algoritma greedy

Algoritma Greedy

52350183 / 5296

PengantarAlgoritma Greedy sering digunakan untuk

memecahkan persoalan optimasi (optimization problems) yaitu persoalan yang menuntut pencarian solusi optimum.

Persoalan optimasi ada dua macam:Maksimasi (maximization)Minimasi (minimization)

Solusi optimum (terbaik) adalah solusi yang bernilai minimum atau maksimum dari sekumpulan alternatif solusi yang mungkin.

PengantarElemen persoalan optimasi:

Kendala/batasan (constraints) fungsi objektif(atau fungsi optiamsi)

Solusi yang memenuhi semua kendala disebut solusi layak (feasible solution).

Solusi layak yang mengoptimumkan fungsi optimasi disebut solusi optimum.

Pengantar Algoritma greedy merupakan metode yang

paling populer untuk memecahkan persoalan optimasi.

Greedy = rakus, tamak, …. Prinsip greedy adalah: “take what you can get

now!”. Contoh masalah sehari-hari yang

menggunakan prinsip greedy: Memilih beberapa jenis investasi (penanaman

modal) Mencari jalur tersingkat dari satu kota ke kota lain Memilih jurusan di Perguruan Tinggi

Pengantar Algoritma greedy membentuk solusi langkah per

langkah (step by step). Terdapat banyak pilihan yang perlu dieksplorasi pada

setiap langkah solusi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya.

Pendekatan yang digunakan di dalam algoritma greedy adalah membuat pilihan yang “tampaknya” memberikan perolehan terbaik, yaitu dengan membuat pilihan optimum lokal (local optimum) pada setiap langkah dengan harapan bahwa sisanya mengarah ke solusi optimum global (global optimum).

Pengantar Algoritma greedy adalah algoritma yang

memecahkan masalah langkah per langkah, pada setiap langkah:1. mengambil pilihan yang terbaik yang dapat

diperoleh pada saat itu tanpa memperhatikan konsekuensi ke depan (prinsip “take what you can get now!”)

2. berharap bahwa dengan memilih optimum lokal pada setiap langkah akan berakhir dengan optimum global.

Pada setiap langkah diperoleh optimum lokal. Bila algoritma berakhir, kita berharap optimum lokal menjadi optimum global.

Contoh: Penukaran Uang Diberikan uang senilai A. Tukar A dengan koin-

koin uang yang ada. Berapa jumlah minimum koin yang diperlukan untuk penukaran tersebut?

Contoh: tersedia koin-koin 1, 5, 10, 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

Contoh: Penukaran UangStrategi greedy yang digunakan

adalah: Pada setiap langkah, pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat (kendala) tidak melebihi nilai uang yang ditukarkan.

Contoh: Penukaran UangTinjau masalah menukarkan uang 32

dengan koin 1, 5, 10, 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)

Contoh: Penukaran UangPada setiap langkah di atas kita

memperoleh optimum lokal, dan pada akhir algoritma kita memperoleh optimum global (yang pada contoh ini merupakan solusi optimum).

Skema Umum Algoritma Greedy

Algoritma greedy disusun oleh elemen-elemen berikut: 1.Himpunan kandidat. Berisi elemen-elemen pembentuk solusi.2.Himpunan solusi.

Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan.

3.Fungsi seleksi (selection function). Memilih kandidat yang paling memungkinkan mencapai solusi optimal. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya.

Skema Umum Algoritma Greedy

4.Fungsi kelayakan (feasible).Memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak, yakni kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (constraints) yang ada. Kandidat yang layak dimasukkan ke dalam himpunan solusi, sedangkan kandidat yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi.

5.Fungsi obyektif.Fungsi yang memaksimumkan atau meminimumkan nilai solusi (misalnya panjang lintasan, keuntungan, dan lain-lain).

Elemen Algoritma Greedy (pada masalah penukaran uang)

1.Himpunan kandidat: himpunan koin yang merepresentasikan nilai 1, 5, 10, 25, paling sedikit mengandung satu koin untuk setiap nilai.

