel dalam x dan y,f(x,y), ditransformasikan menjadi sebuah fungsi satuvariabel dalam h, g(h).
Nilai x dan y yang diperoleh pada langkah iterasi ini selanjutnyamenjadi x0 dan y0 pada langkah iterasi berikutnya. Demikianseterusnya.
y
f and
x
f
j y
f i
x
f f
Silahkan Pelajari Contoh
Contoh Aplikasi:LOKASI OPTIMUM PENGOLAH LIMBAH TERPADU
Sejumlah N pabrik dengan posisi koordinat masing-masing (xi,yi)
menghasilkan limbah masing-masing sejumlah Qi. Akan dibangunsuatu unit pengolah limbah terpadu untuk seluruh pabrik tersebut.Ongkos pengangkutan limbah dari p abrik ke unit pengolah limbahberbanding lurus dengan debit pangkat 0,6. Ingin ditentukan posisi(koordinat) unit pengolah limbah agar ongkos pengangkutanlimbah minimum.
Analisis:
Misal: Lokasi pengolah limbah berada di titik P (xP, yP)
Jarak pabrik (xi,yi) ke lokasi pengolah limbah:
Ongkos transport dari pabrik (xi, yi):
6,0))((arg debit jarak k a H
22 )()( i pi pi y y x xd
226,0)()(. i pi pii y y x xQk C
Ongkos transport total:
Dicari nilai xP dan yP yang memberikan nilai CT minimum.Misal:
Dimisalkan pula: nilai k = 1
-
8/16/2019 5 Dhimas Optimasi Desain
5/5
6/15/20
OPTIMASI FUNGSI 2 VARIABEL SECARA ANALITIK(sebuah perbandingan)
Tinjaulah sebuah fungsi 2 variabel: f(x,y)
Kriteria optimumnya dapat dibagi menjadi 3 kategori:
f(x,y) mempunyai minimum lokal: jika det(H) > 0 dan
f(x,y) mempunyai maksimum lokal: jika det(H) > 0 dan
f(x,y) mempunyai titik belok (saddle point): jika det(H) < 0
det(H) merupakan nilaideterminan matriks Hessian yangdinyatakan sebagai