ALGORITMA DAN STRUKTUR DATA

STRATEGI ALGORITMA (METODE GREEDY DAN DYNAMIC PROGRAMMING)

ILHAM H12111275

MATEMATIKA-STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS HASANUDDIN MAKASSAR 2012

1. Metode Greedy Metode greedy adalah metode yang digunakan untuk memecahkan persoalan optimasi. Ada 2 macam persoalan optimasi, yaitu maksimasi dan minimasi, artinya dengan metode greedy kita bemaksud mencari solusi terbaik, yaitu solusi yang benilai minimum atau maksimum dari sekumpulan alternatif solusi yang ada. Metode/Algoritma Greedy merupakan algoritma yang membentuk solusi langkah per langkah. Prinsip utama algoritma greedy adalah take what you can get now!. Maksud dari prinsip tersebut adalah pada setiap langkah dalam algoritma greedy, kita ambil keputusan yang paling optimal untuk langkah tersebut tanpa

memperhatikan konsekuensi pada langkah selanjutnya dan keputusan tersebut tidak dapat diubah lagi pada langkah selanjutnya.. Kita namakan solusi tersebut dengan optimum lokal. Kemudian saat pengambilan nilai optimum lokal pada setiap langkah, diharapkan tercapai optimum global, yaitu tercapainya solusi optimum yang melibatkan keseluruhan langkah dari awal sampai akhir. Contohnya adalah pada kasus penukaran uang, misalkan kita memiliki uang senilai $12.356 dan akan kita tukarkan dengan koin, uang koin pecahan yang tersedia adalah $1, $5, $10, $100 dan $200 jika kita mengharapkan agar pecahan yang kita miliki sedikit mungkin maka kita bisa menggunakan metode greedy dengan cara memilih pecahan terbesar terlebih dahulu. Mari kita lihat.

uang $12.356, pecahan $1, $5, $10, $100 dan $200

Himpunan solusi fesible untuk $12.356 yaitu {$1, $5, $10, $100, $200}. Dengan metode greedy kita harus memilih pecahan terbesar terlebih dahulu yaitu $200, kemudian baru mengambil sampai sesuai dengan uang yang kita miliki. [ ]

Himpunan solusi fesible untuk $152 yaitu {$1, $5, $10, $100} [ ]

Himpunan solusi fesible untuk $52 yaitu {$1, $5, $10} [ ]

[ ]

Total jumlah koin minimum : 69 koin (solusi optimal).

Dalam hal ini metode greedy berhasil mendapatkan hasil maksimal secara global atau secara keseluruhan dengan mengambil koin yang terbesar terlebih dahulu. Elemen-elemen yang digunakan dalam penerapan algoritma greedy antara lain : 1. Himpunan Kandidat, himpunan yang berisi elemen pembentuk solusi. 2. Himpunan Solusi, himpunan yang terpilih sebagai solusi persoalan. 3. Fungsi Seleksi, fungsi yang memilih kandidat yang paling mungkin untuk mencapai solusi optimal. 4. Fungsi Kelayakan, fungsi yang memeriksa apakah suatu kandidat yang dipilih dapat memberikan solusi yang layak. Maksudnya yaitu apakah kandidat tersebut

bersama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala yang ada. 5. Fungsi Solusi, fungsi yang mengembalikan nilai boolean. True jika himpunan solusi yang sudah tebentuk merupakan solusi yang lengkap; False jika himpunan solusi belum lengkap. 6. Fungsi Objektif, fungsi yang mengoptimalkan solusi. Pada masalah penukaran uang:

Himpunan kandidat: himpunan koin yang merepresentasikan nilai $1, $5, $10,
$100 dan $200 paling sedikit mengandung satu koin untuk setiap nilai.

Himpunan solusi: total nilai koin yang dipilih tepat sama jumlahnya dengan nilai
uang yang ditukarkan.

Fungsi seleksi: pilihlah koin yang bernilai tertinggi dari himpunan kandidat yang
tersisa.

Fungsi layak: memeriksa apakah nilai total dari himpunan koin yang dipilih tidak
melebihi jumlah uang yang harus dibayar.

Fungsi obyektif: jumlah koin yang digunakan minimum. Warning: Optimum global belum tentu merupakan solusi optimum (terbaik),

tetapi sub-optimum atau pseudo-optimum. Alasan: 1. Algoritma greedy tidak beroperasi secara menyeluru terhadap semua alternatif solusi yang ada. 2. Terdapat beberapa fungsi SELEKSI yang berbeda, sehingga kita harus memilih fungsi yang tepat jika kita ingin algoritma menghasilkan solusi optiamal.

Jadi, pada sebagian masalah algoritma greedy tidak selalu berhasil memberikan solusi yang optimal. 2. Dynamic Programming (Program Dinamis) Program Dinamis (dynamic programming) adalah metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian keputusan yang saling berkaitan. Pada penyelesaian persoalan dengan metode ini: (1) terdapat sejumlah berhingga pilihan yang mungkin, (2) solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya, (3) kita menggunakan persyaratan optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap. Tinjau graf pada gambar di bawah. Kita ingin menemukan lintasan terpendek dari 1 ke 10.
7 2 2 6 4 1 3 6 2 6 3 1 5 4 7 3 3 9 4
10

