Transcript
Metode Greedy
Pendahuluan
Metode Greedy digunakan untuk memecahkan persoalan optimasi.
Persoalan optimasi adalah persoalan mencari solusi optimum
Persoalan optimasi ada 2 Maksimasi Minimasi
Untuk mendapatkan solusi optimal dari permasalahan yang mempunyai dua kriteria yaitu Fungsi Tujuan/utama dan nilai pembatas (constraint)
Contoh Masalah Optimasi
Penukaran UangDiberikan uang senilai A. Tukar A dengan koin-
koin uang yang ada.Berapakah jumlah minimum koin yang
diperlukan untuk penukaran uang tersebut. Jumlah minimum koin → Persoalan Minimasi.Contoh 1: tersedia banyak koin 1, 5, 10, 25
32 = 1 + 1 + … + 1 (32 koin)32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin)32 = 10 + 10 + 10 + 1 + 1 (5 koin)Minimum: 32 = 25 + 5 + 1 + 1 (4 koin)
Greedy = rakus, tamakAlgoritma greedy membentuk solusi langkah
per langkah (step by step).Pada setiap langkah terdapat banyak pilihan
yang perlu dieksplorasi.Sehingga, 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).
Pada setiap langkah membuat pilihan optimum lokal
Dengan harapan bahwa langkah sisanya mengarah kesolusi optimum global.
Proses Kerja Metode Greedy
Untuk menyelesaikan suatu permasalahan dengan n input data yang terdiri dari beberapa fungsi pembatas dan satu fungsi tujuan yang diselesaikan dengan memilih beberapa solusi yang mungkin (feasible solution/feasible sets), yaitu bila telah memenuhi fungsi tujuan/obyektif.
Metode Greedy digunakan untuk dalam penyelesaian masalah :Optimal Storage on Tapes ProblemKnapsack ProblemMinimum Spanning Tree ProblemShortest Path Problem
1. Optimal Storages On Tapes Problem
Permasalahan : Bagaimana mengoptimalisasikan storage/memory dalam komputer agar data yang tersimpan dalam komputer dapat termuat dengan optimal.
Misalkan terdapat n program yang akan disimpan didalam pita (tape). Pita tersebut mempunyai panjang maksimal sebesar L, masing-masing program yang akan disimpan mempunyai panjang L1, L2, L3,...Ln. Cara penyimpanan adalah penyimpanan secara terurut (sekuensial).
Persoalan : Bagaimana susunan penyimpanan program-program tersebut sehingga :L1 + L2 + L3 + ....+ Ln = L ?
Pemecahannya : Jika program-program tersebut disimpan dalam orde, dimisalkan adalah orde 1, yaitu : j sama dengan ∑tik maka akan didapat k=1.
Contoh :Misal terdapat 3 buah program (n=3) yang masing-masing mempunyai panjang program (I1, I2, I3) = (5,10,3). Tentukan urutan penyimpanannya secara berurutan (sekuensial) secara optimal.
Penyelesaian :Dari 3 buah program tersebut akan diperoleh 6 buah kemungkinan order, yang diperoleh dari cara memfaktorialkan 3 = 3! .
ORDERING D (I)
1,2,3 5 + (5 +10) + (5 + 10 + 3) = 38
1,3,2 5 + (5 + 3) + (5 + 3+ 10) = 31
2,1,3 10 + (10 + 5)+(10 + 5 + 3) = 43
2,3,1 10 + (10 + 3) + (10 + 3 + 5) = 41
3,1,2 3 + (3 + 5) + (3 + 5 + 10) = 29
3,2,1 3 + (3 + 10) + (3 + 10 + 5) = 34
Dari tabel tersebut dapat diperoleh bahwa susunan order yang optimal adalah sebagai berikut : Susunan pertama untuk program ketiga Susunan kedua untuk program kesatu Susunan ketiga untuk program kedua
2. Knapsack Problem
Knapsack dapat diartikan sebagai karung, kantung, atau buntilan.
Karung digunakan untuk memuat sesuatu. Dan tentunya tidak semua objek dapat
ditampung di dalam karung. Karung tersebut hanya dapat menyimpan beberapa objek dengan total ukurannya (weight) lebih kecil atau sama dengan ukuran kapasitas karung.
Setiap objek itupun tidak harus kita masukkan seluruhnya. Tetapi bisa juga sebagian saja.
knapsack 0/1, yaitu suatu objek diambil seluruh bagiannya atau tidak sama sekali.
