Difference between revisions of "Scilab/C4/Optimization-Using-Karmarkar-Function/Tamil"
From Script | Spoken-Tutorial
| Line 47: | Line 47: | ||
|- | |- | ||
|00:44 | |00:44 | ||
| − | | '''Optimization''', பின்வரும் | + | | '''Optimization''', பின்வரும் பெரும்பான்மையான, பொறியியல் மற்றும் பொறியியல் அல்லாத துறைகளில் பயன்படுத்தப்படுகிறது: |
|- | |- | ||
| Line 167: | Line 167: | ||
|- | |- | ||
|03:09 | |03:09 | ||
| − | | ''' 'Aeq' ''' என்பது, linear equality constraintகளில் இருக்கும் | + | | ''' 'Aeq' ''' என்பது, linear equality constraintகளில் இருக்கும் matrix ஆகும். |
|- | |- | ||
| Line 199: | Line 199: | ||
|- | |- | ||
| 03:47 | | 03:47 | ||
| − | | ''' 'A' ''': என்பது, linear equality constraintகளின் | + | | ''' 'A' ''': என்பது, linear equality constraintகளின் matrix |
|- | |- | ||
Revision as of 20:40, 2 November 2017
| Time | Narration |
| 00:01 | Scilabஐ பயன்படுத்தி, linear constraintகளுடன் linear functionகளை optimize செய்வது குறித்த ஸ்போகன் டுடோரியலுக்கு நல்வரவு. |
| 00:10 | இந்த டுடோரியலில் நாம் கற்கப் போவது: |
| 00:12 | Optimization? என்றால் என்ன |
| 00:15 | மற்றும், optimizationக்கு, Scilab function karmarkarஐ எப்படி பயன்படுத்துவது. |
| 00:20 | Optimization என்றால் |
| 00:22 | கொடுக்கப்பட்டுள்ளobjective functionஐ , minimize அல்லது maximize செய்வது |
| 00:26 | சில நேரங்களில், Cost function என்றும் கூறப்படுகிறது, |
| 00:30 | இது decision variableகளை மாற்றுவதன் மூலம் செய்யப்படுகிறது. |
| 00:33 | Predefined constraintகளுக்கு ஏற்றவாறு, decision variableகள் மாறுபடுகின்றன. |
| 00:38 | இந்த constraintகள், variableகளுடைய சில functionகளின் வடிவிலும் இருக்கின்றன. |
| 00:44 | Optimization, பின்வரும் பெரும்பான்மையான, பொறியியல் மற்றும் பொறியியல் அல்லாத துறைகளில் பயன்படுத்தப்படுகிறது: |
| 00:52 | பொருளாதாரம் |
| 00:54 | Control theory, மற்றும், |
| 00:56 | Operations & Research. |
| 00:58 | Scilab function karmarkar என்பது |
| 01:01 | linear objective functionஐ optimize செய்ய பயன்படுத்தப்படுகிறது, |
| 01:05 | இது, linear constraintகளை பொருத்து |
| 01:07 | decision variableகளின் மேல் அமைகிறது. |
| 01:10 | karmarkar functionஐ பயன்படுத்தி, பின்வரும் உதாரணத்தை தீர்ப்போம்: |
| 01:14 | Minimize minus three 'x' one minus 'x' two minus three 'x' three |
| 01:19 | for: two 'x' one plus 'x' two plus 'x' three less than or equal to two. |
| 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 | இங்கு, 'x' one 'x' two 'x' three are all greater than or equal to zero |
| 01:42 | Functionகள், objective functionகள் மற்றும் constraintகள் அனைத்து்ம், linearஆக இருப்பதை கவனிக்கவும். |
| 01:49 | கொடுக்கப்பட்டுள்ள சிக்கலை தீர்ப்பதற்கு முன்பு, scilab consoleக்கு சென்று, டைப் செய்க: |
| 01:54 | help karmarkar |
| 01:57 | பின் Enterஐ அழுத்தவும். |
| 01:59 | Argumentன் calling sequenceஐ நீங்கள் காணலாம். |
| 02:03 | Argumentன் விளக்கம், விவரிப்பு, மற்றும் சில உதாரணங்கள், Help Browser.ல் உள்ளன. |
| 02:12 | Help Browser ஐ மூடவும். |
| 02:14 | Input மற்றும் output argumentகளை, இங்கு, சுருங்கச் சொல்வோம். |
| 02:19 | Output argumentகள், 'x' opt, 'f' opt, exitflag, iter, 'y' opt ஆகும். |
| 02:25 | 'x' opt: என்பது optimum தீர்வு. |
| 02:28 | 'f' opt: என்பது, optimum solutionலில் , objective functionனின் மதிப்பு ஆகும். |
| 02:33 | 'exitflag:' என்பது, இயக்கத்தின் status. Algorithm converge ஆகிறதா இல்லையா என்பதை சரி பாரக்க இது உதவுகிறது. |
| 02:41 | 'iter' : என்பது, 'x' opt.ஐ அடைய தேவையான, iterationகளின் எண்ணிக்கை ஆகும். |
| 02:46 | 'y' opt : என்பது, dual தீர்வை கொண்டிருக்கும், structure ஆகும். |
| 02:49 | இது Lagrange multiplierகளை தருகிறது. |
| 02:53 | 'Aeq' 'beq' 'c' 'x zero' 'rtolf 'gam' 'maxiter' 'outfun' 'A' 'b' 'lb' மற்றும் 'ub' , input argumentகள் ஆகும். |
