0 / 0
영어 버전 문서로 돌아가기

Decision Optimization 사용 방법

마지막 업데이트 날짜: 2024년 11월 21일
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.
이는 다음 모델 유형으로 시나리오를 작성하고 실행 (해결) 하는 데 도움이 됩니다.
Python 모델
DOcplex로 이러한 모델을 작성할 수 있습니다. Decision Optimization 노트북 을 참조하십시오.
Modeling Assistant 모델
Modeling Assistant 는 OR에 대한 지식이 거의 필요하지 않고 Python 코드를 작성할 필요가 없는 자연어로 모델을 공식화하는 데 도움을 줍니다. Modeling Assistant 모델을 참조하십시오.
이 기능은 특정 모델 유형에 사용할 수 있습니다. Modeling Assistant에서 의사결정 도메인 선택을 참조하십시오.
Modeling Assistant영어로만 사용 가능 하며 다국어 지원이 되지 않습니다.
OPL 모델
OPL 모델을 작성, 가져오기 및 편집할 수 있습니다. 자세한 정보는 OPL 모델을 참조하십시오.
CPLEX 및 CPO(CP Optimizer) 모델.
.mps 파일을 작성, 가져오기 및 편집 (.lp.cpo 파일) 하고 가져오기 및 편집할 수 있습니다. 그런 다음 이를 해결하고 솔루션 파일을 다운로드할 수 있습니다.
자세한 정보는 Decision Optimization 실험을 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.

그림 1. Decision Optimization 실험 모델링 및 해결
워크플로우 및 실험을 사용하는 다양한 방법을 표시하는 차트입니다.

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 노트북Decision Optimization 실험 UI가 없는 노트북 입니다. 보는 바와 같이 Decision Optimization 실험 UI를 사용하면 더 많은 이점을 얻을 수 있습니다.

표 1. Decision Optimization ( 실험 UI 포함)
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, .mps.cpo 파일) 을 가져오십시오.

.lp, .mps.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 APIwatsonx.ai 런타임 Python 클라이언트를 참조하세요.

자세히 알아보기