2.Himpunan solusi: total nilai koin yang dipilih tepat sama jumlahnya dengan nilai uang yang ditukarkan.

3.Fungsi seleksi: pilih koin yang bernilai tertinggi dari himpunan kandidat yang tersisa.

4.Fungsi layak: memeriksa apakah nilai total dari himpunan koin yang dipilih tidak melebihi jumlah uang yang harus dibayar.

5.Fungsi obyektif: jumlah koin yang digunakan minimum.

Keterbatasan Algoritma GreedyKadang-kadang optimum global merupakan solusi sub-optimum atau pseudo-optimum. Alasan: Algoritma greedy tidak beroperasi secara

menyeluruh terhadap semua alternatif solusi yang ada

Pemilihan fungsi SELEKSI: Mungkin saja terdapat beberapa fungsi SELEKSI yang berbeda, sehingga kita harus memilih fungsi yang tepat jika kita ingin algoritma bekerja dengan benar dan menghasilkan solusi yang benar-benar optimum

Keterbatasan Algoritma Greedy Karena itu, pada sebagian masalah algoritma

greedy tidak selalu berhasil memberikan solusi yang benar-benar optimum.

Jika jawaban terbaik mutlak (benar-benar optimum) tidak diperlukan, maka algoritma greedy sering berguna untuk menghasilkan solusi yang mendekati (approximation) optimum, daripada menggunakan algoritma yang lebih rumit untuk menghasilkan solusi yang eksak.

Bila algoritma greedy optimum, maka keoptimalannya itu dapat dibuktikan secara matematis

Pemecahan Masalah dengan Algoritma Greedy

Strategi greedy yang digunakan dalam memilih koin berikutnya: Pada setiap langkah, pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat tidak melebihi nilai uang yang ditukarkan.

Agar pemilihan koin berikutnya optimal, maka perlu mengurutkan himpunan koin dalam urutan yang menurun.

Apakah algoritma greedy untuk masalah penukaran uang ini selalu menghasilkan solusi optimum? Jawabannya: tidak selalu, bergantung pada koin mata uang yang digunakan.

Contoh: Penukaran UangKoin: 5, 4, 3, dan 1 Uang yang ditukar = 7.

Solusi dengan algoritma greedy: 7 = 5 + 1 + 1 (3 koin) tidak

optimal

Solusi yang optimal: 7 = 4 + 3 ( 2 koin)

Contoh: Penukaran UangKoin: 10, 7 dan 1 Uang yang ditukar = 15.

15 = 10 + 1 + 1 + 1 + 1 + 1 (6 koin)

Solusi yang optimal: 15 = 7 + 7 + 1 (hanya 3 koin)

Contoh: Penukaran UangKoin: 15,10, dan 1 Uang yang ditukar = 20.

20 = 15 + 1 + 1 + 1 + 1 + 1 (6 koin)

Solusi yang optimal: 20 = 10 + 10 (2 koin)

Knapsack Problem menggunakan algoritma Greedy

0/1 Knapsack

maksimasi F = dengan batasan (constraint)

yang dalam hal ini, xi = 0 atau 1, i = 1, 2, …, n

Knapsack Problem menggunakan algoritma Greedy

Algoritma Greedy: Masukkan objek satu per satu ke dalam

knapsack. Sekali objek dimasukkan ke dalam knapsack, objek tersebut tidak bisa dikeluarkan lagi.

Terdapat beberapa strategi greedy yang dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack:1. Greedy by Profit2. Greedy by Weight3. Greedy by Density

Knapsack Problem menggunakan algoritma Greedy

1. Greedy by profit. Pada setiap langkah, knapsack diisi dengan objek yang mempunyai keuntungan terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang paling menguntungkan terlebih dahulu.

2. Greedy by weight. Pada setiap langkah, knapsack diisi dengan objek yang mempunyai berat paling ringan. Strategi ini mencoba memaksimumkan keuntungan dengan memasukkan sebanyak mungkin objek ke dalam knapsack.

