• Tidak ada hasil yang ditemukan

Aproksimasi Pada Pemrograman Stokastik Linier

N/A
N/A
Protected

Academic year: 2017

Membagikan "Aproksimasi Pada Pemrograman Stokastik Linier"

Copied!
2
0
0

Teks penuh

(1)

ABSTRAK

Algoritma aproksimasi merupakan metode solusi yang lazim dalam program sto-kastik karena masalah dalam program stosto-kastik sangat sulit dipecahkan. Oleh karena itu, paling banyak penelitian dalam kasus ini difokuskan untuk mendesain metode solusi yang mengaproksimasi solusi optimal. Penelitian ini mengemukakan atau menjelaskan suatu strategi untuk menyelesaikan masalah program stokastik linier melalui aproksimasi dengan metode L-Shaped. Tesis ini mendapatkan hasil dari aproksimasi untuk model program stokastik dengan memenuhi semua kendala linier dimana solusi optimal tercapai tergantung pada partisi yang dipilih.

Kata kunci : Program stokastik linier, Aproksimasi konveks, Metode L-Shaped

(2)

ABSTRACT

Approximation algorithm is inveterate solution method in stochastic programming because the problem of stochastic programming is very difficult solved. Therefore, most research in this case is focussed for designing the solution method which ap-proximate optimal solution. This research tells a strategy to finish the problem of stochastic linear programming by approximation with L-Shaped method. This thesis gets result of approximation for stochastic model by fulfilling all linear con-straint where optimal solution reached depend on selected partition.

Keyword : Stochastic linear program, Convex approximation, L-Shaped method

Referensi

Dokumen terkait

Tujuan dari program linier fuzzy adalah mencari solusi yang dapat diterima berdasarkan kriteria yang dinyatakan dalam fungsi objektif dan kendala.. Program linier

Solusi optimu m pada LPIC didapatkan dengan mencari versi khusus dari fungsi objektif dan kendala yang mengoptimu mkan model, ya itu dipilih suatu nilai spesifik

Maka dari itu, membuat pemrograman linier adalah membuat rencana kegiatan-kegiatan untuk memperoleh hasil yang optimal, ialah suatu hasil untuk mencapai nilai yang paling

Solusi optimu m pada LPIC didapatkan dengan mencari versi khusus dari fungsi objektif dan kendala yang mengoptimu mkan model, ya itu dipilih suatu nilai spesifik

Diungkapkan pula oleh Winston (2004) bahwa nilai fungsi objektif optimal untuk suatu kandidat solusi merupakan batas bawah nilai fungsi objektif optimal untuk masalah program