integer programming
Post on 22-Dec-2015
80 Views
Preview:
DESCRIPTION
TRANSCRIPT
Model Integer Programming
• Permasalahan integer programming (IP)adalah suatu Program Linear (LP) yangbeberapa atau seluruh variabel yangdigunakan merupakan bilangan integer positif
• Jenis-jenis permasalahan IP:– Pure IP problem: jika semua variabel harus bernilai integer
Maximize z = 3x1 + 4x2
subject to 5x1 + 8x2 ≤ 24
x1, x2 ≥ 0, x1 dan x2 integer
– Mixed IP problem: jika hanya beberapa variabel yang bernilai integer
Maximize z = 3x1 + 4x2
subject to 5x1 + 8x2 ≤ 24
x1, x2 ≥ 0, x1 integer
– 0-1 IP problem: jika semua variabel harus bernilai 0 atau 1
Maximize z = 3x1 + 4x2
subject to 5x1 + 8x2 ≤ 24
x1, x2 = 0 or 1
Integer Programming
• Permasalahan IP biasanya lebih sulit untukdiselesaikan dibandingkan denganpermasalahan LP
• Hal ini disebabkan banyaknya kombinasi nilaiinteger yang harus diuji, dan setiap kombinasimembutuhan penyelesaian “normal” LP atauNLP
LP Relaxation
• LP relaxation dari IP adalah LP yang diperoleh denganmenghilangkan pembatas semua bilangan integer ataupembatas
– Contoh Pure IP problem :
Maximize z = 3x1 + 4x2
subject to 5x1 + 8x2 ≤ 24
x1, x2 ≥ 0, x1 dan x2 integer
– Contoh Pure IP problem yang telah di-longgarkan (relax):
Maximize z = 3x1 + 4x2
subject to 5x1 + 8x2 ≤ 24
x1, x2 ≥ 0
Pendekatan Sederhana Solusi IP
Pendekatan 1:
• Cari seluruh kemungkinan solusi
• Tentukan nilai fungsi tujuannya
• Pilih nilai maksimum (minimum)
Pendekatan 2:
• Selesaikan LP relaxation
• Bulatkan pada solusi integer
yang feasibel terdekatx x xx
x1
x2
1 2 3
1
3
2
7x1 + 4x2= 13
1
1 2 3 4 5 6 7 8
x1
1
2
3
4
5
6
x2
1 2 3 4 5 6 7 8
x1
1
2
3
4
5
6
x2
LP Optimalx1 = 5 7/16
x2 = 2 11/16
Contoh Problem:Max 1200 x1 + 2000 x2
ST:2x1 + 6 x2 27x2 23x1 + x2 19x1 , x2 0 and
Integer
Penyelesaianproblem Integer Programming, Apakah solusi LP dibulatkan untukmendapakan solusiIP…?
Solusi Integer Programming
1
1 2 3 4 5 6 7 8
x1
1
2
3
4
5
6
x2
1 2 3 4 5 6 7 8
x1
1
2
3
4
5
6
x2
LP Optimal
x1 = 5 7/16
x2 = 2 11/16
Pembulatan ke atas?
x1 = 6
x2 = 3
Pembulatan?x1 = 5x2 = 3
Pembulatan
ke bawah?
x1 = 5
x2 = 2
Max 1200 x1 + 2000 x2
ST:2x1 + 6 x2 27x2 23x1 + x2 19x1 , x2 0 and Integer
Solusi Integer Programming (2)
LP relaxation, kemudian dibulatkan ?
