Decision Optimization -Beispielmodelle und -Notebooks | IBM Cloud Pak for Data as a Service

Zurück zur englischen Version der Dokumentation

Beispielmodelle und Notebooks für Decision Optimization

Letzte Aktualisierung: 21. Nov. 2024

Decision Optimization -Beispielmodelle und -Notebooks

In dieser Dokumentation werden mehrere Beispiele als Lernprogramme dargestellt. Sie können auch viele andere Beispiele verwenden, die in derDecision OptimizationGitHub , und in der Ressourcen-Hub .

Direkte Links:

In dieser Dokumentation verwendete Beispiele
Decision Optimization -Experimentbeispiele (Python, OPL, Modeling Assistant)
Beispiele für Jupyter-Notebooks
Python -Notebooks im Ressourcenhub

Decision Optimization GitHub DO-Beispiele

Ein Repository mit Beispielen zur Verwendung mit IBM Cloud Pak for Data as a Servicefinden Sie unter Decision Optimization GitHub . Beispiele für Decision Optimization Experiment UI finden Sie im folgenden Abschnitt Decision Optimization Experiment UI -Beispiele. Dieses Repository enthält auch Jupyter Notebook Beispiele, die in Cloud Pak for Data importiert werden können. Siehe Jupyter Notebooks.

Java-Beispiel

Sehen Sie sich das Java-Modellbeispiel an, das in der Boilerplate Decision Optimization Java™ worker in Java worker GitHubbereitgestellt wird.

Beispiele, die in dieser Dokumentation beschrieben werden

In der folgenden Tabelle sind Beispielmodelle aufgelistet, die in dieser Dokumentation beschrieben werden und die Ihnen zeigen, wie Sie Decision Optimizationverwenden.

Tabelle 1. Decision Optimization Dokumentationsbeispiele
	Beispiele	Vorgehensweise zum ...	Siehe
Erstellen Sie Planungsmodelle mithilfe von Modeling Assistant.	Beispiel für Hausbau	Erstellen, bearbeiten und lösen Sie ein Planungs-und Planungsmodell mit Modeling Assistant. Erstellen und untersuchen Sie verschiedene Szenarios.	Modell mit Modeling Assistant
Erstellen Sie Python -Optimierungsmodelle mithilfe der Benutzerschnittstelle vonDecision Optimization Experiment.	Beispiel für Diät	Erstellen und lösen Sie ein Python -Modell, das aus einem vorhandenen Szenario generiert wird. Erstellen und untersuchen Sie ein neues Szenario.	Python-DOcplex-Modell auflösen
	Beispiel für mehrere Szenarios	Erstellen Sie ein Python -Modell aus einem Python notebook , das in Decision Optimization importiert wurde, und lösen Sie es. Generieren Sie mehrere Szenarios aus einem Python notebook mithilfe randomisierter Daten. Tabellen aus Szenario exportieren.	Mit mehreren Szenarios arbeiten
Erstellen oder importieren Sie DOcplex Python Notebooks.	Beispiele für Decision Optimization Notebook	Laden Sie ein Notebook herunter und fügen Sie es zu einem Projekt hinzu. Führen Sie ein Notebookaus.	Decision Optimization notebooks ausführen

Decision Optimization Experiment -Beispiele (Python, OPL, Modeling Assistant)

Eine schrittweise Anleitung zum Erstellen, Lösen und Bereitstellen eines Decision Optimization -Modells über die Benutzerschnittstelle finden Sie im Lernprogramm für den Schnelleinstieg mit Video.

In der folgenden Tabelle sind die Decision Optimization -Beispiele aufgelistet, die in DO-Beispiele in Decision Optimization GitHubbereitgestellt werden. Alle diese Assets verwenden die Benutzerschnittstelle von Decision Optimization Experiment und enthalten Daten.

Hinweis:

Um Modelle auszuführen, müssen Sie eine ' watsonx.ai Laufzeit -Instanz mit Ihrem ' Projekt und einen Bereitstellungsraum mit Ihrem ' Decision Optimization ' experiment verbinden. Sie benötigen außerdem die Rolle Editor oder Administrator im Bereitstellungsbereich.

