Pradeep: Created page with "{| Border=1 |'''Time''' |'''Narration''' |- | 00:01 | ବନ୍ଧୁଗଣ, Optimization of Linear Functions with Linear Constraints Using Scilab ଉପରେ ସ୍ପୋ..."

2017-05-22T11:16:41Z

Created page with "{| Border=1 |'''Time''' |'''Narration''' |- | 00:01 | ବନ୍ଧୁଗଣ, Optimization of Linear Functions with Linear Constraints Using Scilab ଉପରେ ସ୍ପୋ..."

New page

{| Border=1

|'''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

Scilab/C4/Optimization-Using-Karmarkar-Function/Oriya - Revision history

Pradeep: Created page with "{| Border=1 |'''Time''' |'''Narration''' |- | 00:01 | ବନ୍ଧୁଗଣ, Optimization of Linear Functions with Linear Constraints Using Scilab ଉପରେ ସ୍ପୋ..."