1
1 2 3 4 5 6 7 8
x1
1
2
3
4
5
6
x2
1 2 3 4 5 6 7 8
x1
1
2
3
4
5
6
x2 IP Optimal
x1 = 4
x2 = 3
Solusi Integer Programming (3)
Untuk MAX problem:nilai optimal dari IP ≤ nilai optimal dari LP relaxation
Contoh 1: Problem investasi
• Perusahaan Stockco mempertimbangkanempat jenis investasi
• Modal yang tersedia untuk investasi sebesar$ 14,000
• Formulasikan model integer programming ini untuk memaksimumkan NPV dariinvestasi-investasi berikut:
Pilihan Investasi 1 2 3 4
Modal $5000 $7000 $4000 $3000 NPV $16000 $22000 $12000 $8000
Contoh 1: Problem investasi
SOLUSI:
xi = banyaknya modal yang diinvestasikanpada jenis ke-i
Maximize
z = 16 x1+ 22 x2 + 12 x3 + 8 x4
Subject to
5 x1 + 7 x2 + 4 x3 + 3 x4 ≤ 14
x1, x2, x3, x4 = 0, 1
Pengembangan Problem Investasi
Perusahaan Stockco mempertimbangkan batasan-batasan “logis” berikut ini :
1. Tepat 3 investasi yang terpilih
2. Jika investasi ke-2 terpilih, maka investasi ke- 1 jugaterpilih
3. Jika investasi ke- 1 terpilih, maka investasi ke- 3tidak terpilih
4. Salah satu dari investasi ke- 3 atau ke-4 harusterpilih, tetapi tidak dapat kedua-duanya
Tambahan pembatas:
1. Tepat 3 investasi yang terpilih x1+ x2+ x3+ x4 =3
2. Jika investasi ke-2 terpilih, maka investasi ke- 1 juga terpilih x1 ≥ x2
3. Jika investasi ke- 1 terpilih, maka investasi ke- 3 tidak terpilih x1 + x3 ≤ 1
4. Salah satu dari investasi ke- 3 atau ke-4 harusterpilih, tetapi tidak dapat kedua-duanya x3 + x4 = 1
Contoh 2: Pemilihan pemain bola basket
Perkumpulan bola basket “Pasti Menang” sedangmenghadapi kompetisi tingkat nasional. Sang pelatihhendak memilih 5 dari 7 pemain yang akanditurunkan dalam pertandingan malam nanti. Data-data pemain seperti terlihat pada tabel dibawah ini:
Pemain Guard Forward Center Ball-Handling Shooting Rebounding Total
1 Yes No No 3 1 2 6
2 No No Yes 1 2 1 4
3 Yes Yes No 1 3 1 5
4 No Yes Yes 1 2 1 4
5 Yes Yes No 2 1 3 6
6 No Yes Yes 1 3 1 5
7 Yes Yes No 1 2 2 5
Posisi Kemampuan
Pemilihan Pemain Bola Basket
Pembatas yang dialami pelatih adalah sebagaiberikut:
1. Harus ada tepat lima pemain, dengan syarat: Sedikitnya empat pemain sebagai penyerang.
Sedikitnya dua pemain sebagai pemain depan.
Sedikitnya satu pemain sebagai pemain tengah.
2. Rata-Rata tingkat ketrampilan pemain paling sedikit 2.
Pemilihan pemain bola basket
3. Salah satu dari pemain ke-2 atau pemain ke-3 harus bermain.
4. Jika pemain ke-3 bermain, maka pemain ke-6 tidak bisa bermain.
5. Jika pemain ke-1 bermain, maka pemain ke-4 dan ke-5 harus bermain juga.
Solusi : Pemilihan Pemain Bola Basket (1)
Variabel Keputusan
Xi = 1, jika pemain ke-i diturunkan ke lapangan.
= 0, jika pemain ke-i tidak diturunkan
Fungsi tujuan:
Max 6 x1 + 4 x2 + 5 x3 + 4 x4 + 6 x5 + 5 x6 + 5 x7
Solusi : Pemilihan pemain bola basket (1)
Pembatas :
(1a) Harus ada tepat lima pemain turun ke lapangan
x1 + x2 + x3 + x4 + x5 + x6 + x7 = 5
(1b) Paling sedikit terdapat empat pemain penyerang(guard).
x1 + x3 + x5 + x7 4
(1c) Paling sedikit terdapat dua pemain depan (forward).
x3 + x4 + x5 + x6 + x7 2
(1d) Paling sedikit terdapat satu pemain tengah.
x2 + x4 + x6 1
Solusi : Pemilihan Pemain Bola Basket (2)2.Rata-Rata tingkat ketrampilan pemain paling sedikit 2
(a) Rata-rata ketrampilan pemain menggiring bola lebih daridua.
