Decision Optimization のさまざまな使用法

スキルと専門知識に応じて、以下の異なる方法で Decision Optimizationを使用できます。

Python ノートブック

Decision Optimization用のネイティブ Python API である DOcplexを使用して Python ノートブック を作成できます。 DOcplexを参照してください。 問題を表す変数、目標、および制約を作成するには、オペレーショナル・リサーチ (OR) モデリングの専門知識が必要です。

サポートされる Python 環境について詳しくは、 Decision Optimization ノートブックを参照してください。

Decision Optimization エクスペリメント UI

エクスペリメント UI は、ワークフローを支援し、その他の多くの機能を提供します。 Decision Optimization 実験 UI 利点を参照してください。

これは、以下のモデル・タイプを使用してシナリオを作成および実行 (解決) するのに役立ちます。

Python モデル

これらのモデルは、 DOcplexを使用して作成できます。 Decision Optimization ノートブック を参照してください。

Modeling Assistant モデル

Modeling Assistant は、自然言語でモデルを作成するのに役立ちます。この場合、OR に関する知識はほとんど、またはまったく必要なく、 Python コードを作成する必要はありません。 Modeling Assistant モデルを参照してください。

この機能は、特定のモデル・タイプで使用できます。 「 Modeling Assistantでの決定ドメインの選択」を参照してください。

Modeling Assistant は、 英語でのみ使用可能であり 、グローバル化されていません。

OPL モデル

OPL モデルを作成、インポート、および編集できます。 詳しくは、 OPL モデルを参照してください。

CPLEX および CP Optimizer ( CPO) モデル

作成、インポート、および編集 (.lp ファイルと .cpo ファイル)、および .mps ファイルのインポートと編集を行うことができます。 その後、それらを解決し、ソリューション・ファイルをダウンロードできます。

詳しくは、 Decision Optimization のエクスペリメントを参照してください。

Java モデル

Java モデルのデプロイと実行には、watsonx.aiRuntimeREST API を使用できます。 詳しくは、 Decision Optimization Java モデルを参照してください。

バッチ・デプロイメント

watsonx.aiRuntime での展開の詳細については、「Decision Optimization」をご覧ください。

ユーザー・インターフェースを使用して Decision Optimization モデルを作成、解決、およびデプロイするためのステップバイステップ・ガイドについては、 ビデオによるクイック・スタート・チュートリアルを参照してください。

Decision Optimization エクスペリメント UI の利点

以下の表は、 Decision Optimization エクスペリメント UIを使用する場合と使用しない場合の両方で、さまざまな機能を実行する方法を示しています。 Jupyter ノート この表のノートは、Decision Optimization 実験UIを除いたものです。 このように、Decision Optimization 実験UIを使用すると、より多くの利点があります。

もっと見る