Stochastic programming
Download
Report
Transcript Stochastic programming
STOCHASTIC PROGRAMMING
Stochastic programming berkaitan dengan
situasi dimana beberapa atau semua
parameter dari permasalahan adalah peubah
acak.
Ide dasar stochastic programming adalah
merubah masalah probabilistik menjadi situasi
deterministik yang ekuivalen
Stochastic programming berkaitan dengan
Chance-constrained programming, yang
didefinisikan sebagai
𝑀𝑎𝑥 𝑧 = 𝑛𝑗=1 𝑐𝑗 𝑥𝑗
Subject to 𝑃 𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ≥ 1 − 𝛼𝑖 ,
i=1,2,…, m; 𝑥𝑗 ≥ 0 untuk semua j
Diasumsikan bahwa semua aij dan bi adalah
peubah acak
Terdapat tiga kasus yang dipertimbangkan :
1. Hanya aij yang acak untuk semua i dan j
2. Hanya bi yang acak untuk semua i
3. aij dan bi keduanya acak untuk semua i dan j
Pada ketiga kasus tersebut diasumsikan bahwa
parameter menyebar normal dengan rata – rata
dan ragam yang diketahui
KASUS 1
Setiap aij menyebar normal dengan rata – rata
E(aij), ragam Var(aij) dan Cov(aij,ai’j’)
Kendala ke-i
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ≥
Tentukan ℎ𝑖 = 𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗
𝑃
1 − 𝛼𝑖
Maka hi menyebar normal dengan
𝐸 ℎ𝑖 =
𝑛
𝑗=1 𝐸
𝑎𝑖𝑗 𝑥𝑗
𝑣𝑎𝑟 ℎ𝑖 = 𝑿𝑻 𝑫𝒊 𝑿
Dimana 𝑿 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 𝑇
Di = matriks covarian ke i
𝑣𝑎𝑟{𝑎𝑖1
⋯ 𝑐𝑜𝑣{𝑎𝑖1 , 𝑎𝑖𝑛 }
⋮
⋮
⋮
=
𝑐𝑜𝑣{𝑎𝑖𝑛 , 𝑎𝑖1 } ⋯
𝑣𝑎𝑟{𝑎𝑖𝑛 }
Sehingga
𝑃 ℎ𝑖 ≤ 𝑏𝑖 = 𝑃
Dimana
ℎ𝑖 −𝐸 ℎ𝑖
𝑣𝑎𝑟 ℎ𝑖
ℎ𝑖 − 𝐸 ℎ𝑖
𝑣𝑎𝑟 ℎ𝑖
≤
𝑏𝑖 − 𝐸 ℎ𝑖
𝑣𝑎𝑟 ℎ𝑖
≥ 1 − 𝛼𝑖
adalah norma baku dengan rata –
rata nol dan ragam satu. Artinya
𝑃 ℎ𝑖 ≤ 𝑏𝑖 = F
𝑏𝑖 −𝐸 ℎ𝑖
𝑣𝑎𝑟 ℎ𝑖
sebaran normal baku
dimana F adalah CDF dari
Misalkan 𝐾𝛼𝑖 adalah nilai normal baku
sedemikian hingga
F(𝐾𝛼𝑖 )=1 - i
Maka pernyataan P(hi ≤ bi) ≥ 1 - I terjadi jika dan
hanya jika
𝑏𝑖 −𝐸 ℎ𝑖
𝑣𝑎𝑟 ℎ𝑖
≥ 𝐾𝛼𝑖
Hal ini akan menghasilkan kendala nonlinier
yang deterministik.