(3 x1 + x2 + x3 + x4 + 2 x5 + x6 + x7)/5 2
3 x1 + x2 + x3 + x4 + 2 x5 + x6 + x7 10
(b) Rata-rata ketrampilan pemain menembak bola lebih daridua.
x1 + 2 x2 +3 x3 + 2 x4 + x5 + 3 x6 + 2 x7 10
(c) Rata-rata ketrampilan pemain menghadang lebih dari dua.
2 x1 + x2 + x3 + x4 + 3 x5 + x6 + 2 x7 10
3.Salah satu dari pemain ke-2 atau pemain ke-3 harusbermain
x2 + x3 1
Variabel kemungkinan yang terjadi:
x2 = 1 & x3 = 0 Feasible
x2 = 0 & x3 = 1 Feasible
x2 = 1 & x3 = 1 Feasible
x2 = 0 & x3 = 0 Infeasible
Solusi : Pemilihan Pemain Bola Basket (3)
4. Jika pemain ke-3 bermain, maka pemain ke-6 tidak bisa bermain x3 + x6 1
Variabel kemungkinan yang terjadi:• Pemain 3 bermain, tetapi pemain 6 tidak bermain.
x3 = 1, x6 = 0 Feasible
• Pemain 6 bermain, tetapi pemain 3 tidak bermain.
x3 = 0, x6 = 1 Feasible
• Kedua-duanya bermain
x3 = 1, x6 = 1 Infeasible
• Kedua-duanya tidak dapat bermain.
x3 = 0, x6 = 0 Feasible
Solusi : Pemilihan Pemain Bola Basket (4)
5. Jika pemain ke-1 bermain, maka pemain ke-4 danke-5 harus bermain juga
x1 x4
x1 x5
Jika x1 = 1, maka x4 = 1 dan x5 =1.
Variabel kemungkinan yang terjadi:x1 x4 x5 Interpretasi
1 1 1 ketiga pemain bermain (feasibel).
0 0 0 ketiga pemain tidak bermain (feasibel).
0 1 0 hanya pemain 4 yang bermain (feasibel).
0 0 1 hanya pemain 5 yang bermain (feasibel).
0 1 1 pemain 4 dan 5 bermain, sedangkan pemain 1 tidak
(feasibel)
Contoh 3 : Pengeboran Minyak1. Pemilihan paling sedikit 5 lokasi dari 10 lokasi
pengeboran minyak yang telah direncanakan, dengan variabel keputusan X1, X2,…, X10 dan biayapengeboran C1, C2,…, dan C10.
2. Batasan:
– Paling banyak dua dari lokasi X5, X6, X7 dan X8 yang dapatdipilih
– Memilih lokasi X3 atau lokasi X4 akan mencegah untukmemilih lokasi X5.
– Memilih kombinasi lokasi X1 dan X7 akan mencegah untukmemilih lokasi X8.
Solusi Pengeboran Minyak (1)Variabel Keputusan
Xi = 1, jika lokasi ke-i dilakukan pengeboran. Xi = 0, jika lokasike-i tidak dilakukan pengeboran.
