MTE 3104 MATEMATIK KEPUTUSAN

TAJUK 3 PENGATURCARAAN LINEAR

3.1 SINOPSIS Pengaturcaraan linear ialah satu kaedah matematik yang digunakan untuk membantu pengurus-pengurus dalam merancang dan membuat keputusan berdasarkan sumber-sumber yang ada. Dalam topik ini, anda akan mempelajari bagaimana mendapatkan nilai optimum penyelesaian bagi sesuatu masalah yang diberi syarat-syarat tertentu. Terdapat dua kaedah yang biasa digunakan untuk menyelesaikan masalah pengaturcaraan linear iaitu kaedah bergraf dan kaedah simpleks. 3.2 HASIL PEMBELAJARAN 1. Menjelaskan erti pengaturcaraan linear 2. Mengenalpasti istilah-istilah penting yang digunakan dalam pengaturcaraan linear 3. Meringkaskan semua langkah-langkah yang perlu diikuti untuk menyelesaikan masalah pengaturcaraan linear dengan menggunakan kaedah simpleks

3.3

KERANGKA TAJUK

15

MTE 3104 MATEMATIK KEPUTUSAN

Pengaturcaraan Linear

Definisi 3.4 Pengenalan

Jenis-jenis masalah Pengaturcaraan Linear

Kaedah simpleks

Pengaturcaraan linear adalah proses mengambil pelbagai ketaksamaan linear yang berhubungan dengan beberapa situasi dan mencari nilai "terbaik" yang boleh diperolehi di bawah syarat-syarat tertentu. Sebagai satu contoh, situasi yang mengambil kira had, bahan-bahan dan tenaga buruh, dan kemudian menentukan pengeluaran "terbaik" bagi keuntungan maksimum di bawah syaratsyarat tertentu. Dalam "kehidupan sebenar", pengaturcaraan linear adalah sebahagian daripada bidang matematik yang sangat penting dan dipanggil "teknik-teknik pengoptimuman". Bidang pengajian (atau sekurang-kurangnya keputusan yang dipohon itu) digunakan setiap hari dalam organisasi dan peruntukan sumber. Sistem "kehidupan sebenar" ini boleh mempunyai berpuluh-puluh atau beratusratus pemboleh ubah, atau lebih. Dalam algebra, anda menyelesaikan masalah dengan mudah (atau melukis graf) dengan hanya menggunakan mana-mana dua pembolehubah linear. Proses umum untuk membuat graf bagi ketaksamaan ("kekangan") untuk membentuk satu kawasan yang disempadani di satah - x, y (dipanggil "rantau kemungkinan"). Kemudian anda tentukan koordinat sudut rantau kemungkinan ini (iaitu titik-titik persilangan pelbagai pasangan garisan), dan menguji titik sudut 16

MTE 3104 MATEMATIK KEPUTUSAN dalam formula (dipanggil "persamaan pengoptimuman") yang mana anda cuba untuk mendapatkan nilai tertinggi dan terendah. Contoh: Cari nilai yang maksima dan minimum z = 3x + 4y tertakluk kepada kekangan berikut:

Tiga ketaksamaan di atas adalah dipanggil kekangan. Kawasan satah yang mereka merangkumi kekangan ini akan menjadi rantau kemungkinan (feasible region). "z = 3x + 4y" adalah persamaan pengoptimuman. Anda perlu mencari sudut titik (x, y) bagi rantau kemungkinan yang memberikan nilai z yang terbesar dan terkecil . Langkah pertama adalah menukarkan setiap bentuk ketidaksamaan kepada yang lebih mudah bagi melukis graf seperti di bawah:

Ia adalah mudah untuk melukis graf bagi sistem. Jika anda mengalami masalah sila rujuk website http://www.purplemath.com/modules/syslneq.htm