Setiap objek mempunyai nilai keuntungan atau yang disebut dengan profit.
Tujuan ingin mendapatkan profit yang maksimal. Untuk mendapatkan profit maksimal Belum tentu menggunakan banyak objek yang masuk akan menguntungkan. Bisa saja hal yang sebaliknya yang terjadi. Cara terbaik agar menguntungkan : bukan hanya
dari hasilnya optimal tetapi juga banyaknya langkah yang dibutuhkan
Kasus : Terdapat n obyek ( Xi; i = 1,2,3,...,n) yang masing-masing mempunyai berat (weight) Wi dan masing-masing memiliki nilai profit Pi yang berbeda.
Masalah : Bagaimana obyek-obyek tersebut dimuat/dimasukkan dalam ransel (knapsack) yang mempunyai kapasitas maksimum = M. Sehingga timbul permasalahan sebagai berikut Bagaimana memilih obyek yang akan dimuat dari
n obyek yang ada sehingga nilai obyek termuat jumlahnya sesuai dengan kapasitas ( M).
Jika semua obyek harus termuat dalam ransel maka berapa bagian dari setiap obyek yang ada dapat dimuat ke dalam ransel sedemikian sehingga nilai kum.maksimal dan sesuai dengan kapasitas ransel.
Penyelesaian Knapsack Problem :1. Secara Matematika2. Dengan kriteria Greedy3. Dengan algoritma pemrograman Greedy
1. Penyelesaian Masalah Knapsack secara MatematikaFungsi Tujuan = fungsi utama/ objektif = fungsi yang menjadi penyelesaian masalah dengan mendapatkan solusi yang optimal.Solusi yang dimaksud = menemukan nilai/profit yang maksimum untuk jumlah obyek yang dimuat dalam ransel sehingga sesuai dengan kapasitas.Fungsi Tujuan :
Fungsi Pembatas = fungsi subyektif = fungsi yang bertujuan untuk memberikan batas maks dari setiap obyek untuk dapat dimuat dalam ransel sehingga kapasitasnya tidak melebihi dari jumlah maksimum daya tampung ransel.
Dimana : 0 Xi 1 ; Pi > 0 ; Wi > 0Catatan : Karena menggunakan matematika sangat sulit dan kompleks, maka tidak akan dibahas lebih lanjut.
2. Penyelesaian dengan Kriteria GreedyKonsep dari kriteria yang ditawarkan oleh metode Greedy, yaitu : Pilih obyek (barang) dengan nilai Pi
maksimal atau terbesar. Pilih obyek (barang) dengan berat Wi
minimal dahulu. Pilih obyek (barang) dengan
perbandingan nilai dan berat yaitu Pi/Wi yang terbesar.
Contoh :Diketahui bahwa kapasitas M = 20 kg.Dengan jumlah barang n = 3 Berat Wi masing-masing barang
(W1, W2, W3) = (18,15,10) Nilai Pi masing-masing barang
(P1, P2, P3) = (25, 24, 15)
Pilih barang dengan Nilai Profit Maksimal : P1 = 25 → X1 = 1 , dimisalkan sebagai batas
atas nilai P2 = 24 → X2 = 2/15 , dihitung dengan
fungsi pembatas. P3 = 15 → X3 = 0, dimisalkan sebagai batas
bawah nilai
Pilih barang dengan Berat Minimal : W1 = 18 → X1 = 0 sebagai batas bawah W2 = 15 → X2 = 2/3, dihitung dengan fungsi
pembatas. W3 = 10 → X3 = 1, sebagai batas atas
Pilih barang dengan menghitung perbandingan yang terbesar dari Profit dibagi Berat (Pi/Wi) yang diurut secara tidak naik, yaitu : P1/W1 = 25/18 → karena terkecil maka X1 = 0 P2/W2 = 24/15 → karena terbesar maka X2 = 1 P3/W3 = 15/10 → dengan fungsi pembatas
X3 = 1/2
Dibuatkan tabel berdasarkan elemen dari ke-3 kriteria metode Greedy
SOLUSI KE
(X1, X2, X3)
∑ WiXi ∑PiXi
Pi Maks (1, 2/15, 0) 20 28,2
Wi Min (0, 2/3, 1) 20 31,0
Pi/Wi Maks
(0, 1, ½) 20 31,5
Nilai Profit Maksimal = 31,5 dengan komposisi yang sama
top related