Scilab/C4/Optimization-Using-Karmarkar-Function/Oriya
From Script | Spoken-Tutorial
| Time | Narration |
| 00:01 | ବନ୍ଧୁଗଣ, Optimization of Linear Functions with Linear Constraints Using Scilab ଉପରେ ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ କୁ ସ୍ୱାଗତ |
| 00:10 | ଏହି ଟ୍ୟୁଟୋରିଆଲରେ, ଆପଣ ଶିଖିବେ: |
| 00:12 | Optimization, ଅର୍ଥ କ’ଣ? |
| 00:15 | ଏବଂ ଅପ୍ଟିମାଇଯେଶନ୍ ପାଇଁ, କିପରି Scilab function karmarkar କୁ ବ୍ୟବହାର କରିବା |
| 00:20 | Optimizationର ଅର୍ଥ ହେଉଛି |
| 00:22 | ପ୍ରଦତ୍ତ objective function କୁ ମିନିମାଇଜ୍ କିମ୍ବା ମାକ୍ସିମାଇଜ୍ କରିବା |
| 00:26 | ଯାହାକୁ , ବେଳେଳେ Cost function ମଧ୍ୟ କୁହାଯାଏ |
| 00:30 | ପରିବର୍ତ୍ତିତ ଡିସିସନ୍ ଭେରିଏବଲ୍ ଦ୍ୱାରା |
| 00:33 | ପୂର୍ବ ପରିଭାଷିତ କନଷ୍ଟ୍ରେଣ୍ଟଗୁଡିକ ଅନୁସାରେ ଡିସିସନ୍ ଭେରିଏବଲ୍ ପରିବର୍ତ୍ତନ ହୋଇଥାଏ |
| 00:38 | ଏହି କନଷ୍ଟ୍ରେଣ୍ଟଗୁଡିକ, ଭେରିଏବଲଗୁଡିକର କିଛି ଫଙ୍କଶନ୍ ଆକାରରେ ମଧ୍ୟ କାର୍ଯ୍ୟ କରନ୍ତି |
| 00:44 | Optimization ବ୍ୟାପକ ଭାବେ, ଇଞ୍ଜିନିୟରିଙ୍ଗ୍ କ୍ଷେତ୍ରରେ ବହୁବିଧ ପ୍ରୟୋଗ ହୋଇଥାଏ, ଅଣ-ଇଞ୍ଜିନିୟରିଙ୍ଗ୍ କ୍ଷେତ୍ରରେ ମଧ୍ୟ, ଯେପରି: |
| 00:52 | ଇକୋନୋମିକ୍ସ |
| 00:54 | କଣ୍ଟ୍ରୋଲ୍ ଥିଓରୀ ଓ |
| 00:56 | ଅପରେଶନ୍ ଓ ଗବେଷଣା |
| 00:58 | Scilab ଫଙ୍କଶନ୍, karmarkar ବ୍ୟବହୃତ ହୁଏ |
| 01:01 | ସରଳ ଅବଜେକ୍ଟିଭ୍ ଫଙ୍କଶନ୍ କୁ ଅପ୍ଟିମାଇଜ୍ କରିବା, |
| 01:05 | ସରଳ କନଷ୍ଟ୍ରେଣ୍ଟଗୁଡିକ ଅନ୍ତର୍ଗତ |
| 01:07 | ଡିସିସନ୍ ଭେରିଏବଲ୍ ଉପରେ ନିର୍ଭର କରି |
| 01:10 | ନିମ୍ନଲିଖିତ ଉଦାହରଣ କୁ karmarkar ଫଙ୍କଶନ ବ୍ୟବହାର କରି, ସମାଧାନ କରନ୍ତୁ |
| 01:14 | ମିନିମାଇଜ୍, ମାଇନସ୍ three x one ମାଇନସ୍ x two ମାଇନସ three x three |
| 01:19 | for: two x one ପ୍ଲସ୍ x two ପ୍ଲସ୍ x three ଲେସ୍ ଦ୍ୟାନ୍ or ଇକ୍ୱାଲ୍ ଟୁ two |
| 01:26 | x one ପ୍ଲସ୍ two x two ପ୍ଲସ୍ three x three ଲେସ୍ ଦ୍ୟାନ୍ or ଇକ୍ୱାଲ୍ ଟୁ five |
| 01:32 | two x one ପ୍ଲସ୍ two x two ପ୍ଲସ୍ x three ଲେସ୍ ଦ୍ୟାନ୍ or ଇକ୍ୱାଲ୍ ଟୁ six |
| 01:36 | ଯେଉଁଠି, x one x two x three are all ଗ୍ରେଟର୍ ଦ୍ୟାନ୍ or ଇକ୍ୱାଲ୍ ଟୁ zero |