Fungsi tujuan:
Min C1 x1 + C2 x2 + C3 x3 + C4 x4 +C5 x5 + C6 x6 + C7 x7 + C8 x8 + C9 x9 + C10 x10
Subject to
(1) Pemilihan paling sedikit 5 lokasi dari 10 lokasi pengeboran
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 ≥ 5
(2) Paling banyak dua dari lokasi X5, X6, X7 dan X8 yang
dapat dipilih x5 + x6 + x7 + x8 2
Solusi Pengeboran Minyak (2)
(3) Memilih lokasi X3 atau lokasi X4 akan mencegahuntuk memilih
lokasi X5
x3 + x5 1
x4 + x5 1
– x3=1 atau x4=1, maka harus x5=0 (jika memilih lokasi X3 atau lokasi X4, lokasi X5 tidak boleh dipilih)
– x5=1, maka nilai x3=0 dan x4=0 (jika memilih lokasi X5, maka lokasi X3 dan lokasi X4 tidak boleh dipilih)
Solusi Pengeboran Minyak (3)
(4) Memilih kombinasi lokasi X1 dan X7 akan mencegahuntuk memilih lokasi X8
x1 + x7 + x8 2
– kasus 1: tidak memilih lokasi X8
x8 = 0, maka x1 + x7 2 (dapat memilih lokasi S1, S7, atau kedua-duanya, atau tidak keduanya).
x8 x1 x7 Interpretasi
0 0 0 Tidak memilih ketiga lokasi tersebut
0 0 1 Hanya memilih lokasi S7
0 1 0 Hanya memilih lokasi S1
0 1 1 Memilih lokasi S1 dan S7, tetapi lokasi S8 tidak
Solusi Pengeboran Minyak (4)
(4)Memilih kombinasi lokasi X1 dan X7 akan mencegah
untuk memilih lokasi X8
x1 + x7 + x8 2
– kasus 2: Menyelidiki lokasi S8
x8 = 1, maka x1 + x7 1 (dapat memilih lokasi
x1atau x7, tetapi tidak kedua-duanya)
x8 x1 x7 Interpretasi
1 0 0 Hanya memilih lokasi S8
1 1 0 Memilih lokasi S8 dan S1, tetapi S7 tidak
1 0 1 Memilih lokasi S8 dan S7, tetapi S1 tidak
1 1 1 Memilih ketiga lokasi (infeasible)
Contoh 4 : Problem “Western”• Penerbangan western memutuskan untuk memiliki
beberapa kota transit di USA
• Jalur penerbangan yang dimiliki mencakup kota-kota
berikut : Atlanta, Boston, Chicago, denver, Houston, Los
angeles, New Orleans, New York, Pittsburgh, Salt Lake
city, San Francisco, dan Seattle Kota dalam 1000 miles Atlanta (AT) AT, CH, HO, NO, NY, PI
Boston (BO) BO, NY, PI Chicago (CH) AT, CH, NY, NO, PI
Denver (DE) DE, SL Houston (HO) AT, HO, NO
Los Angeles (LA) LA, SL, SF New Orleans (NO) AT, CH, HO, NO
New York (NY) AT, BO, CH, NY, PI Pittsburgh (PI) AT, BO, CH, NY, PI
Salt Lake City (SL) DE, LA, SL, SF, SE San Francisco (SF) LA, SL, SF, SE
Seattle (SE) SL, SF, SE
• Western menginginkan
untuk mempunyai kota
transit dalam 1000 mil
dari tiap kota-kota ini