17

MTE 3104 MATEMATIK KEPUTUSAN

Untuk mencari titik sudut - yang tidak jelas dari graf cari titik persilangan bagi garisan untuk membentuk sistem persamaan linear dan selesaikan. Untuk sistem persamaan linear, rujuk website http://www.purplemath.com/modules/syslin1.htm Maka titik sudut adalah (2,6), (6,4) dan (-1, -3) = ( 1/2 )x + 7 y = 3x ( 1/2 )x + 7 = 3x x + 14 = 6x 14 = 7x 2=x y = 3(2) = 6
corner point at

y = ( 1/2 )x + 7 y=x2 ( 1/2 )x + 7 = x 2 x + 14 = 2x 4 18 = 3x 6=x y = (6) 2 = 4

y = 3x y=x2

3x = x 2 2x = 2 x = 1 y = 3(1) = 3

(2, 6)

corner point at

(6, 4)

corner pt. at

(1, 3

Terbukti untuk sistem linear seperti ini, nilai maksimum dan minimum bagi persamaan pengoptimuman sentiasa berada di sudut rantau kemungkinan. Maka

18

MTE 3104 MATEMATIK KEPUTUSAN untuk mendapatkan penyelesaian bagi latihan ini, cuma 3 titik yang perlu di pertimbangkan ke dalam z = 3x + 4y (2,6): z (6,4): z = 3 (2) + 4 (6) = 3 (6) + 4 (4) =6+ = 30 = 18 + 16 = 34 = -3 - 12 = -15

(-1,-3): z = 3 (-1) + 4 (-3) (-1, -3) 3.5 Definisi

Jadi maksima bagi z = 34 berlaku di (6, 4) dan minimum bagi z = - 15 berlaku di

Untuk memahami kepentingan Pengaturcaraan Linear dalam menyelesaikan masalah kehidupan seharian, istilah-istilah penting perlu di ketahui terlebih dahulu. Sila cari artikel berikut untuk lebih mengetahui tentang istilah dan definisi yang digunakan dalam Pengaturcaraan Linear: http://www.netmba.com/operations/lp/ http://www.cs.princtton.edu/courses/archive/spring03/cs/cs226/letures/lp-up.pdf http://www.uta.edu/faculty/swafford/opma3308/LPchapter.pdf 3.6 Jenis-jenis Masalah Pengaturcaraan Linear

Sebarang vektor x yang memenuhi kekangan masalah pengaturcaraan linear dinamakan sebagai penyelesaian kemungkinan masalah tersebut. Tiap- tiap masalah pengaturcaraan linear boleh dikategorikan salah satu daripada yang berikut: 1. 'Infeasible' atau tiada penyelesaian. Masalah pengaturcaraan linear adalah 'infeasible' jika penyelesaian masalah tidak wujud; iaitu, tidak terdapat vektor x yang memenuhi kesemua kekangan masalah tersebut. 2. 'Unbounded' atau rantau terbuka. Masalah pengaturcaraan linear adalah 'unbounded' jika kekangan tidak menutupi sepenuhnya fungsi kos di mana untuk penyelesaian 19

MTE 3104 MATEMATIK KEPUTUSAN yang diberi, penyelesaian lain boleh diperolehi yang boleh memperbaiki fungsi kos. 3. Penyelesaian Optima. Masalah pengaturcaraan linear yang tidak 'infeasible' dan tidak 'unbounded' akan mempunyai penyelesaian yang optima; iaitu fungsi kos mempunyai nilai fungsi kos yang unik minimum (atau maksimum). Namun ini tidak bermakna nilai pembolehubah yang menjana penyelesaian optima adalah unik. Untuk meluaskan pengetahuan tentang pengaturcaraan linear, penerokaan lanjut tentang jenis masalah pengaturcaraan linear boleh di buat; 1) Penyelesaian yang banyak (Infinitely many solutions) http://hotmath.com/hotmath_help/topics/solving-equations.html

2) Rantau yang mungkin (feasible regions) http://people.hofstra.edu/Stefan_Waner/Real/World/Summary4.html 3) Rantau yang tidak terbuka (unbounded feasible regions) http://people.richland.edu/james/lecture/m116/systems/linear.html 4) 'Degeneracy http://www.mpri.Isu.edu/textbook/Chapter4-a.htm#deg 5) Kaedah Simpleks dalam Pengaturcaraan Linear http://www.markschulze.net/LinearProgramming.pdf

