如何使用 Decision Optimization | IBM Cloud Pak for Data as a Service

Go back to the English version of the documentation

使用 Decision Optimization的方法

Last updated: 2024年11月21日

如何使用 Decision Optimization

要构建 Decision Optimization 模型，您可以使用 DOcplex(用于 Decision Optimization的本机 Python API) 创建 Python Notebook ，或者使用具有更多优点和功能的 Decision Optimization 试验 UI 。

使用 Decision Optimization 的不同方法

根据您的技能和专业知识，您可以通过以下不同方式使用 Decision Optimization。

Python 笔记本: 您可以使用 DOcplex(用于 Decision Optimization的本机 Python API) 创建 Python Notebook 。请参阅 DOcplex。您需要运营研究 (OR) 建模专业知识来创建变量，目标和约束以表示问题。
有关受支持的 Python 环境的更多信息，请参阅 Decision Optimization Notebook。

Decision Optimization 实验 UI

试验 UI 可促进工作流程并提供许多其他功能。请参阅 Decision Optimization 试验 UI 优点。

它可帮助您使用以下模型类型创建和运行 (求解) 方案:

Python 模型: 您可以使用 DOcplex创建这些模型。请参阅 Decision Optimization Notebook
Modeling Assistant 模型: Modeling Assistant 可帮助您使用自然语言来规划模型，这几乎不需要了解 OR ，也不需要您编写 Python 代码。请参阅 Modeling Assistant 模型。; 此功能可用于某些模型类型。请参阅在 Modeling Assistant中选择决策域。; Modeling Assistant 仅以英语提供 ，并且未全球化。
OPL 模型: 您可以创建，导入和编辑 OPL 模型。有关更多信息，请参阅 OPL 模型。
CPLEX 和 CP Optimizer (CPO) 模型。: 您可以创建，导入和编辑 (.lp 和 .cpo 文件) 以及导入和编辑 .mps 文件。然后，您可以对其进行求解并下载解决方案文件。

有关更多信息，请参阅 Decision Optimization 实验。

Java 模型: 您可以使用watsonx.aiRuntimeREST API来部署和运行Java模型。有关更多信息，请参阅 Decision Optimization Java 模型。

批量部署: 有关使用watsonx.aiRuntime 部署的更多信息，请参阅Decision Optimization。

有关使用用户界面构建，求解和部署 Decision Optimization 模型的逐步指南，请参阅快速入门教程 (含视频)。

显示工作流程和使用实验的不同方法的图表。 — 图 1。对 Decision Optimization 实验进行建模和求解

Decision Optimization 试验 UI 优点

下表突出显示了如何使用和不使用 Decision Optimization 试验 UI执行不同的功能。 Jupyter notebooks 此表中的 notebooks 没有 Decision Optimization experiment UI。如您所见，使用 Decision Optimization 实验 UI 时，您将获得更多优势。

表 1. Decision Optimization ，带有试验 UI
任务	Jupyter笔记本（不含Decision Optimization 实验 UI）	Decision Optimization 试验 UI (4 类型的模型)
任务	Jupyter笔记本（不含Decision Optimization 实验 UI）	Python	OPL 模型	CPLEX 和 CPO 模型	Modeling Assistant
管理数据	从项目导入数据。	从项目导入数据并在准备数据视图中编辑数据。请参阅准备输入数据。	从项目导入数据并在准备数据视图中编辑数据。请参阅准备输入数据。		从项目导入数据并在准备数据视图中编辑数据。请参阅准备输入数据。智能推断数据中的关系。
规划和运行优化模型	在 Python notebook中从头开始创建模型阐述。使用 DOcplex API。通过 notebook ，可以以交互方式运行各个单元，这有助于调试。	在 Python 中从头开始创建模型规划。从笔记本或文件导入和查看模型阐述。直接编辑导入的 Python 模型。将模型导出为 Notebook。通过 notebook ，可以以交互方式运行各个单元，这有助于调试。	在 OPL 中从头开始创建模型规划。从 OPL 文件导入模型规划并进行查看。直接编辑导入的 OPL 模型。	在 CPLEX 或 CPO 中从头开始创建模型阐述。导入 CPLEX 或 CPO 模型文件 (.lp， .mps和 .cpo 文件)。编辑 .lp， .mps和 .cpo 文件。运行模型并下载解决方案文件。	通过选择以自然语言表达的建议选项，从头开始创建模型规划。从方案导入 Modeling Assistant 模型规划并进行查看。直接编辑导入的模型。
创建并比较多个方案	编写 Python 代码以处理方案管理。	创建和管理方案以比较模型，数据和解决方案的不同实例。请参阅 Decision Optimization 试验中的方案。
创建并分享报告	使用 Python 数据可视化工具在 Notebook 中创建报告。	使用窗口小部件，页面和 JSON 编辑器在可视化视图中快速创建报告。请参阅 Decision Optimization 试验中的可视化视图。以 JSON 文件形式下载报告，并与您的团队分享。
部署模型	使用watsonx.aiRuntimeREST API 或Python客户端部署笔记本。	选择要保存以供升级到部署空间的方案。请参阅使用用户界面部署 Decision Optimization 模型。部署 Decision Optimization 规范性模型和关联的公共数据一次，然后仅使用相关事务数据向此部署提交作业请求。你可以使用watsonx.aiRuntime REST API或watsonx.aiRuntimePython客户端来部署模型。请参阅watsonx.aiRuntime REST API和watsonx.aiRuntimePython客户端。

使用 Decision Optimization 的不同方法

Decision Optimization 试验 UI 优点

了解更多信息