• Hitunglah jumlah
minimum dari kota transit
AT BO CH DE HO LA NO NY PI SL SF SE Required
AT 1 0 1 0 1 0 1 1 1 0 0 0 xAT >= 1
BO 0 1 0 0 0 0 0 1 1 0 0 0 xBO >= 1
CH 1 0 1 0 0 0 1 1 1 0 0 0 xCH >= 1
DE 0 0 0 1 0 0 0 0 0 1 0 0 xDE >= 1
HO 1 0 0 0 1 0 1 0 0 0 0 0 xHO >= 1
LA 0 0 0 0 0 1 0 0 0 1 1 0 xLA >= 1
NO 1 0 1 0 1 0 1 0 0 0 0 0 xNO >= 1
NY 1 1 1 0 0 0 0 1 1 0 0 0 xNY >= 1
PI 1 1 1 0 0 0 0 1 1 0 0 0 xPI >= 1
SL 0 0 0 1 0 1 0 0 0 1 1 1 xSL >= 1
SF 0 0 0 0 0 1 0 0 0 1 1 1 xSF >= 1
SE 0 0 0 0 0 0 0 0 0 1 1 1 xSE >= 1
Solusi : Problem “Western”
Variabel keputusan
• Xi = 1 jika kota i dilokasikan sebagai kota transit
• Xi = 0 jika kota i tidak dijadikan sebagai kota transit
Minimize XAT + XB0 + XCH + XDE + XHO + XLA +
XNO + XNY + XPI + XSL + XSF + XSE
Pembatas:
Contoh 5 : Problem “Alada”
• Propinsi Alada mempunyai 6 kota
• Propinsi ini memiliki permasalahan pada kota mana akan dibangun
stasiun pemadam kebakaran
• Paling sedikit jarak stasiun pemadam kebakaran 15 menit (waktu
tempuh) untuk masing – masing kota
Kota ke-
1 2 3 4 5 6
1 0 10 20 30 30 20
2 10 0 25 35 20 10
3 20 25 0 15 30 20
4 30 35 15 0 15 25
5 30 20 30 15 0 14
6 20 10 20 25 14 0
• Waktu yang
dibutuhkan dari
kota yang satu ke
kota yang lain
dilampirkan pada
tabel dibawah ini.
• Tentukan jumlah
minimum dari
pemadam
kebakaran
Solusi : Problem “Alada”
• Sebuah kota dapat dicover oleh stasiun
pemadam kebakaran jika jarak tempuhnya
sebesar 15 menit
• Covering set untuk setiap kota
Kota Covering sets (15 menit)
1 1,2
2 1,2,6
3 3,4
4 3,4,5
5 4,5,6
6 2,5,6
Solusi : Problem “Alada”
Variabel keputusan :
xi = 1 jika dibangun stasiun pemadam kebakaran
pada kota-i
xi = 0 jika kota-i tidak dibangun stasiun pemadam
Fungsi tujuan :
Minimum
x1+x2+x3+x4+x5+x6
Fungsi pembatas:
Kota 1 2 3 4 5 6
1 1 1 0 0 0 0 x1 <= 1
2 1 1 0 0 0 1 x2 <= 1
3 0 0 1 1 0 0 x3 <= 1
4 0 0 1 1 1 0 x4 <= 1
5 0 0 0 1 1 1 x5 <= 1
6 0 1 0 0 1 1 x6 <= 1
Konsep : “Either-Or Constraints”
• Ada 2 konstrain
diasumsikan bahwa hanya ada satu yang memenuhi
• Kita dapat menyelesaikan permasalahan ini dengan
menambahkan metode “either-or constrains” y = 0,1
• M adalah besarnya nilai yang dapat menjamin bahwa
kedua konstrain dapat memenuhi nilai dari x1,x2,…,xn
yang dapat memenuhi konstrain yang lain pada problem
yang ada.