| 01:42 | ଧ୍ୟାନ ଦିଅନ୍ତୁ, ସମସ୍ତ ଫଙ୍କଶନଗୁଡିକ, ଅବଜେକ୍ଟିଭ ଫଙ୍କଶନ୍, କନଷ୍ଟ୍ରେଣ୍ଟଗୁଡିକ ମଧ୍ୟ, ସରଳ ଅଟନ୍ତି |
| 01:49 | ପ୍ରଦତ୍ତ ସମସ୍ୟାର ସମାଧାନ କରିବା ପୂର୍ବରୁ, scilab କନସୋଲ୍ କୁ ଯା’ନ୍ତୁ ଏବଂ ଟାଇପ୍ କରନ୍ତୁ: |
| 01:54 | help karmarkar |
| 01:57 | ଏବଂ Enter ଦାବନ୍ତୁ |
| 01:59 | ଆପଣ, ଆର୍ଗୁମେଣ୍ଟରେ, କଲିଙ୍ଗର କ୍ରମ କୁ ଦେଖିପାରିବେ |
| 02:03 | ଆର୍ଗୁମେଣ୍ଟର explanation, description ଏବଂ କିଛି ଉଦାହରଣ, Help Browserରେ ଉପଲବ୍ଧ ଅଛି |
| 02:12 | Help Browser ବନ୍ଦ କରନ୍ତୁ |
| 02:14 | ଆମେ, ଏଠାରେ ଇନପୁଟ୍ ଓ ଆଉଟପୁଟ୍ ଆର୍ଗୁମେଣ୍ଟଗୁଡିକୁ ସାରାଶିଂତ କରିବା |
| 02:19 | ଆଉଟପୁଟ୍ ଆର୍ଗୁମେଣ୍ଟଗୁଡିକ ହେଲେ, x opt, f opt, exitflag, iter, y opt |
| 02:25 | x opt: ଅପ୍ଟିମମ୍ ସମାଧାନ ଅଟେ |
| 02:28 | f opt: ହେଉଛି, ଅପ୍ଟିମମ୍ ସମାଧାନ ରେ ଅବଜେକ୍ଟିଭ ଫଙ୍କଶନ୍ ଭାଲ୍ୟୁ |
| 02:33 | exitflag: ହେଉଛି ଷ୍ଟାଟସର ନିଷ୍ପାଦନ, ଏହା, ଆଲଗୋରିଦମ୍ ଏକାଠି ଅଛନ୍ତି କି ନାହିଁ ଚିହ୍ନିତ କରିବାରେ ସାହାଯ୍ୟ କରେ |
| 02:41 | iter: ହେଉଛି, x opt କୁ ପ୍ରାପ୍ତ କଲାପର୍ଯ୍ୟନ୍ତ, ଆଇଟେରେସନର ସଂଖ୍ୟା |
| 02:46 | y opt: ହେଉଛି, ଦୁଇପ୍ରକାରର ସମାଧାନ କୁ ଧାରଣ କରିଥିବା, ଢାଞ୍ଚା |
| 02:49 | ଏହା Lagrange ମଲଟିପ୍ଲାୟର୍ସ ପ୍ରଦାନ କରେ |
| 02:53 | ଇନପୁଟ୍ ଆର୍ଗୁମେଣ୍ଟଗୁଡିକ ହେଲେ: Aeq, beq, c, x zero, rtolf, gam, maxiter, outfun, A, b, lb, ଓ ub |
| 03:09 | Aeq ହେଉଛି: ଲିନିୟର୍ ଇକ୍ୱାଲିଟୀ କନଷ୍ଟ୍ରେଣ୍ଟ ମଧ୍ୟରେ ଥିବା ଗୋଟିଏ ମେଟ୍ରିକ୍ସ |
| 03:12 | beq ହେଉଛି: ଲିନିୟର୍ ଇକ୍ୱାଲିଟୀ କନଷ୍ଟ୍ରେଣ୍ଟର ଦକ୍ଷିଣ ପାର୍ଶ୍ୱ |
| 03:17 | c ହେଉଛି: x କୋଏଫିସିଏଣ୍ଟ ଥିବା, ଲିନିୟର୍ ଅବଜେକ୍ଟିଭ୍ ଫଙ୍କଶନ୍ |
| 03:21 | x zero ହେଉଛି: ଇନିସିଆଲ୍ ଗେସ୍ |
| 03:25 | rtolf ହେଉଛି: f of x ଇଜ୍ ଇକ୍ୱାଲ୍ ଟୁ c ଟ୍ରାନ୍ସପୋଜ୍ ଗୁଣନ x, ଉପରେ Relative tolerance |
| 03:34 | gam ହେଉଛି: Scaling ଫ୍ୟାକ୍ଟର୍ |
| 03:36 | maxiter ହେଉଛି: ସର୍ବାଧିକ ସଂଖ୍ୟକ ଆଇଅଟେରେସନ୍, ଯାହା ପରେ ଆଉଟପୁଟ୍ ପ୍ରାପ୍ତ ହୁଏ |
| 03:43 | outfun ହେଉଛି: ଅତିରିକ୍ତ ୟୁଜର୍-ଡିଫାଇଣ୍ଡ୍ ଆଉଟପୁଟ୍ ଫଙ୍କଶନ୍ |
| 03:47 | A ହେଉଛି: ଲିନିୟର୍ ଇକ୍ୱାଲିଟୀ କନଷ୍ଟ୍ରେଣ୍ଟର ମେଟ୍ରିକ୍ସ |
| 03:51 | b: ଲିନିୟର୍ ଇକ୍ୱାଲିଟୀ କନଷ୍ଟ୍ରେଣ୍ଟର ଦକ୍ଷିଣ ପାର୍ଶ୍ୱ |
| 03:55 | lb: xର ଲୋୟର୍ ବାଉଣ୍ଡ୍ |