3.6

Kaedah simpleks dalam pengaturcaraan linear 20

MTE 3104 MATEMATIK KEPUTUSAN

Dalam kaedah graf, nilai optimum biasanya terletak di atas sisi/sempadan dan kadang-kadang pada bucu kawasan rantau. Mencari nilai maksimum dan nilai minimum dalam satu masalah pengaturcaraan linear dapat diperolehi dengan menggunakan kaedah graf apabila ia terdiri daripada dua pemboleh ubah.Namun agak sukar mencari nilai maksimum dan nilai minimum apabila masalah pengaturcaraan linear melibatkan lebih tiga atau lebih pembolehubah. Oleh itu satu kaedah diperolehi untuk menyelesaikan masalah ini yang dinamakan Kaedah Simpleks. Kaedah Simpleks: Algoritma pengaturcaraan linear yang dapat menyelesaikan masalah lebih daripada dua pembolehubah. Kaedah simpleks bermula daripada titik penjuru kawasan tersaur dan bergerak secara sistematik dari satu titik penjuru ke satu titik penjuru sehingga nilai optima diperolehi. Kita akan mempertimbangkan hanya masalah yang melibatkan kekangan jenis bagi mencari nilai optimum. Titik asas dipanggil initial basic feasible solution. Dalam kaedah simpleks pembolehubah slack diperkenalkan yang merupakan pembolehubah asas. Pembolehubah Slack Slack: apabila nilai optima pemboleh ubah akhir diganti ke dalam kekangan yang kurang atau sama, didapati nilainya kurang daripada nilai di sebelah kanan. Slack akan menunjukkan perbezaan nilai di sebelah kiri ketaksamaan dan di sebelah kanan ketaksamaan.

Contoh :21

MTE 3104 MATEMATIK KEPUTUSAN x1 + 2x2 < 32(i) 3x1 + 4x2 < 84(ii) Katakan diperolehi nilai akhir x1 = 20 dan x2 = 5 Apabila diganti dalam ketaksamaan (i) didapati nilai di sebelah kiri adalah 30 iaitu kurang daripada nilai di sebelah kanan. Perbezaan antara nilai kiri dan kanan adalah sebanyak 2. Nilai ini dipanggil slack Langkah-langkah dalam Kaedah Simpleks Tambah pembolehubah slack pada pengaturcaraan linear. Letakkan pemalar untuk setiap persamaan dalam jadual. Pilih lajur untuk menentukan lajur pemimpin/pangsi atau pivot column. Pilih baris untuk menentukan baris pemimpin/pangsi atau pivot row. Tentukan elemen pemimpin/pangsi atau pivot element Jalankan operasi baris untuk menukar kemasukan (entry) ke pemimpin/pangsi (pivot). Contoh:Maksimumkan P = x + 0.8 y Sabjek kepada x + y 1000 2x + y 1500 3x + 2y 2400 x, y > 0 Penyelesaian: 1. Tambah pembolehubah slak kepada persamaan Pengaturcaraan Linear Pembolehubah slack adalah s1, s2 dan s3

22

MTE 3104 MATEMATIK KEPUTUSAN Maksimumkan : P - x - 0.8 y = 0 Sabjek kepada x + y + s1 2x + y 3x + 2y Menentukan PIVOT PERTAMA 2. Letakkan pemalar persamaan dalam jadual seperti di bawah. P 1 0 0 0 x -1 1 2 3 y -0.8 1 1 2 s1 0 1 0 0 s2 0 0 1 0 s3 0 0 0 1 RHS 0 1000 1500 2400 Baris objektif + s2 = 1000 = 1500 + s3 = 2400

3.

Memilih lajur pivot Lihat kepada baris objektif yang mempunyai kemasukan (entry) negatif. Jika ada lebih dari satu nombor negatif, pilih kemasukan nombor negatif paling besar. Lajur pivot yang dipilih ialah x ( -1) lebih besar daripada y (-0.8)

4.

Memilih baris pivot Baris yang dipilih mesti mempunyai nisbah minimum pada lajur sebelah kanan. Jika dua baris mempunyai nilai minimum nisbah yang sama, lajur sebelah kanan akan mempunyai nilai sifar selepas proses pivoting. Situasai ini dipanggil degenerasi. Untuk mencari nisbah minimum dikalangan kekangan 23

MTE 3104 MATEMATIK KEPUTUSAN x + y + s1 = 1000 ( kekangan 1) x + y + s1 = 1000 x = 1000 2x + y + s2 = 1500 ( kekangan 2) 2x + y + s2 = 1500 x = 750 3x + 2y + s3 = 2400 ( kekangan 3) 3x + 2y + s3 = 2400 x = 800 Pilih kekangan kedua sebagai baris pivot kerana in mempunyai nisbah pemalar RHS pada kekangan dibahagi dengan pemalar pada lajur pivot pertama adalah paling minimum.

