Scilab/C4/Optimization-Using-Karmarkar-Function/Gujarati
From Script | Spoken-Tutorial
Revision as of 15:49, 25 July 2016 by Jyotisolanki (Talk | contribs)
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' : 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 ખુલ્લો 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 | તેજ પ્રકારે ટાઈપ કરો : small 'b' equals to ખુલ્લો ચોરસ કૌંસ, two <semicolon> five <semicolon> six, બંદ ચોરસ કૌંસ. |
04:38 | અને એન્ટર દબાવો. |
04:41 | ટાઈપ કરો: 'c' equals to ખુલ્લો ચોરસ કૌંસ, minus three <semicolon> minus one <semicolon> minus three, બંદ ચોરસ કૌંસ. |
04:53 | અને એન્ટર દબાવો. |
04:55 | ટાઈપ કરો: 'lb' equals to ખુલ્લો ચોરસ કૌંસ , zero <semicolon> zero <semicolon> zero, બંદ ચોરસ કૌંસ. |
05:05 | અને એન્ટર દબાવો. |
05:07 | હવે clc કમાંડ વાપરીને કંસોલ વાપરો. |
05:12 | ટાઈપ કરો: ખુલ્લો ચોરસ કૌંસ, 'x' opt <comma> 'f' opt <comma> 'exitflag' <comma> iter, બંદ ચોરસ કૌંસ. equals to karmarkar ખુલ્લો કૌંસ ,ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> 'c' <comma> ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> ખુલ્લો ચોરસ કૌંસ, બંદ ચોરસ કૌંસ <comma> capital 'A' <comma> 'small b' <comma> 'lb', બંદ કૌંસ. |
06:09 | અને Enter દબાવો. |
06:11 | ડિસ્પ્લે ચાલુ રાખવા માટે એન્ટર દબાવો. |
06:14 | આ તમને સ્ક્રીન પર બતાડેલની જેમ આઉટપુટ આપેશે. |
06:18 | જ્યાં xopt પ્રોબ્લમ ના માટે optimum solution છે . |
06:23 | fopt ઓબ્જેક્ટીવ ફંકશન ની વેલ્યુ છે જે x is equal to xopt ના ઓપ્ટીમમ સોલ્યુશન પર ગણતરી ક્ર્વ્ક માં આવી છે. |
06:32 | અને xopt ઓપ્ટીમમ સોલ્યુશન સુધી પહોચવા માટે જરૂરી ઇટરેશન ની સંખ્યા 70 છે. |
06:39 | નોંધ લો કે : ફંકશન ને કોલ કરતા સમયે ઈનપુટ આર્ગ્યુમેન્ટસ ને તે ઓડરમાં સ્પષ્ટ કરવું જરૂરી છે જેમાં તે ઉપરની જેમ યાદીબધ્ધ છે.
|
06:51 | આ ટ્યુટોરીયલ માં, આપણે શીખ્યા: |
06:53 | optimization? શું છે? |
06:55 | લીનીયર પ્રોબ્લમસને હલ કરવા માટે ઓપ્ટીમાઈઝેશનમાં Scilab function karmarkar ને ઉપયોગ કરતા. |
07:01 | સાઈલેબ ટીમ ને સંપર્ક કરવા માટે contact@scilab.in પર લખો. |
07:08 | નીચે આપેલ લીનક ઉપર ઉપલબ્ધ વિડીઓ જુઓ. |
07:10 | તે સ્પોકન ટ્યુટોરીયલ પ્રોજેક્ટ માટે સારાંશ આપે છે. |
07:14 | જો તમારી પાસે સારી બેન્ડવિડ્થ ન હોય તો, તમે ડાઉનલોડ કરી તે જોઈ શકો છો. |
07:18 | સ્પોકન ટ્યુટોરીયલ પ્રોજેક્ટ ટીમ: |
07:20 | સ્પોકન ટ્યુટોરીયલોની મદદથી વર્કશોપ આયોજિત કરે છે. |
07:23 | જેઓ ઓનલાઇન પરીક્ષા પાસ કરે છે તેમને પ્રમાણપત્ર આપે છે, |
07:27 | વધુ વિગતો માટે contact@spoken-tutorial.org પર સંપર્ક કરો. |
07:34 | સ્પોકન ટ્યુટોરિયલ પ્રોજેક્ટ એ ટોક ટુ અ ટીચર પ્રોજેક્ટનો એક ભાગ છે. |
07:37 | જે આઇસીટી, એમએચઆરડી, ભારત સરકાર દ્વારા શિક્ષણ પર નેશનલ મિશન દ્વારા આધારભૂત છે. |
07:44 | આ મિશન વિશે વધુ માહીતી આ લીંક ઉપર ઉપલબ્ધ છે spoken-tutorial.org/NMEICT-Intro. |
07:53 | આઈઆઈટી બોમ્બે તરફથી ભાષાંતર કરનાર હું, જ્યોતિ સોલંકી વિદાય લઉં છું. |
07:57 | જોડાવા બદ્દલ આભાર. |