| 03:09 | 'Aeq' என்பது, linear equality constraintகளில் இருக்கும் matrix ஆகும். |
| 03:12 | 'beq' , என்பது, linear equality constraintனின் வலது பக்கம் ஆகும். |
| 03:17 | 'c' , என்பது, 'x'. ன், Linear objective function coefficientகள் ஆகும். |
| 03:21 | 'x' zero : என்பது, Initial guess . |
| 03:25 | rtolf : என்பது, 'f' of 'x' is equals to 'c' transpose multiplied by 'x'. மேல் இருக்கும், relative tolerance ஆகும். |
| 03:34 | 'gam' : என்பது, Scaling factor. |
| 03:36 | 'maxiter' : என்பது, iterationகளின் maximum எண்ணிக்கை, இதன் பிறகு output, return செய்யப்படுகிறது. |
| 03:43 | 'outfun' : என்பது, கூடுதல் user-defined output function. |
| 03:47 | 'A' : என்பது, linear equality constraintகளின் matrix |
| 03:51 | 'b' : என்பது, linear inequality constraintகளின் வலது பக்கம் ஆகும். |
| 03:55 | 'lb' : என்பது, 'x'.ன் lowerbound. |
| 03:58 | 'ub' என்பன, 'x'.ன் upper bound. |
| 04:02 | இப்போது, கொடுக்கப்பட்டுள்ள உதாரணத்தை, Scilabல், karmarkar functionஐ பயன்படுத்தி, நாம் தீர்க்கலாம். |
| 04:07 | Scilab consoleக்கு சென்று, டைப் செய்க: |
| 04:11 | 'A' is equals to open square bracket, two <space> one <space> one <semicolon> one <space> two <space> three <semicolon> two <space> two <space> one, close the square bracket |
| 04:26 | பின் Enterஐ அழுத்தவும். |
| 04:28 | இவ்வாறே டைப் செய்க: small 'b' equals to open square bracket, two <semicolon> five <semicolon> six, close the square bracket. |
| 04:38 | பின் Enterஐ அழுத்தவும். |
| 04:41 | டைப் செய்க: 'c' equals to open square bracket, minus three <semicolon> minus one <semicolon> minus three, close the square bracket. |
| 04:53 | பின் Enterஐ அழுத்தவும். |
| 04:55 | டைப் செய்க: 'lb' equals to open square bracket, zero <semicolon> zero <semicolon> zero, close the square bracket. |
| 05:05 | பின் Enterஐ அழுத்தவும். |
| 05:07 | டைப் செய்க: 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 | பின் Enterஐ அழுத்தவும். |
| 06:11 | Displayஐ தொடர்வதற்கு, Enterஐ அழுத்தவும். |
| 06:14 | திரையில் காட்டப்பட்டுள்ளபடி, outputஐ இது கொடுக்கும். |
| 06:18 | இதில், xopt என்பது, சிக்கலுக்கான optimum solution, |
| 06:23 | fopt என்பது, optimum solution x is equal to xoptல் கணக்கிடப்பட்ட, objective functionனின் மதிப்பு, |
| 06:32 | மற்றும், xopt optimum தீர்வை அடைய தேவையான, iterationனின் எண்ணிக்கை 70 ஆகும். |
| 06:39 | கவனிக்கவும்: Functionஐ call செய்யும் போது, input argumentகள், எந்த வரிசையில் பட்டியலிடப்பட்டனவோ, |
| 06:46 | அதே வரிசையில், அவற்றை குறிப்பிடுவது கட்டாயமாகும். |
| 06:51 | இந்த டுடோரியலில்நாம் கற்றது: |
| 06:53 | Optimization? என்றால் என்ன? |
| 06:55 | Linear சிக்கல்களைத் தீர்க்க, optimizationல், Scilab function karmarkarஐ பயன்படுத்துவது. |
| 07:01 | Scilab குழுவை தொடர்பு கொள்ள, contact@scilab.inக்கு மின்னஞ்சல் செய்யவும். |
| 07:08 | பின்வரும் இணைப்பில் உள்ள வீடியோவை காணவும். |
| 07:10 | அது, ஸ்போகன் டுடோரியல் திட்டத்தை சுருங்க சொல்கிறது. |
| 07:14 | உங்கள் இணைய இணைப்பு வேகமாக இல்லையெனில்,அதை தரவிறக்கி காணவும். |
| 07:18 | ஸ்போகன் டுடோரியல் திட்டக்குழு: |
| 07:20 | ஸ்போகன் டுடோரியல்களை பயன்படுத்தி செய்முறை வகுப்புகள் நடத்துகிறது. |
| 07:23 | இணையத்தில் பரீட்சை எழுதி தேர்வோருக்கு சான்றிதழ்கள் தருகிறது. |
| 07:27 | மேலும் விவரங்களுக்கு contact@spoken-tutorial.orgக்கு மின்னஞ்சல் செய்யவும். |
| 07:34 | ஸ்போகன் டுடோரியல் திட்டம், Talk to a Teacher திட்டத்தின் ஒரு பகுதியாகும். |
| 07:37 | இதற்கு ஆதரவு, இந்திய அரசாங்கத்தின்,National Mission on Education through ICT, MHRD, மூலம் கிடைக்கிறது. |
| 07:34 | மேலும் விவரங்களுக்கு, கீழ்கண்ட இணைப்பை பார்க்கவும்: http://spoken-tutorial.org/NMEICT-Intro. |
| 07:53 | இந்த டுடோரியலை தமிழாக்கம் செய்தது ஜெயஸ்ரீ. |
