Difference between revisions of "Scilab/C4/Optimization-Using-Karmarkar-Function/Gujarati"
From Script | Spoken-Tutorial
Jyotisolanki (Talk | contribs) |
Jyotisolanki (Talk | contribs) |
||
Line 238: | Line 238: | ||
| 03:47 | | 03:47 | ||
− | | ''' 'A' ''': is the Matrix of linear inequality constraints | + | | ''' 'A' ''': is the Matrix of ''' linear inequality constraints ''' મેટ્રીક્સ છે. |
|- | |- | ||
Line 244: | Line 244: | ||
| 03:51 | | 03:51 | ||
− | | ''' 'b' ''': | + | | ''' 'b' ''': ''' linear inequality constraints.''' નું જમણું ભાગ છે. |
|- | |- | ||
Line 250: | Line 250: | ||
| 03:55 | | 03:55 | ||
− | ||''' 'lb' ''': | + | ||''' 'lb' ''': એ ''' 'x'.''' નું લોવરબાઉન્ડ છે. |
|- | |- | ||
Line 256: | Line 256: | ||
| 03:58 | | 03:58 | ||
− | ||''' 'ub'''' | + | ||''' 'ub'''' એ ''' 'x'. ''' નું અપરબાઉન્ડ છે. |
|- | |- | ||
Line 262: | Line 262: | ||
| 04:02 | | 04:02 | ||
− | || | + | || હવે આપણે આપેલ ઉદાહરણ ને '''karmarkar''' ફંકશન ઉપયોગ કરીને સાઈલેબમાં હલ કરી શકીએ છીએ. |
|- | |- | ||
Line 268: | Line 268: | ||
| 04:07 | | 04:07 | ||
− | | | + | | સાઈલેબ કંસોલ પર જાવ અને ટાઈપ કરો: |
|- | |- | ||
Line 274: | Line 274: | ||
| 04:11 | | 04:11 | ||
− | |'A' is equals to | + | |'A' is equals to ખુલ્લા ચોરસ કૌંસ, two <space> one <space> one <semicolon> one <space> two <space> three <semicolon> two <space> two <space> one,બંધ ચોરસ કૌંસ |
|- | |- | ||
Line 280: | Line 280: | ||
|04:26 | |04:26 | ||
− | | | + | |અને એન્ટર દબાવો. |
− | + | ||
|- | |- | ||
Revision as of 16:03, 14 March 2016
Time | Narration |
00:01 | નમસ્તે મિત્રો, |
00:02 | Scilab ઉપયોગ કરીને Optimization of Linear Functions with Linear Constraints પરના સ્પોકન ટ્યુટોરીયલમાં તમારું સ્વાગત છે. |
00:10 | આ ટ્યુટોરીયલમ્ક આપને શીખ્યા : |
00:12 | Optimization નો અર્થ શું છે ? |
00:15 | અને ઓપ્ટિમાઇઝેશન માં Scilab function karmarkar ને કેવી રીતે ઉપયોગ કરે છે. |
00:20 | Optimization નો અર્થ |
00:22 | આપેલ objective function ને મીનીમાઇઝ અથવા મેક્સીમાઈઝ કરવાનું છે. |
00:26 | ડીસીજ્ન વેરીએબલને જુદું કરીને ક્યારે ક્યારે આને Cost function પણ કરે છે. |
00:33 | પૂર્વવ્યાખ્યાયિત constraints ના અનુસાર ડીસીજ્ન વેરીએબલને બદલવાય છે. |
00:38 | આ constraints વેરીએબલના અમુક ફંકશન ના ફોર્મમાં પણ હોય છે. |
00:44 | Optimization વ્યાપક રૂપથી આપેલ એન્જીનિયરિંગ અને નોન-એન્જીનિયરિંગ ક્ષેત્રો માં વધુ ઉપયોગ થાય છે. |
00:52 | ઇકોનોમિક્સ |
00:54 | કન્ટ્રોલ થીયરી અને |
00:56 | ઓપરેશન્સ અને રિસર્ચ. |
00:58 | Scilab function karmarkar આપેલમાં ઉપયોગ થાય છે: |
01:01 | લીન્યર ઓબ્જેક્ટીવ ફંકશન ને ઓપ્ટીમાઈઝ કરવા માટે, |
01:05 | લીનીયર constraints પર |
01:07 | ડીસીજ્ન વેરીએબલસ પર. |
01:10 | આપણે karmarkar ફંકશન ઉપયોગ કરીને આપેલ ઉદાહરણોને હલ કરીશું: |
