Difference between revisions of "Tugas 2 Final Project To Optimaze Hydrogen Storage Design"

From ccitonlinewiki
Jump to: navigation, search
Line 1: Line 1:
 
Berikut merupakan code optimasi tangki hidrogen dengan kapasitas 1 liter, dan biaya produksi maksimal Rp. 500.000
 
Berikut merupakan code optimasi tangki hidrogen dengan kapasitas 1 liter, dan biaya produksi maksimal Rp. 500.000
  
 +
<syntaxhighlight lang=xml>
 
import numpy as np
 
import numpy as np
 
from scipy.optimize import minimize
 
from scipy.optimize import minimize
Line 25: Line 26:
 
     return volume - 1000
 
     return volume - 1000
  
#Menebak untuk jari-jari dan tinggi
+
# Tebakan awal untuk jari-jari dan tinggi
 
x0 = [1.0, 10.0]
 
x0 = [1.0, 10.0]
  
#Memberikan batasan untuk variabel (jari-jari dan tinggi)
+
# Tentukan batasan untuk variabel (jari-jari dan tinggi)
 
batas = [(0, None), (0, None)]
 
batas = [(0, None), (0, None)]
  
#Menentukan constrain dalam bentuk kamus
+
# Tentukan konstrain dalam bentuk kamus
 
konstrain_dict = {'type': 'eq', 'fun': konstrain}
 
konstrain_dict = {'type': 'eq', 'fun': konstrain}
  
#Menggunakan fungsi minimize untuk mengoptimalkan fungsi objektif dengan memenuhi konstrain
+
# Gunakan fungsi minimize untuk mengoptimalkan fungsi objektif dengan memenuhi konstrain
 
hasil = minimize(objektif, x0, method='SLSQP', bounds=batas, constraints=konstrain_dict)
 
hasil = minimize(objektif, x0, method='SLSQP', bounds=batas, constraints=konstrain_dict)
  
#Print hasil yang telah dioptimalkan
+
# Cetak hasil yang dioptimalkan
 
print("Hasil Optimisasi:")
 
print("Hasil Optimisasi:")
 
print("Jari-jari: {:.2f} cm".format(hasil.x[0]))
 
print("Jari-jari: {:.2f} cm".format(hasil.x[0]))
 
print("Tinggi: {:.2f} cm".format(hasil.x[1]))
 
print("Tinggi: {:.2f} cm".format(hasil.x[1]))
 
print("Luas Permukaan: {:.2f} cm^2".format(hasil.fun))
 
print("Luas Permukaan: {:.2f} cm^2".format(hasil.fun))
 +
 +
</syntaxhighlight>

Revision as of 08:36, 6 June 2023

Berikut merupakan code optimasi tangki hidrogen dengan kapasitas 1 liter, 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))