0),...,,(
0),...,,(
21
21
n
n
xxxg
xxxf
)1(),...,,(
),...,,(
21
21
yMxxxg
Myxxxf
n
n
Konsep “If-then constraints”
• Jika kita ingin memastikan bahwa,
f(x1 ,x2,… ,xn)>0 sama g(x1 ,x2 ,… ,xn)≥0
• Kemudian kita tambahkan if-then konstrain
y = 0,1
• Disini, M adalah nilai positif yang besar,
pilih yang terbesar sehingga f < M and – g <
M mencakup semua nilai sehingga
memenuhi konstrain lain yang ada pada
permasalahan
Myxxxg
yMxxxf
n
n
),...,,(
)1(),...,,(
21
21
Contoh 6 : “Either-Or Constraints”
Memenuhi paling tidak satu dari pembatas berikut :
(1) x + y ≤ 4
(2) 3x + 4y ≤15
(salah satu dari pembatas ke-1, atau ke-2, atau kedua-duanya)
Feasibel solusinya adalah ;
1) x = 1, y = 3 (memenuhi kedua pembatas)
2) x = 0, y = 4 (memenuhi ke-1, tetapi tidak memenuhi ke-2)
3) x = 5, y = 0 (memenuhi ke-2, tetapi tidak memenuhi ke-1)
4) x = 2, y = 3 (tidak memenuhi kedua-duanya)
Solusi “Either-Or Constraints”
• Definiskan variabel baru z sebagai variabel binary (biner)
• Nilai M merupakan bilangan besar, konstan positif
Sehingga pembatas ke-1 atau ke-2, dimodifikasi menjadi
(3) x + y ≤ 4 + M z
(4) 3 x + 4 y ≤ 15 + M (1 - z)
(5) z bilangan biner
Solusi “Either-Or Constraints”
Pembuktian:
1. Untuk mendapat solusi x = 5 dan y = 0, maka z dibuat = 1 :
5 + 0 = 5 < 4 + M, pembatas ke-3 memenuhi
15 + 0 = 15 + M (1 – 1) = 15, pembatas ke-4 memenuhi
2. Untuk mendapat solusi x = 0 dan y = 4, maka z dibuat = 0:
0 + 4 = 4 = 4 + M (0) = 4, pembatas ke-3 memenuhi
0 + (4) (4) = 16 ≤ 15 + M (1 – z) = 15 + M, pembatas
ke-4 memenuhi
Solusi “Either-Or Constraints”
3.Solusi dengan nilai M dibuat = 1000 :
Solusi x y x + y 3x + 4y OK? z 4+Mz 15 + M(1-z) Feasible
1a 1 3 4 15 Ya 0 4 1015 Ya
1b 1 3 4 15 Ya 1 1004 15 Ya
2a 0 4 4 16 Ya 0 4 1015 Ya
2b 0 4 4 16 Ya 1 1004 15 Tidak
3a 5 0 5 15 Ya 0 4 1015 Tidak
3c 5 0 5 15 Ya 1 1004 15 Ya
4a 2 3 5 18 Tidak 0 4 1015 Tidak
4b 2 3 5 18 Tidak 1 1004 15 Tidak
Kesimpulan:
• Jika solusi yang memenuhi pembatas (1), (2),
atau keduanya, dapat ditemukan nilai yang
tepat untuk z sehingga pembatas (3) dan (4)
juga memenuhi
• Solusi yang tidak memenuhi pembatas (1) dan
(2), maka pembatas (3), (4), atau keduanya
juga tidak akan terpenuhi, berapapun nilai z
Contoh 7: Aplikasi “Dorian”
• Perusahaan Dorian automotif memproduksi 3
tipe model mobil yaitu ; compact (kecil),
midsize (menengah), dan large (besar).
• Ada 6 ton baja dan 60,000 jam kerja tersedia
• Jika suatu tipe mobil diproduksi, maka mobil
itu harus diproduksi paling sedikit 1,000 unit
mobil
• Data produksi seperti terlihat di tabel bawah
ini: Compact Midsize Large
Kebutuhan baja 1.5 ton 3 ton 5 ton
Kebutuhan jam tenaga kerja 30 jam 25 jam 40 jam
Profit $2000 $3000 $4000
Solusi aplikasi “Dorian”
Variabel keputusan
• xi = jumlah mobil tipe ke-i yang diproduksi
• yi = 1 jika mobil tipe ke-i diproduksi, dan yi=0
jika tidak
Formulasi :
Maks z = 2 x1 + 3 x2 + 4 x3
Subject to:
x1 ≤ M y1
x2 ≤ M y2
x3 ≤ M y3
1000 – x1 ≤ M (1 – y1)
1000 – x2 ≤ M (1 – y2)
1000 – x3 ≤ M (1 – y3)
1.5 x1 + 3 x2 + 5 x3 ≤ 6000
30 x1 + 25 x2 + 40 x3 ≤ 60000
x1, x2, x3 ≥ 0 dan integer
y1, y2, y3 = 0 atau 1
Metode “Branch and Bound”
• Metode “Branch and Bound” adalah metodepaling populer untuk menyelesaikan problem IP
• Metode ini mencari solusi optimal IP denganperhitungan titik-titik di daerah feasibel “sub-problem”.