5 4 3 4

1 8 3

3 4

Graf untuk persoalan lintasan terpendek Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan menggunakan Prinsip Optimalitas. Pada Prinsip Optimalitas: jika solusi total optimal,

maka bagian solusi sampai tahap ke-k juga optimal. Prinsip optimalitas berarti bahwa
jika kita bekerja dari tahap k ke tahap k + 1, kita dapat menggunakan hasil optimal dari tahap k tanpa harus kembali ke tahap awal. Jika pada setiap tahap kita menghitung ongkos (cost), maka dapat dirumuskan bahwa ongkos pada tahap k +1 = (ongkos yang dihasilkan pada tahap k ) + (ongkos dari tahap k ke tahap k + 1) Dengan prinsip optimalitas ini dijamin bahwa pengambilan keputusan pada suatu tahap adalah keputusan yang benar untuk tahap-tahap selanjutnya. Pada metode

greedy hanya satu rangkaian keputusan yang pernah dihasilkan, sedangkan pada
metode program dinamis lebih dari satu rangkaian keputusan. Hanya rangkaian keputusan yang memenuhi prinsip optimalitas yang akan dihasilkan.

Dua pendekatan yang digunakan dalam PD: maju (forward atau up-down) dan mundur (backward atau bottom-up). Misalkan x1, x2, , xn menyatakan peubah (variable) keputusan yang harus dibuat masing-masing untuk tahap 1, 2, , n. Maka, a. Program dinamis maju. Program dinamis bergerak mulai dari tahap 1, terus maju ke tahap 2, 3, dan seterusnya sampai tahap n. Runtunan peubah keputusan adalah

x1, x2, , xn.

b. Program dinamis mundur. Program dinamis bergerak mulai dari tahap n, terus mundur ke tahap n 1, n 2, dan seterusnya sampai tahap 1. Runtunan peubah keputusan adalah xn, xn-1, , x1. Secara umum, ada empat langkah yang dilakukan dalam mengembangkana algoritma program dinamis: 1. Karakteristikkan struktur solusi optimal. 2. Definisikan secara rekursif nilai solusi optimal.

3. Hitung nilai solusi optimal secara maju atau mundur. 4. Konstruksi solusi optimal.

Contoh Persoalan: Lintasan Terpendek (Shortest Path) Tentukan lintasan terpendek dari simpul 1 ke simpul 10:
7 2 2 6 4 1 3 6 2 6 3 1 5 4 7 3 3 9 4
10

5 4 3 4

1 8 3

3 4

Penyelesaian dengan Program Dinamis Mundur

Misalkan x1, x2, , x4 adalah simpul-simpul yang dikunjungi pada tahap k (k = 1, 2, 3, 4). Maka rute yang dilalui adalah 1x1x2x3x4 , yang dalam hal ini x4 = 10. Pada persoalan ini, 1. Tahap (k) adalah proses memilih simpul tujuan berikutnya (ada 4 tahap). 2. Status (s) yang berhubungan dengan masing-masing tahap adalah simpul-simpul di dalam graf. Relasi rekurens berikut menyatakan lintasan terpendek dari status s ke x4 pada tahap k:

f ( s) c
4

sx4

(basis)

f k ( s) min{csxk f k 1 ( xk )} , (rekurens)
xk

k = 1, 2, 3
Keterangan: a. xk : peubah keputusan pada tahap k (k = 1, 2, 3). b. c.

sx k

: bobot (cost) sisi dari s ke xk

fk(s, xk) : total bobot lintasan dari s ke xk

d. fk(s) : nilai minimum dari fk(s, xk)

Tujuan program dinamis mundur: mendapatkan f1(1) dengan cara mencari f4(s),

f3(s), f2(s) terlebih dahulu.

Penyelesaian dengan Program Dinamis Maju

Pada persoalan ini, 1. Tahap (k) adalah proses memasukkan barang ke dalam truk (ada 3 tahap). 2. Status (y) menyatakan kapasitas muat truk yang tersisa setelah memasukkan barang pada tahap sebelumnya. Dari tahap ke-1, kita masukkan objek ke-1 ke dalam karung untuk setiap satuan kapasitas karung sampai batas kapasitas maksimumnya. Karena kapasitas karung adalah bilangan bulat, maka pendekatan ini praktis. Misalkan ketika memasukkan objek pada tahap k, kapasitas muat karung sekarang adalah y wk. Untuk mengisi kapasitas sisanya, kita menerapkan prinsip optimalitas dengan mengacu pada nilai optimum dari tahap sebelumnya untuk kapasitas sisa y wk ( yaitu fk-1(y wk)). Selanjutnya, kita bandingkan nilai keuntungan dari objek pada tahap k (yaitu pk) plus

nilai fk-1(y wk) dengan keuntungan pengisian hanya k 1 macam objek, fk-1(y). Jika

pk + fk-1(y wk) lebih kecil dari fk-1(y), maka objek yang ke-k tidak dimasukkan ke
dalam karung, tetapi jika lebih besar, maka objek yang ke-k dimasukkan. Relasi rekurens untuk persoalan ini adalah

f0(y) = 0,

y = 0, 1, 2, , M
(basis)

(basis)

fk(y) = -, y < 0

fk(y) = max{fk-1(y), pk + fk-1(y wk)}, (rekurens) k = 1, 2, , n

yang dalam hal ini, fk(y) adalah keuntungan optimum dari persoalan 0/1 Knapsack pada tahap k untuk kapasitas karung sebesar y. f0(y) = 0 adalah nilai dari persoalan

knapsack kosong (tidak ada persoalan knapscak) dengan kapasitas y, fk(y) = -

adalah nilai dari persoalan knapsack untuk kapasitas negatif. Solusi optimum dari persoalan 0/1 Knapsack adalah fn(M).