| 03:58 | ub, xର ଅପର୍ ବାଉଣ୍ଡ୍ |
| 04:02 | ବର୍ତ୍ତମାନ ଆମେ,ପ୍ରଦତ୍ତ ଉଦାହରଣ କୁ Scilab ରେ karmarkar ଫଙ୍କଶନ୍ ବ୍ୟବହାର କରି, ସମାଧାନ କରିପାରିବା |
| 04:07 | scilab କନସୋଲ୍ କୁ ଯା’ନ୍ତୁ ଏବଂ ଟାଇପ୍ କରନ୍ତୁ: |
| 04:11 | A ଇଜ୍ ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, two <ସ୍ପେସ୍> one <ସ୍ପେସ୍> one <ସେମିକୋଲନ୍> one <ସ୍ପେସ୍> two <ସ୍ପେସ୍> three <ସେମିକୋଲନ୍> two <ସ୍ପେସ୍> two <ସ୍ପେସ୍> one, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ |
| 04:26 | ଏବଂ Enter ଦାବନ୍ତୁ |
| 04:28 | ସେହି ପରି, ଟାଇପ୍ କରନ୍ତୁ: small b ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, two <ସେମିକୋଲନ୍> five <ସେମିକୋଲନ୍> six, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ |
| 04:38 | ଏବଂ Enter ଦାବନ୍ତୁ |
| 04:41 | ଟାଇପ୍ କରନ୍ତୁ: c ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, minus three <ସେମିକୋଲନ୍> minus one <ସେମିକୋଲନ୍> minus three, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ |
| 04:53 | ଏବଂ Enter ଦାବନ୍ତୁ |
| 04:55 | ଟାଇପ୍ କରନ୍ତୁ: lb ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, zero <ସେମିକୋଲନ୍> zero <ସେମିକୋଲନ୍> zero, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ |
| 05:05 | ଏବଂ Enter ଦାବନ୍ତୁ |
| 05:07 | ବର୍ତ୍ତମାନ, clc କମାଣ୍ଡ୍ ବ୍ୟବହାର କରି, କନସୋଲ୍ କୁ କ୍ଲିୟର୍ କରନ୍ତୁ |
| 05:12 | ଟାଇପ୍ କରନ୍ତୁ: ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, x opt <କମା> f opt <କମା> exitflag <କମା> iter, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, to karmarkar, parenthesis ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> c <କମା> ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଆରମ୍ଭ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ଶେଷ, <କମା> capital A <କମା> small b <କମା> lb, ରାଉଣ୍ଡ ବ୍ରାକେଟ୍ ଶେଷ |
| 06:09 | ଏବଂ Enter ଦାବନ୍ତୁ |
| 06:11 | ପ୍ରଦର୍ଶନ ଜାରି ରଖିବା ପାଇଁ Enter ଦାବନ୍ତୁ |