Gehen Sie wie folgt vor, wenn Sie die Beispiele verwenden möchten:

Laden Sie alle Beispiele für Onlineressourcendefinitionen auf Ihren Computer herunter und extrahieren Sie sie. Sie können auch nur das eine Beispiel herunterladen, aber in diesem Fall nicht extrahieren.
Öffnen Sie Ihr Projekt oder erstellen Sie ein leeres Projekt.
Wählen Sie auf der Registerkarte Verwalten Ihres Projekts den Abschnitt Services und Integrationen aus und klicken Sie auf Service zuordnen. Wählen Sie dann eine vorhandene Machine Learning -Serviceinstanz aus (oder erstellen Sie eine neue) und klicken Sie auf Zuordnen. Wenn der Service zugeordnet ist, wird eine Nachricht über erfolgreiche Ausführung angezeigt und Sie können das Fenster Service zuordnen schließen.
Wählen Sie die Registerkarte Assets aus.
Wählen Neues Asset > Optimierungsprobleme lösen im Arbeiten mit Modellen Abschnitt.
Klicken Sie auf Lokale Datei im Fenster Decision Optimization , das geöffnet wird.
Navigieren Sie zum Ordner Model_Builder in Ihren heruntergeladenen DO-samples. Wählen Sie den für Sie zutreffenden Unterordner für das jeweilige Produkt und die Version aus. Wählen Sie Ihre Beispieldatei .zip aus und klicken Sie auf Öffnen. Ziehen Sie alternativ das Beispiel in das Fenster.
Wenn Sie noch keinen watsonx.ai Runtime-Dienst mit Ihrem Projekt verknüpft haben, müssen Sie zunächst einen Dienst für Machine Learning hinzufügen auswählen oder erstellen, bevor Sie einen Bereitstellungsbereich für Ihr Experiment auswählen.
Klicken Sie auf Neuer Bereitstellungsbereich, geben Sie einen Namen ein und klicken Sie auf Erstellen (oder wählen Sie einen vorhandenen Bereich im Dropdown-Menü aus).
Klicken Sie auf Erstellen.
Es wird ein Decision Optimization -Modell mit demselben Namen wie das Beispiel erstellt.

Tabelle 2. Decision Optimization Modelle
Modelle für Decision Optimization	Problemtyp	Modelltyp
BridgeScheduling	Planung	Modeling Assistant
Diet	Mischung	Python
DietLP	Mischung	LP (CPLEX)
EnvironmentAndExtension	Verwendung einer Umgebung mit einer Erweiterung, die eine Bibliotheksdatei und YAML-Code enthält.	Python
HouseConstructionScheduling	Zeitplanung mit Beauftragung	Modeling Assistant
IntermediateSolutions	Aktivieren von Zwischenlösungen für CPLEX-und CPO-Modelle	Python
MarketingCampaignAssignment	Ressourcenzuordnung (Szenarios 1-4) Auswahl und Zuordnung (Szenario 4 - Auswahl)	Modeling Assistant
Multifiles	Verwendung eines Modells mit mehreren Dateien.	Python und LP
PastaProduction	Produktion	OPL
PortfolioAllocation	Auswahl und Zuordnung	Modeling Assistant
PythonEngineSettings	Geometrisches Puzzle mit angepassten Motoreinstellungen	Python
ShiftAssignment	Ressourcenzuordnung mit angepassten Entscheidungen und einer angepassten Integritätsbedingung	Modeling Assistant
StaffPlanning	Planung mit mehreren Szenarios (zu verwenden mit CopyAndSolveScenarios.ipynb)	Python
SupplyDemandPlanning	Angebots- und Nachfrageplanung	Modeling Assistant
TalentCPO	Filmterminierung	CPO (CP Optimizer)

Jupyter Notebook Beispiele

Jupyter Notebooks werden auch im Decision Optimization GitHub zur Verfügung gestellt, die nicht das Experiment UI verwenden. Um diese Python Notebook Beispiele zu verwenden :

Laden Sie alle Beispiele für Onlineressourcendefinitionen auf Ihren Computer herunter und extrahieren Sie sie. Sie können auch nur ein einzelnes Beispiel herunterladen.
Öffnen Sie Ihr Projekt oder erstellen Sie ein leeres Projekt.
Wählen Sie die Registerkarte Assets aus.
Wählen Neues Asset > Arbeiten mit Daten und Modellen inPython oder R im Arbeiten mit Modellen Abschnitt.
Wählen Sie die Registerkarte Aus Datei im neuen Fenster aus, das geöffnet wird.
Benennen Sie Ihr Notebook, klicken Sie auf Dateien hierher ziehen und ablegen oder laden Sie hoch und navigieren Sie zum Notebook im Ordner jupyter in Ihren heruntergeladenen DO-samples. Wählen Sie den für Sie zutreffenden Unterordner für das jeweilige Produkt und die Version aus.
Klicken Sie auf Erstellen. Das Notebook wird Ihrem Projekt hinzugefügt.

Python Notebooks im Ressourcenhub

Decision Optimization Python Notebooks sind über den Ressourcenhubverfügbar. Um diese Notebooks in einem vorhandenen Projekt zu verwenden, öffnen Sie ein Notebook im Ressourcenhub, klicken Sie auf Zu Projekt hinzufügen, wählen Sie Ihr Projekt aus und klicken Sie auf Erstellen.