01:14 | આપેલ ઇક્વેશન ના માટે મીનીમાઇઝ minus three 'x' one minus 'x' two minus three 'x' three મીનીમાઇઝ કરો. |
01:19 | two 'x' one plus 'x' two plus 'x' three less than or equal to two. ના માટે: |
01:26 | 'x' one plus two 'x' two plus three 'x' three less than or equal to five. |
01:32 | two 'x' one plus two 'x' two plus 'x' three less than or equal to six. |
01:36 | જ્યાં 'x' one 'x' two 'x' three are all greater than or equal to zero |
01:42 | નોંધ લો કે બધા ફંકશન જો તે સમાન્ય હોય અથવા પ્રતિબંધીત લીનીયર હોય છે . |
01:49 | આપેલ પ્રોબ્લમ ને હલ કરવા પહેલા scilab console પર જાવ અને ટાઈપ કરો: |
01:54 | help karmarkar |
01:57 | અને Enter. દબાવો. |
01:59 | તમે આર્ગ્યુંમેંટસ ની કોલિંગ સિક્વેંસ જોઈ શકો છો. |
02:03 | હેલ્પ બ્રાઉઝરમાં આર્ગ્યુમેન્ટનું સ્પષ્ટિકરણ, વિવરણ અને અમુક ઉદાહરણ. |
02:12 | Help Browser ને બંદ કરો. |
02:14 | અહી આપણે ઈનપુટ અને આઉટપુટ આર્ગ્યુમેન્ટસનું સારાંશ લેશું. |
02:19 | આઉટપુટ અર્ગ્યુંમેંટ છે 'x' opt, 'f' opt, exitflag, iter, 'y' opt . |
02:25 | 'x' opt: એ optimum એટલેકે સર્વોત્તમ સોલ્યુશન છે . |
02:28 | ઓપ્ટીમમ સોલ્યુશન પર ઓબ્જેક્ટીવ ફંકશન વેલ્યુ છે |
02:33 | એક્ઝીક્યુશ્નનું સ્ટેટસ છે, આ ઓળખવા માં મદદ કરે છે કે એલ્ગોરીધમ ભેગું થાય છે કે નહી. |
02:41 | 'iter' : 'x' opt. સુધી પહોચવા માટે જરૂરી ઈટરેશન ની સંખ્યા છે |
02:46 | 'y' opt : એ dual solution. ધરાવનાર સંરચના છે. |
02:49 | આ Lagrange multipliers. આપે છે. |
02:53 | ઈનપુટ આર્ગ્યુમેન્ટસ છે 'Aeq' 'beq' 'c' 'x zero' 'rtolf 'gam' 'maxiter' 'outfun' 'A' 'b' 'lb' અને 'ub' |
03:09 | 'Aeq' : લીન્યર linear equality constraints. મેટ્રીક્સ છે. |
03:12 | 'beq' : linear equality constraint. નું જમણું ભાગ છે. |
03:17 | 'c' : 'x'. નું Linear objective function એ coefficients છે. |
03:21 | 'x' zero : Initial guess . છે. |
03:25 | rtolf : 'f' of 'x' is equals to 'c' transpose multiplied by 'x'. પર રીલેટીવ ટોલેરેન્સ છે. |
03:34 | 'gam' : સ્કેલીંગ ફેક્ટર છે . |
03:36 | 'maxiter' : આઉટપુટ રીટર્ન થવા પછી ઈટરેશન ની અધિકતમ સંખ્યા છે. |
03:43 | 'outfun' : અતિરિક્ત યુજર ડિફાઇંડ આઉટપુટ ફંકશન છે. |
03:47 | 'A' : is the Matrix of linear inequality constraints મેટ્રીક્સ છે. |
03:51 | 'b' : linear inequality constraints. નું જમણું ભાગ છે. |
03:55 | 'lb' : એ 'x'. નું લોવરબાઉન્ડ છે. |
03:58 | 'ub' એ 'x'. નું અપરબાઉન્ડ છે. |
04:02 | હવે આપણે આપેલ ઉદાહરણ ને karmarkar ફંકશન ઉપયોગ કરીને સાઈલેબમાં હલ કરી શકીએ છીએ. |
04:07 | સાઈલેબ કંસોલ પર જાવ અને ટાઈપ કરો: |
04:11 | 'A' is equals to ખુલ્લા ચોરસ કૌંસ, two <space> one <space> one <semicolon> one <space> two <space> three <semicolon> two <space> two <space> one,બંધ ચોરસ કૌંસ |
04:26 | અને એન્ટર દબાવો. |
04:28 | similarly type: small 'b' equals to open square bracket, two <semicolon> five <semicolon> six, close the square bracket. |
