Decision Optimization モデルを作成するには、 DOcplex( Decision Optimizationのネイティブ Python API) を使用して Python ノートブック を作成するか、より多くの利点と機能を備えた Decision Optimization エクスペリメント UI を使用することができます。
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。
- 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。 この表の Jupyter ノートブック は、 Decision Optimization エクスペリメント UIを使用しない ノートブック です。 Decision Optimization エクスペリメント UIを使用すると、さらに多くの利点があります。
| タスク | Jupyter ノートブック ( Decision Optimization エクスペリメント UIなし) | Decision Optimization エクスペリメント UI (4 つのタイプのモデル) | |||
|---|---|---|---|---|---|
| Python | OPL モデル | CPLEX および CPO モデル | Modeling Assistant | ||
| データの管理 | プロジェクトからデータをインポートします。 |
「データの準備」 ビュー で、プロジェクトからデータをインポートし、データを編集します。 入力データの準備を参照してください。 |
「データの準備」 ビュー で、プロジェクトからデータをインポートし、データを編集します。 入力データの準備を参照してください。 |
「データの準備」 ビュー で、プロジェクトからデータをインポートし、データを編集します。 入力データの準備を参照してください。 データ内の関係はインテリジェントに推論されます。 |
|
| 最適化モデルの策定と実行 | Python notebookでモデル設計を最初から作成します。 DOcplex API を使用します。 ノートブック を使用すると、個々のセルを対話式に実行できるため、デバッグが容易になります。 |
Python でモデルの設計を最初から作成します。 ノートブック またはファイルからモデル設計をインポートして表示します。 インポートした Python モデルを直接編集します。 モデルを ノートブックとしてエクスポートします。 ノートブック を使用すると、個々のセルを対話式に実行できるため、デバッグが容易になります。 |
OPL でモデルの設計を最初から作成します。 OPL ファイルからモデルの設計をインポートして表示します。 インポートした OPL モデルを直接編集します。 |
CPLEX または CPOで、モデルの設計を最初から作成します。 CPLEX または CPO モデル・ファイル (.lp、 .mps、および .cpo ファイル) をインポートします。 .lp、 .mps、および .cpo ファイルを編集します。 モデルを実行およびソリューション・ファイルをダウンロードします。 |
自然言語で表された推奨オプションから選択することで、モデルの設計を最初から作成します。 シナリオから Modeling Assistant モデルの設計をインポートして表示します。 インポートしたモデルを直接編集します。 |
| 複数のシナリオの作成と比較 | シナリオ管理を処理する Python コードを作成します。 |
モデル、データ、およびソリューションのさまざまなインスタンスを比較するためのシナリオを作成および管理します。 Decision Optimization エクスペリメントのシナリオを参照してください。 |
|||
| レポートを作成して共有する | Python データ可視化ツールを使用して、 ノートブック でレポートを作成します。 |
ウィジェット、ページ、および JSON エディターを使用して、 視覚化ビュー でレポートを迅速に作成します。 Decision Optimization エクスペリメントの視覚化ビューを参照してください。 レポートを JSON ファイルとしてダウンロードし、チームと共有します。 |
|||
| モデルのデプロイ | watsonx.aiRuntimeREST API またはPythonクライアントを使用してノートブックをデプロイします。 |
デプロイメント・スペースへのプロモーションの準備ができた状態で保存するシナリオを選択します。 ユーザー・インターフェースを使用した Decision Optimization モデルのデプロイを参照してください。 Decision Optimization 処方的モデルおよび関連する共通データを一度デプロイしてから、関連するトランザクション・データのみを使用してジョブ要求をこのデプロイメントにサブミットします。 watsonx.aiRuntime REST APIまたはwatsonx.aiRuntimePythonクライアントを使用してモデルをデプロイできます。 watsonx.aiRuntime REST APIおよびwatsonx.aiRuntimePythonクライアントを参照。 |
|||