5.

Menentukan elemen pivot - persilangan antara baris pivot dan lajur pivot.

lajur pivot P 1 0 0 0 x -1 1 2 3 y -0.8 1 1 2 s1 0 1 0 0 s2 0 0 1 0 s3 0 0 0 1 RHS 0 1000 1500 2400 baris pivot

elemen pivot

24

MTE 3104 MATEMATIK KEPUTUSAN

6. Jalankan operasi baris untuk menukar kemasukan (entry) ke pemimpin (pivot). Bahagikan baris pivot dengan elemen pivot untuk mendapat hasil seperti di bawah. P 1 0 0 0 x -1 1 1 3 y -0.8 1 0.5 2 s1 0 1 0 0 s2 0 0 0.5 0 s3 0 0 0 1 RHS 0 1000 750 2400
baris pivot baris objektif

Tambahkan baris pivot dengan baris objektif untuk membentuk elemen 0 pada lajur pivot untuk mendapat baris objektif seperti di bawah..

P Bo B1 B2 B3 1 0 0 0

x 0 1 1 3

y -0.3 1 0.5 2

s1 0 1 0 0

s2 0.5 0 0.5 0

s3 0 0 0 1

RHS 750 1000 750 2400

Kekangan 1 (baris 1) tolak baris pivot (B2) bagi membentuk elemen 0 pada lajur pivot untuk mendapat baris 1 seperti di bawah. P 1 0 0 0 x 0 0 1 3 y -0.3 0.5 0.5 2 s1 0 1 0 0 s2 0.5 0.5 0.5 0 s3 0 0 0 1 RHS 750 250 750 2400 25

MTE 3104 MATEMATIK KEPUTUSAN

Baris ke 3 tolak tiga kali baris pivot bagi membentuk elemen 0 pada lajur pivot. P Bo B1 B2 B3 1 0 0 0 x 0 0 1 0 y -0.3 0.5 0.5 0.5 s1 0 1 0 0 s2 0.5 0.5 0.5 -1.5 s3 0 0 0 1 RHS 750 250 750 150

Fungsi objektif (P) adalah RM750 Nilai ini sepadan kepada (750, 0) dalam penyelesaian graf. Bagaimanapun nilai ini bukan penyelesaian maksimum sebab baris objektif masih bernilai negatif. Penyelesaian maksimum akan meningkat untuk proses pivoting seterusnya. 7. Teruskan operasi kerana baris objektif masih mengandungi nilai negatif (mencari elemen pivot kedua) Lakukan proses seperti langkah 3, langkah 4 dan langkah 5 untuk mencari baris pivot, lajur pivot dan elemen pivot..
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y -0.3 0.5 0.5 0.5

s1 0 1 0 0

s2 0.5 0.5 0.5 -1.5

s3 0 0 0 1

RHS 750 250 750 150

baris pivot

elemen pivot

26

MTE 3104 MATEMATIK KEPUTUSAN Bahagikan baris 3 dengan 0.5 atau darab dengan 2.
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y -0.3 0.5 0.5 1

s1 0 1 0 0

s2 0.5 0.5 0.5 -3

s3 0 0 0 2

RHS 750 250 750 300

baris pivot

elemen pivot

Darab baris 3 dengan 0.3 dan kemudian tambah dengan baris objektif (B o)
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y 0 0.5 0.5 1

s1 0 1 0 0

s2 -0.4 0.5 0.5 -3

s3 0.6 0 0 2

RHS 840 250 750 300

baris pivot

elemen pivot

Baris 1 tolak dengan (0.5 x baris 3) untuk mendapat baris 1 seperti di bawah.
lajur pivot

P Bo B1 B2 B3 1 0 0 0 0

x 0 1 0 0

y 0 1 0.5 1

s1 0 0 0 1

s2 -0.4 0.5 -3

s3 0.6 -1 0 2

RHS 840 100 750 300

baris pivot

elemen pivot

27

MTE 3104 MATEMATIK KEPUTUSAN Baris ke 2 tolak dengan (0.5 x baris 3) untuk mendapat baris ke 2
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y 0 0 0 1

s1 0 1 0 0

s2 -0.4 1 2 -3

s3 0.6 -1 -1 2

RHS 840 100 600 300

baris pivot

elemen pivot

Fungsi objektif (P) adalah RM840 Nilai ini sepadan kepada (600, 300) dalam penyelesaian graf. Bagaimanapun nilai ini bukan penyelesaian maksimum sebab baris objektif masih bernilai negatif. Penyelesaian maksimum akan meningkat untuk proses pivoting seterusnya.