04:38 | and press Enter. |
04:41 | Type: 'c' equals to open square bracket, minus three <semicolon> minus one <semicolon> minus three, close the square bracket. |
04:53 | and press Enter. |
04:55 | Type: 'lb' equals to open square bracket, zero <semicolon> zero <semicolon> zero, close the square bracket. |
05:05 | and press Enter. |
05:07 | Now clear the console using clc command. |
05:12 | Type: open square bracket, 'x' opt <comma> 'f' opt <comma> 'exitflag' <comma> iter, close the square bracket equals to karmarkar open parenthesis, open square bracket, close the square bracket <comma> open square bracket, close the square bracket <comma> 'c' <comma> open square bracket, close the square bracket <comma> open square bracket, close the square bracket <comma> open square bracket, close the square bracket <comma> open square bracket, close the square bracket <comma> open square bracket, close the square bracket <comma> capital 'A' <comma> 'small b' <comma> 'lb', close the round bracket. |
06:09 | and Press Enter. |
06:11 | Press Enter to continue the display. |
06:14 | This will give the output as shown on the screen |
06:18 | where xopt is the optimum solution to the problem, |
06:23 | fopt is the value of the objective function, calculated at optimum solution x is equal to xopt |
06:32 | and number of iteration required to reach the optimum solution xopt is 70. |
06:39 | Please note that: it is mandatory to specify the input arguments in the same order |
06:46 | in which they have been listed above, while calling the function. |
06:51 | In this tutorial, we learned: |
06:53 | What is optimization? |
06:55 | Use of Scilab function karmarkar in optimization to solve linear problems. |
07:01 | To contact the scilab team, please write to contact@scilab.in |
07:08 | Watch the video available at the following link. |
07:10 | It summarizes the Spoken Tutorial project. |
07:14 | If you do not have good bandwidth, you can download and watch it. |
07:18 | The spoken tutorial project Team: |
07:20 | Conducts workshops using spoken tutorials. |
07:23 | Gives certificates to those who pass an online test. |
07:27 | For more details, please write to contact@spoken-tutorial.org. |
07:34 | Spoken Tutorial Project is a part of the Talk to a Teacher project. |
07:37 | It is supported by the National Mission on Eduction through ICT, MHRD, Government of India. |
07:44 | More information on this mission is available at spoken-tutorial.org/NMEICT-Intro. |
07:53 | This is Anuradha Amrutkar from IIT Bombay, signing off. |
07:57 | Thank you for joining. Good Bye. |