1
Anatomi Optimisasi Matematis
MATH008Lesson 1
00:00
Bayangkan merancang drone pengiriman canggih. Anda membutuhkannya agar efisien, tetapi terikat oleh hukum fisika dan batasan material yang dimiliki. Anatomi masalah optimisasi matematis memberikan bentuk standar universal yang memungkinkan kita menggambarkan hal ini, atau hampir semua proses pengambilan keputusan di mana sumber daya terbatas. Ini adalah kerangka formal untuk menemukan pilihan terbaik dari berbagai alternatif yang tersedia dengan memetakan dunia nyata ke dalam fungsi tujuan dan batasan kendala.

Rancangan: Bentuk Standar

Masalah optimisasi matematis, atau hanya masalah optimisasi, memiliki bentuk meminimalkan $f_0(x)$ dengan syarat $f_i(x) \le b_i, i=1, \dots, m.$ Secara formal, kita menyatakannya sebagai:

$$\begin{aligned} &\text{minimalkan} && f_0(x) \\ &\text{dengan syarat} && f_i(x) \le b_i, \quad i=1, \dots, m \end{aligned}$$

Struktur ini adalah "DNA" dari optimisasi. Setiap simbol mewakili komponen penting dunia nyata:

  • Penggerak ($x$): Vektor $x = (x_1, \dots, x_n)$ adalah variabel optimisasi dari masalah tersebut. Ini mewakili keputusan spesifik atau parameter yang berada dalam kendali kita—seperti berat drone dan tenaga motor.
  • Tujuan ($f_0$): Fungsi $f_0 : \mathbf{R}^n \to \mathbf{R}$ adalah fungsi objektif, yang mengukur "biaya" atau "kerugian" yang ingin diminimalkan, seperti energi yang dikonsumsi per mil.
  • Aturan ($f_i \le b_i$): Fungsi-fungsi $f_i : \mathbf{R}^n \to \mathbf{R}, i = 1, \dots, m$, adalah fungsi kendala (ketidaksamaan), sedangkan konstanta-konstanta $b_1, \dots, b_m$ adalah batas atau batas kendala. Ini menentukan ruang yang layak—drone harus menghasilkan angkat yang cukup untuk terbang dan tidak boleh melebihi batas berat baterai $b_i$.

Pencarian Solusi Optimal

Definisi: Solusi Optimal
Vektor $x^\star$ disebut optimal, atau solusi dari masalah (1.1), jika memiliki nilai objektif terkecil di antara semua vektor yang memenuhi kendala. Menemukan $x^\star$ adalah tujuan akhir dari proses optimisasi.

Linearitas vs. Nonlinearitas

Kompleksitas menemukan $x^\star$ sangat bergantung pada sifat matematis dari $f_0$ dan $f_i$.

Jika masalah optimisasi tidak linear (yang berarti tidak memiliki proporsionalitas dan aditivitas), maka disebut program nonlinear. Program-program nonlinear adalah wilayah terdepan dari optimisasi; mereka tidak memiliki struktur yang dapat diprediksi seperti sistem linear dan memerlukan seperangkat alat analitis yang secara fundamental berbeda, sering kali lebih canggih, untuk diselesaikan.

🎯 Prinsip Utama
Optimisasi adalah seni menyeimbangkan tujuan tertentu terhadap batasan ketat dengan memanipulasi variabel yang dapat dikendalikan. Titik balik dalam optimisasi bukan hanya menemukan solusi, tetapi mengidentifikasi apakah strukturnya linear atau nonlinear.
$$\begin{array}{ll} \text{minimalkan} & f_0(x) \\ \text{dengan syarat} & f_i(x) \le b_i, \quad i = 1, \dots, m \end{array}$$