Decision Optimization 사용 방법
Decision Optimization 모델을 빌드하기 위해 Decision Optimization용 원시 Python API인 DOcplex를 사용하여 Python 노트북 을 작성하거나 더 많은 이점과 기능이 있는 Decision Optimization 실험 UI 를 사용할 수 있습니다.
Decision Optimization 을 사용하는 여러 가지 방법
스킬 및 전문 지식에 따라 다음과 같은 다양한 방법으로 Decision Optimization을 사용할 수 있습니다.
- Python 노트북
- Decision Optimization용 원시 Python API인 DOcplex를 사용하여 Python 노트북 을 작성할 수 있습니다. DOcplex를 참조하십시오. 문제점을 표시하기 위해 변수, 목표 및 제약조건을 작성하려면 운영 연구 (OR) 모델링 전문 지식이 필요합니다.
지원되는 Python 환경에 대한 자세한 정보는 Decision Optimization 노트북을 참조하십시오.
- Decision Optimization 실험 UI
- 실험 UI 는 워크플로우를 용이하게 하고 기타 여러 기능을 제공합니다. Decision Optimization 실험 UI 이점을 참조하십시오.
- Java 모델
- watsonx.ai 런타임 REST API를 사용하여 Java 모델을 배포하고 실행할 수 있습니다. 자세한 정보는 Decision Optimization Java 모델을 참조하십시오.
- 일괄처리 배치
- watsonx.ai 런타임을 사용한 배포에 대한 자세한 내용은 Decision Optimization 참조하세요.
사용자 인터페이스를 사용하여 Decision Optimization 모델을 빌드, 해결 및 배치하는 단계별 안내서는 비디오를 사용한 빠른 시작 학습서를 참조하십시오.
Decision Optimization 실험 UI 이점
다음 표에서는 Decision Optimization 실험 UI를 사용하거나 사용하지 않고 서로 다른 기능을 수행할 수 있는 방법을 강조표시합니다. 이 테이블의 Jupyter 노트북 은 Decision Optimization 실험 UI가 없는 노트북 입니다. 보는 바와 같이 Decision Optimization 실험 UI를 사용하면 더 많은 이점을 얻을 수 있습니다.
| 태스크 | Jupyter 노트북 ( Decision Optimization 실험 UI사용 안함) | Decision Optimization 실험 UI (네 가지 유형의 모델) | |||
|---|---|---|---|---|---|
| Python | OPL 모델 | CPLEX 및 CPO 모델 | Modeling Assistant | ||
| 데이터 관리 | 프로젝트에서 데이터를 가져오십시오. |
프로젝트에서 데이터를 가져오고 데이터 준비 보기 에서 데이터를 편집하십시오. 입력 데이터 준비를 참조하십시오. |
프로젝트에서 데이터를 가져오고 데이터 준비 보기 에서 데이터를 편집하십시오. 입력 데이터 준비를 참조하십시오. |
프로젝트에서 데이터를 가져오고 데이터 준비 보기 에서 데이터를 편집하십시오. 입력 데이터 준비를 참조하십시오. 데이터의 관계는 지능적으로 추론됩니다. |
|
| 최적화 모델 공식화 및 실행 | Python notebook에서 처음부터 모델 공식을 작성하십시오. DOcplex API를 사용합니다. 노트북 을 사용하면 개별 셀을 대화식으로 실행하여 디버깅을 용이하게 할 수 있습니다. |
Python에서 처음부터 모델 공식을 작성합니다. 노트북 또는 파일에서 모델 공식을 가져오고 봅니다. 가져온 Python 모델을 직접 편집합니다. 모델을 노트북으로 익스포트하십시오. 노트북 을 사용하면 개별 셀을 대화식으로 실행하여 디버깅을 용이하게 할 수 있습니다. |
OPL에서 처음부터 모델 공식을 작성합니다. OPL 파일에서 모델 공식을 가져오고 확인합니다. 가져온 OPL 모델을 직접 편집합니다. |
CPLEX 또는 CPO에서 처음부터 모델 공식을 작성합니다. CPLEX 또는 CPO 모델 파일 (.lp, .mps및 .cpo 파일) 을 가져오십시오. .lp, .mps및 .cpo 파일을 편집하십시오. 모델을 실행하고 솔루션 파일을 다운로드합니다. |
자연어로 표시되는 제안된 옵션 중에서 선택하여 처음부터 모델 공식을 작성합니다. 특정 시나리오에서 Modeling Assistant 모델 공식을 가져오고 확인합니다. 가져온 모델을 직접 편집합니다. |
| 다중 시나리오 작성 및 비교 | 시나리오 관리를 처리하기 위한 Python 코드를 작성합니다. |
시나리오를 작성하고 관리하여 모델, 데이터 및 솔루션의 여러 인스턴스를 비교합니다. Decision Optimization 실험의 시나리오를 참조하십시오. |
|||
| 보고서 작성 및 공유 | Python 데이터 시각화 도구를 사용하여 노트북 에서 보고서를 작성하십시오. |
위젯, 페이지 및 JSON 편집기를 사용하여 시각화 보기 에서 보고서를 신속하게 작성합니다. Decision Optimization 실험의 시각화 보기를 참조하십시오. 사용자의 팀과 공유하기 위해 보고서를 JSON 파일로 다운로드합니다. |
|||
| 모델 배치 | watsonx.ai 런타임 REST API 또는 Python 클라이언트를 사용하여 노트북을 배포하세요. |
배치 영역으로 승격 준비를 저장할 시나리오를 선택하십시오. 사용자 인터페이스를 사용하여 Decision Optimization 모델 배치를 참조하십시오. Decision Optimization 지시 모델 및 연관된 공통 데이터를 한 번 배치한 후 관련 트랜잭션 데이터만 있는 이 배치에 작업 요청을 제출하십시오. watsonx.ai 런타임 REST API를 사용하거나 watsonx.ai 런타임 Python 클라이언트를 사용하여 모델을 배포할 수 있습니다. watsonx.ai 런타임 REST API 및 watsonx.ai 런타임 Python 클라이언트를 참조하세요. |
|||