𝑛
𝑗=1 𝐸
𝑎𝑖𝑗 𝑥𝑗 + 𝐾𝛼𝑖 𝑿𝑻 𝑫𝒊 𝑿 ≤ 𝑏𝑖
untuk kasus khusus dimana sebaran normal adalah
bebas, maka cov{aij,ai’j’) = 0
Dan kendala terakhir menjadi
𝑛
𝑗=1 𝐸
𝑎𝑖𝑗 𝑥𝑗 + 𝐾𝛼𝑖
𝑛
𝑗=1 𝑣𝑎𝑟
𝑎𝑖𝑗 𝑥𝑗2 ≤ 𝑏𝑖
Kendala ini dapat dijadikan bentuk pemrograman
terpisah(separable programming dengan menggunakan
𝑛
2
substitusi 𝑦𝑖 =
𝑣𝑎𝑟
𝑎
𝑥
𝑖𝑗
𝑗 untuk semua i
𝑗=1
Sehingga kendala yang asli menjadi
𝑛
𝑗=1 𝐸 𝑎𝑖𝑗 𝑥𝑗 + 𝐾𝛼𝑖 𝑦𝑖 ≤ 𝑏𝑖
𝑛
2
2
dan 𝑗=1 𝑣𝑎𝑟 𝑎𝑖𝑗 𝑥𝑗 − 𝑦𝑗 =
0
KASUS 2
Hanya bi yang menyebar normal dengan rata –
rata E{bi} dan ragam var {bi}.
Analisis yang dilakukan sama dengan pada
kasus 1.
𝑃 𝑏𝑖 ≥ 𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝛼𝑖
Seperti pada kasus 1,
𝑃
𝑏𝑖 −𝐸 𝑏𝑖
𝑣𝑎𝑟 𝑏𝑖
≥
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 −𝐸
𝑣𝑎𝑟 𝑏𝑖
𝑏𝑖
≥𝛼
Hal ini dapat terjadi jika dan hanya jika
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 −𝐸
𝑣𝑎𝑟 𝑏𝑖
𝑏𝑖
≤ 𝐾𝛼𝑖
Sehingga stochastic constraint menjadi
deterministic linear contraint
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗
≤ 𝐸 𝑏𝑖 + 𝐾𝛼𝑖 𝑣𝑎𝑟 𝑏𝑖
KASUS 3
Pada kasus ini, semua aij dan bi adalah peubah
acak normal.
Kendala
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 dapat ditulis sebagai
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝑏𝑖 ≤ 0
Karena semua aij dan bi adalah normal maka
𝑛
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝑏𝑖 juga normal. Hal ini menunjukkan
bahwa chance constraint berubah ke situasi dalam
kasus 1 dan diperlakukan dengan cara yang sama
CONTOH
Pertimbangkan chance – constrained problem berikut
Max z = 5x1 +6x2+3x3
s.T P{a11x1 + a12x2 +a13x3 ≤ 8} ≥ 0.95
P{5x1 + x2 +6x3 ≤ b2} ≥ 0.10
x1, x2, x3 ≥ 0
Asumsikan bahwa aij adalah peubah acak yang bebas dan
menyebar normal dengan rata – rata dan ragam sebagai
berikut:
E{a11} = 1, E{a12} = 3, E{a13} = 9
var{a11} = 25, var{a12} = 16, var{a13} = 4
Parameter b2 menyebar normal dengan rata - rata 7
dan ragam 9
Dari tabel normal baku didapatkan
𝐾𝛼1 = 𝐾0.05 = 1.645, 𝐾𝛼2 = 𝐾0.10 = 1.285
Kedua kendala dirubah menjadi deterministik :
𝑥1 + 3𝑥2 + 9𝑥3 + 1.645 25𝑥12 + 16𝑥22 + 4𝑥32 ≤ 8
5𝑥1 + 𝑥2 + 6𝑥3 ≤ 7 + 1.285 3 = 10.855
Jika kita misalkan 𝑦 2 = 25𝑥12 + 16𝑥22 + 4𝑥32
Maka permasalahannya menjadi
Max z = 5x1 +6x2+3x3
s.t 𝑥1 + 3𝑥2 + 9𝑥3 + 1.645𝑦 ≤ 8
25𝑥12 + 16𝑥22 + 4𝑥32 − 𝑦 2 = 0
5𝑥1 + 𝑥2 + 6𝑥3 ≤ 10.855
𝑥1 , 𝑥2 , 𝑥3 ≥ 0
Yang dapat diselesaikan menggunakan separable
programming