Geometry Analysis

Berikut merupakan code optimasi tangki hidrogen dengan kapasitas 1 liter, pressure 8 bar, dan biaya produksi maksimal Rp. 500.000

import numpy as np
from scipy.optimize import minimize

def objektif(x):
    # x[0] mewakili jari-jari, x[1] mewakili tinggi
    jari_jari = x[0]
    tinggi = x[1]

    # Hitung luas permukaan struktur silinder
    luas_permukaan = 2 * np.pi * jari_jari * (jari_jari + tinggi)

    return luas_permukaan

def konstrain(x):
    # x[0] mewakili jari-jari, x[1] mewakili tinggi
    jari_jari = x[0]
    tinggi = x[1]

    # Hitung volume internal struktur silinder
    volume = np.pi * jari_jari**2 * tinggi

    # Kembalikan selisih antara volume dan nilai yang diinginkan (1000 cm^3)
    return volume - 1000

# Tebakan awal untuk jari-jari dan tinggi
x0 = [1.0, 10.0]

# Tentukan batasan untuk variabel (jari-jari dan tinggi)
batas = [(0, None), (0, None)]

# Tentukan konstrain dalam bentuk kamus
konstrain_dict = {'type': 'eq', 'fun': konstrain}

# Gunakan fungsi minimize untuk mengoptimalkan fungsi objektif dengan memenuhi konstrain
hasil = minimize(objektif, x0, method='SLSQP', bounds=batas, constraints=konstrain_dict)

# Cetak hasil yang dioptimalkan
print("Hasil Optimisasi:")
print("Jari-jari: {:.2f} cm".format(hasil.x[0]))
print("Tinggi: {:.2f} cm".format(hasil.x[1]))
print("Luas Permukaan: {:.2f} cm^2".format(hasil.fun))

Didapatkan hasil sebagai berikut: Jari-jari  : 5.42 cm

Tinggi  : 10.84 cm

Luas Permukaan: 553.58 cm^2

   from scipy.optimize import minimize
   # Harga dan kapasitas
   harga_per_unit = 100000  # Harga per unit penyimpanan hidrogen  = 1  
   # Kapasitas penyimpanan hidrogen per unit
   # Anggaran maksimal
   budget_maksimal = 500000
   # Fungsi tujuan
   def fungsi_tujuan(x):
   return -x
   # Kendala
   def kendala(anggaran):
   return budget_maksimal - (harga_per_unit * anggaran)
   kendala_anggaran = {'type': 'ineq', 'fun': kendala}
   # Nilai awal
   x0 = 0
   # Batasan
   batas = [(0, None)]
   # Menyelesaikan masalah optimisasi
   solusi = minimize(fungsi_tujuan, x0, method='SLSQP', bounds=batas, constraints=[kendala_anggaran])
   # Menampilkan hasil
   print("Status:", solusi.success and "Optimal" or "Tidak ditemukan solusi")
   print("Jumlah unit penyimpanan hidrogen yang akan dibeli:", solusi.x[0])
   print("Total kapasitas penyimpanan:", solusi.x[0] * kapasitas_per_unit, "liter")
   print("Total biaya:", solusi.x[0] * harga_per_unit, "Rupiah")