8. Teruskan operasi kerana baris objektif masih mengandungi nilai negatif (mencari elemen pivot ketiga) Lakukan proses seperti langkah 3, langkah 4 dan langkah 5 untuk mencari baris pivot, lajur pivot dan elemen pivot..

lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y 0 0 0 1

s1 0 1 0 0

s2 -0.4 1 2 -3 28

s3 0.6 -1 -1 2

RHS 840 100 600 300

baris pivot

elemen pivot

MTE 3104 MATEMATIK KEPUTUSAN

Darab baris satu dengan 0.4 dan tambah hasilnya dengan baris objektif untuk mendapat baris objektif seperti di bawah..
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y 0 0 0 1

s1 0 1 0 0

s2 0 1 2 -3

s3 0.2 -1 -1 2

RHS 880 100 600 300

baris objektif baris pivot

elemen pivot

Baris kedua tolak dengan 2 darab baris 1 untuk mendapat baris ke 2 seperti jadual di bawah.
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y 0 0 0 1

s1 0 1 -2 0

s2 0 1 0 -3

s3 0.2 -1 1 2

RHS 880 100 400 300

baris pivot

elemen pivot

Baris ketiga tambah dengan 3 darab baris 1 untuk mendapat baris ke 3 seperti jadual di bawah.
lajur pivot

P Bo B1 B2 B3 1 0 0 0

x 0 0 1 0

y 0 0 0 1

s1 0 1 -2 3

s2 0 1 0 0

s3 0.2 -1 1 -1

RHS 880 100 400 600

baris pivot

elemen pivot

Fungsi objektif (P) adalah RM880 Nilai ini sepadan kepada (400, 600) dalam penyelesaian graf. 29

MTE 3104 MATEMATIK KEPUTUSAN Nilai ini adalah penyelesaian maksimum sebab baris objektif tidak mempunyai nilai negatif.

Latihan 1. Gunakan algoritma simpleks untuk menyelesaikan masalah pengeluaran minuman dengan menggunakan lajur y sebagai lajur pivot yang pertama. Maksimumkan I = x + 0.8y Subjek kepada x + y 1000 2x + y 1500 3x + 2y 2400 2. Gunakan kaedah simpleks untuk menyelesaikan masalah pengaturcaraan linear berikut:-. Maximise Subject : : z = 4x1 + 3x2 x1 + x2 40 2x1 + x2 50 x1 , x2 0 3. Fortesques di London adalah Pembekal Peringkat penyelia yang membuat dan menjual dua jenis kopi kisar iaitu campuran biasa dan campuran khas. Setiap adunan dihasilkan dengan menggunakan tiga jenis kacang iaitu Arabica, Blue Mountain dan Costa Rica. Campuran biasa adalah 1 bahagian Arabica; 3 bahagian Blue Mountain dan 3 bahagian Costa Rica manakala gabungan khas 2 bahagian Arabica, 2 bahagian Blue Mountain dan 1 bahagian Costa Rica. Pengimport kopi mampu untuk membekalkan Fortesques sehingga kepada 120kg Arabica, 180kg Blue Mountain dan 150kg Costa Rica setiap minggu. Keuntungan yang dibuat pada campuran biasa 25sen sekilogram dan campuran khas 50sen sekilogram. Campuran Fortesques mempunyai kepercayaan yang tinggi kedai itu boleh menjual semua kopi yang dihasilkan. (i) Bentukkan masalah pengaturcaraan linear dari mana keuntungan 30

MTE 3104 MATEMATIK KEPUTUSAN mingguan maksimum boleh dikira. (ii) Selesaikan masalah pengaturcaraan linear anda dari (i) menggunakan kaedah simpleks. Tafsirkan penyelesaian yang anda perolehi.

Layari Internet 1. http : //math.uww.edu/~mcfarlat/s-prob.htm

31