3. Greedy by density. Pada setiap langkah, knapsack diisi dengan objek yang mempunyai densitas, pi/wi terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang mempunyai keuntungan per unit berat terbesar.

Knapsack Problem menggunakan algoritma Greedy

Pemilihan objek berdasarkan salah satu dari ketiga strategi greedy tidak menjamin akan memberikan solusi optimal. Bahkan ada kemungkinan ketiga stategi tersebut tidak memberikan solusi optimum.

Knapsack Problem menggunakan algoritma Greedy

Contoh: persoalan 0/1 Knapsack dengan n = 4. w1 = 6; p1 = 12

w2 = 5; p2 = 15w3 = 10; p3 = 50w4 = 5; p4 = 10Kapasitas knapsack W = 16

Knapsack Problem menggunakan algoritma Greedy

Solusi dengan algoritma greedy

Properti objek Greedy by SolusiOptima

li wi pi pi /wi profit weight densit

y

1 6 12 2 0 1 0 0

2 5 15 3 1 1 1 1

3 10 50 5 1 0 1 1

4 5 10 2 0 1 0 0

Total bobot 15 16 15 15

Total keuntungan 65 37 65 65

Knapsack Problem menggunakan algoritma Greedy

Pada contoh tersebut, algoritma greedy dengan strategi pemilihan objek berdasarkan profit dan density memberikan solusi optimal, sedangkan pemilihan objek berdasarkan berat tidak memberikan solusi optimal.

Knapsack Problem menggunakan algoritma Greedy

Contoh: persoalan 0/1 Knapsack lain dengan 6 objek:

w1 = 100; p1 = 40w2 = 50; p2 = 35w3 = 45; p3 = 18w4 = 20; p4 = 4w5 = 10; p5 = 10w6 = 5; p6 = 2

Kapasitas knapsack W = 100

Knapsack Problem menggunakan algoritma Greedy

Solusi dengan algoritma greedy

Properti objek Greedy by SolusiOptimali wi pi pi /wi profit weight density

1 100 40 0,4 1 0 0 02 50 35 0,7 0 0 1 13 45 18 0,4 0 1 0 14 20 4 0,2 0 1 1 05 10 10 1,0 0 1 1 06 5 2 0,4 0 1 1 0

Total bobot 100 80 85 100Total keuntungan 40 34 51 55

Knapsack Problem menggunakan algoritma Greedy

Pada contoh ini, algoritma greedy dengan ketiga strategi pemilihan objek tidak berhasil memberikan solusi optimal. Solusi optimal permasalah ini adalah X = (0, 1, 1, 0, 0, 0) dengan total keuntungan = 55.

Fractional KnapsackSerupa dengan persoalan 0/1 Knapsack sebelumnya, tetapi 0 xi 1, untuk i = 1, 2, …, n

maksimasi F =

dengan batasan (constraint)

yang dalam hal ini, 0 xi 1, i = 1, 2, …, n

Fractional KnapsackContoh: Persoalan fractional knapsack dengan n = 3.

w1 = 18; p1 = 25w2 = 15; p2 = 24w3 = 10; p3 = 15Kapasitas knapsack W = 20

Fractional KnapsackSolusi dengan algoritma greedy

Properti objek Greedy byi wi pi pi /wi profit weight density 1 18 25 1,4 1 0 02 15 24 1,6 2/15 2/3 13 10 15 1,5 0 1 1/2

Total bobot 20 20 20Total keuntungan 28,2 31,0 31,5

Knapsack Problem menggunakan algoritma Greedy

Penyelesaian persoalan knapsack yang memakai strategi pemilihan objek berdasarkan pi/wi terbesar memberikan keuntungan yang maksimum (optimum).

Solusi optmal persoalan knapsack di atas adalah X = (0, 1, 1/2) yang memberikan keuntungan maksimum 31,5.

Agar proses pemilihan objek berikutnya optimal, maka kita perlu mengurutkan objek terlebih dahulu berdasarkan pi/wi dalam urutan yang menurun, sehingga objek berikutnya yang dipilih adalah objek sesuai dalam urutan itu.