| 06:14 | ସ୍କ୍ରୀନରେ ପ୍ରଦର୍ଶିତ ହେଲାପରି, ଆଉଟପୁଟ୍ ପ୍ରଦାନ କରିବ |
| 06:18 | ଯେଉଁଠି, xopt ହେଉଛି, ସମସ୍ୟାର optimum solution |
| 06:23 | fopt, ଅବଜେକ୍ଟିଭ୍ ଫଙ୍କଶନର ଭାଲ୍ୟୁ ଅଟେ, calculated at optimum solution x is equal to xopt |
| 06:32 | ଏବଂ ଅପ୍ଟିମମ୍ ସଲ୍ୟୁଶନ୍ xopt ରେ ପହଞ୍ଚିବା ପାଇଁ, ଆବଶ୍ୟକ ଆଇଟେରେଶନର ପରିମାଣ ହେଉଛି, 70 |
| 06:39 | ଧ୍ୟାନଦିଅନ୍ତୁ: ସମାନ କ୍ରମରେ ଇନପୁଟ୍ ଆର୍ଗୁମେଣ୍ଟଗୁଡିକୁ ନିର୍ଦ୍ଦିଷ୍ଟ କରିବା ବାଧ୍ୟତାମୂଳକ ଅଟେ |
| 06:46 | ଯେଉଁଠାରେ, ଉପରେ ସେମାନେ ତାଲିକାଭୁକ୍ତ ହୋଇଛନ୍ତି, ଯେତେବେଳେ ଫଙ୍କଶନ୍ କୁ କଲ୍ କରାଯାଏ |
| 06:51 | ଏହି ଟ୍ୟୁଟୋରିଆଲରେ ଆମେ ଶିଖିଲେ: |
| 06:53 | Optimization, କ’ଣ? |
| 06:55 | ସରଳ ସମୀକରଣର ସମାଧାନ ପାଇଁ, ଅପ୍ଟିମାଇଜେଶନରେ Scilab ଫଙ୍କଶନ୍, karmarkarର ବ୍ୟବହାର |
| 07:01 | scilab ଟିମ୍ ସହିତ ସମ୍ପର୍କ କରିବା ପାଇଁ, ଦୟାକରି, contact@scilab.in କୁ ଲେଖନ୍ତୁ |
| 07:08 | ନିମ୍ନ ଲିଙ୍କରେ ଥିବା ଭିଡିଓକୁ ଦେଖନ୍ତୁ, http://spoken-tutorial.org/What_is_a_Spoken_Tutorial |
| 07:10 | ଏହା ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ ପ୍ରୋଜେକ୍ଟକୁ ସାରାଂଶିତ କରେ |
| 07:14 | ଯଦି ଆପଣଙ୍କର ଭଲ ବ୍ୟାଣ୍ଡୱିଡଥ୍ ନାହିଁ, ଏହାକୁ ଡାଉନଲୋଡ୍ କରିଦେଖିପାରିବେ |
| 07:18 | ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ ପ୍ରୋଜେକ୍ଟ ଟିମ୍: |
| 07:20 | ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ସ ବ୍ୟବହାର କରି କର୍ମଶାଳାମାନ ଚଲାନ୍ତି, |
| 07:23 | ଅନଲାଇନ୍ ଟେଷ୍ଟ ପାସ୍ କରୁଥିବା ବ୍ୟକ୍ତିମାନଙ୍କୁ ପ୍ରମାଣପତ୍ର ଦିଅନ୍ତି. |
| 07:27 | ଅଧିକ ବିବରଣୀ ପାଇଁ ଦୟାକରି contact@spoken-tutorial.orgକୁ ଲେଖନ୍ତୁ |
| 07:34 | ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ ପ୍ରୋଜେକ୍ଟ, ଟକ୍ ଟୁ ଏ ଟିଚର୍ ପ୍ରୋଜେକ୍ଟର ଏକ ଅଂଶ |
| 07:37 | ଏହା ଭାରତ ସରକାରଙ୍କ MHRDର ICT ମାଧ୍ୟମରେ ରାଷ୍ଟ୍ରୀୟ ସାକ୍ଷରତା ମିଶନ୍ ଦ୍ୱାରା ସମର୍ଥିତ |
| 07:44 | ଏହି ମିଶନ୍ ଉପରେ ଅଧିକ ବିବରଣୀ ନିମ୍ନ ଲିଙ୍କ (spoken-tutorial.org/NMEICT-Intro)ରେ ଉପଲବ୍ଧ |
| 07:53 | ଆଇଆଇଟି ବମ୍ୱେ ତରଫରୁ, ପ୍ରଦୀପ ମହାପାତ୍ରଙ୍କ ସହ ମୁଁ ପ୍ରଭାସ ତ୍ରିପାଠୀ ଆପଣଙ୍କଠାରୁ ବିଦାୟ ନେଉଛି. |
| 07:57 | ଆମ ସହିତ ଜଡ଼ିତ ହୋଇଥିବାରୁ ଧନ୍ୟବାଦ |