• Jika solusi optimal dari LP relaxation adalahinteger, maka solusi LP relaxation tersebutjuga merupakan solusi IP
Contoh
• Contoh suatu permasalahan IP:
Maximize z = 8x1 + 5x2
subject to
x1 + x2 ≤ 6;
9x1 + 5x2 ≤ 45;
x1, x2 ≥ 0; x1, x2 integer
• Permasalahan diatas dimulai
dengan membagi menjadi
beberapa sub-problem. Sub-
problem 1 adalah penyelesaian
LP relaxation dari model awal.
Optimal LP Solution:
x1 = 3.75 dan x2= 2.25
dengan z = 41.25
Feasible Region for Telfa’s Problem
• Subproblem 1 : The LP relaxation of original
• Optimal LP Solution: x1 = 3.75 and x2 = 2.25 and z = 41.25
• Subproblem 2: Subproblem1 + Constraint x1 4
• Subproblem 3: Subproblem1 + Constraint x1 3
• Subproblem 4: Subproblem2 + Constraint x2 2
• Subproblem 5: Subproblem2 + Constraint x2 1
Daerah Feasible untuk Sub-problemPercabangan (Branching):
Proses membagi suatu sub-problem menjadi duaatau lebih sub-problem dibawahnya
Sub-problem 1 dibagi 2:
• Subproblem 2: Subproblem 1+Constraint x1 4
(nilai x1 dibulatkan ke atas)
• Subproblem 3: Subproblem 1+Constraint x1 3
(nilai x1 dibulatkan ke bawah)
Solusi Optimal Sub-problem 2: z = 41, x1 = 4, x2 = 9/5 = 1.8
• Solusi optimal sub-problem 2 belummenghasilkan bilangan integer, dan perludicabangkan lagi (konsep LIFO sub-problem 3 tidak diproses dahulu)
Feasible Region for Subproblems 4 & 5
Sub-problem 2 dibagi 2:
• Subproblem 4: Subproblem 2
+ Constraint x1 ³ 4
(nilai x1 dibulatkan ke atas)
• Subproblem 5: Subproblem 2
+ Constraint x1 £ 3
(nilai x1 dibulatkan ke bawah)
Solusi Optimal Sub-problem 2:
z = 41, x1 = 4,
x2 = 9/5 = 1.8
The Branch and Bound TreeSubproblem 1
z = 41.25
x1 = 3.75
x2 = 2.25
Optimal solution of Subproblem 5:
z = 40.05, x1 = 4.44, x2 = 1
Subproblem 6: Subproblem 5 + Constraint x1 5
Subproblem 5: Subproblem 5 + Constraint x1 4
3
Subproblem 2
z = 41
x1 = 4
x2 = 1.8
Subproblem 3
Subproblem 4
Infeasible
Subproblem 5
x1 4 x1 3
x2 2 x2 1
1
2
4
Feasible Region for Subproblems 6 & 7
Optimal solution of
Subproblem 7:
z = 37, x1 = 4, x2
= 1
Optimal solution of
Subproblem 6:
z = 40, x1 = 5, x2
= 0
The Branch and Bound Tree
Subproblem 1
z = 41.25
x1 = 3.75
x2 = 2.25
Subproblem 2
z = 41
x1 = 4
x2 = 1.8
Subproblem 3
z = 3
x1 = 3
x2 = 1, LB = 39
Subproblem 4
Infeasible
Subproblem 5
z = 40.55
x1 = 4.44
x2 = 1
x1 4 x1 3
x2 2 x2 1
Subproblem 6
z = 40
x1 = 5
x2 = 0, LB = 37
Subproblem 7
z = 37
x1 = 4
x2 = 1
1
2
3 4
7
6 5
top related