0 / 0
영어 버전 문서로 돌아가기
Decision Optimization 의 샘플 모델 및 노트북
마지막 업데이트 날짜: 2024년 11월 21일
Decision Optimization 샘플 모델 및 노트북

이 문서에는 몇 가지 예제가 학습서로 제공됩니다. 또한Decision OptimizationGitHub , 그리고 리소스 허브 .

Decision Optimization GitHub DO 샘플

IBM Cloud Pak for Data as a Service와 함께 사용할 샘플 저장소는 Decision Optimization GitHub 를 참조하십시오. Decision Optimization 실험 UI 샘플의 경우, Decision Optimization 실험 UI 샘플절을 참조하십시오. This repository also contains Jupyter 노트북 samples that can be imported into Cloud Pak for Data. Jupyter 노트북를 참조하세요.

Java 예

Java 작업자 GitHubDecision Optimization Java™ 작업자 표준 유형에 제공된 Java 모델 예제를 참조하십시오.

이 문서에 설명된 예제

다음 표에는 이 문서에 설명되어 있고 Decision Optimization사용 방법을 보여주는 예제 모델이 나열되어 있습니다.

표 1. Decision Optimization 문서 예제
 

다음 작업에 대한 정보 ...

참조

Modeling Assistant를 사용하여 스케줄링 모델을 작성하십시오.

주택 건축 예제

  • Modeling Assistant를 사용하여 계획 및 스케줄링 모델을 작성, 편집 및 해결합니다.
  • 다른 시나리오를 작성하고 검사하십시오.

Modeling Assistant 를 사용하여 모델 해결

Decision Optimization 실험 UI를 사용하여 Python 최적화 모델을 작성하십시오.

다이어트 예제

  • 기존 시나리오에서 생성된 Python 모델을 작성하고 해결합니다.
  • 새 시나리오를 작성하고 검사하십시오.

Python DOcplex 모델 해결

다중 시나리오 예제

  • Decision Optimization 으로 가져온 Python notebook 에서 Python 모델을 작성하고 이를 해결하십시오.
  • 무작위 데이터를 사용하여 Python notebook 에서 다중 시나리오를 생성합니다.
  • 시나리오에서 테이블을 내보냅니다.

다중 시나리오 관련 작업

DOcplex Python 노트북을 작성하거나 가져오십시오.

Decision Optimization 노트북 예제

  • 노트북 을 다운로드하여 프로젝트에 추가하십시오.
  • 노트북을 실행하십시오.

Decision Optimization 실행 notebooks

Decision Optimization 실험 샘플 (Python, OPL, Modeling Assistant)

사용자 인터페이스를 사용하여 Decision Optimization 모델을 빌드, 해결 및 배치하는 단계별 안내서는 비디오를 사용한 빠른 시작 학습서를 참조하십시오.

다음 표에는 Decision Optimization GitHubDO-samples 에서 제공되는 Decision Optimization 샘플이 나열되어 있습니다. 이러한 모든 자산은 Decision Optimization 실험 UI 를 사용하며 데이터를 포함합니다.

참고:

모델을 실행하려면 watsonx.ai 런타임 인스턴스를 프로젝트에 연결하고 배포 공간을 Decision Optimization 실험에 연결해야 합니다. 편집자 또는 관리자 배치 영역의 역할도 있어야 합니다.

이러한 샘플을 사용하려면 다음 작업을 수행하십시오.
  1. 모든 DO-samples 를 컴퓨터에 다운로드하여 추출하십시오. 하나의 샘플만 다운로드할 수도 있지만 이 경우에는 추출하지 마십시오.
  2. 프로젝트를 열거나 빈 프로젝트를 작성하십시오.
  3. 프로젝트의 관리 탭에서 서비스 및 통합 섹션을 선택하고 서비스 연계를 클릭하십시오. 그런 다음 기존 Machine Learning 서비스 인스턴스를 선택하십시오 (또는 새로 작성). 연관을 클릭하십시오. 서비스가 연관되면 성공 메시지가 표시되고 서비스 연관 창을 닫을 수 있습니다.
  4. 자산 탭을 선택하십시오.
  5. 선택하다 새 자산 > 최적화 문제 해결 에서 모델 작업 부분.
  6. 열리는 Decision Optimization 실험 작성 창에서 로컬 파일 을 클릭하십시오.
  7. 다운로드한 DO-samples에서 Model_Builder 폴더를 찾아보십시오. 관련 제품 및 버전 서브폴더를 선택하십시오. 샘플 .zip 파일을 선택하고 열기를 클릭하십시오. 또는 샘플을 창으로 끌어오십시오.
  8. 프로젝트에 아직 watsonx.ai 런타임 서비스를 연결하지 않은 경우, 실험을 위한 배포 공간을 선택하기 전에 먼저 Machine Learning 서비스 추가를 선택하여 서비스를 선택하거나 만들어야 합니다.
  9. 새 배치 영역을 클릭하고 이름을 입력한 후 작성 을 클릭하십시오 (또는 드롭 다운 메뉴에서 기존 영역 선택).
  10. 작성을 클릭하십시오.

    Decision Optimization 모델은 샘플과 동일한 이름으로 작성됩니다.

표 2. Decision Optimization 모델
Decision Optimization 모델는 수니다. 문제점 유형 모델 유형
BridgeScheduling 스케줄링 Modeling Assistant
다이어트 혼합 Python
DietLP 혼합 LP(CPLEX)
EnvironmentAndExtension 라이브러리 파일과 YAML 코드가 포함된 확장자가 있는 환경을 사용합니다. Python
HouseConstructionScheduling 지정이 포함된 스케줄링 Modeling Assistant
IntermediateSolutions CPLEX및 CPO 모델에 대한 중간 솔루션 사용 Python
MarketingCampaignAssignment 리소스 지정(시나리오 1 - 4)

선택 및 할당(시나리오 4 - 선택)

Modeling Assistant
Multifile 복수의 파일이 포함된 모델 사용 Python 및 LP
PastaProduction 프로덕션 OPL
PortfolioAllocation 선택 및 할당 Modeling Assistant
PythonEngineSettings 사용자 정의된 엔진 설정이 있는 기하학적 퍼즐 Python
ShiftAssignment 사용자 정의 의사결정 및 사용자 정의 제한조건이 있는 자원 지정 Modeling Assistant
StaffPlanning 다중 시나리오 계획

(CopyAndSolveScenarios.ipynb과(와) 함께 사용됨)

Python
SupplyDemandPlanning 수요 및 공급 계획 Modeling Assistant
TalentCPO 영화 스케줄링 CPO(CP Optimizer)

Jupyter 노트북 샘플

Jupyter 노트북실험 UI을 사용하지 않는 Decision Optimization GitHub에도 제공됩니다. 이 Python 노트북 샘플을 사용하려면 :
  1. 모든 DO-samples 를 컴퓨터에 다운로드하여 추출하십시오. 하나의 샘플만 다운로드할 수도 있습니다.
  2. 프로젝트를 열거나 빈 프로젝트를 작성하십시오.
  3. 자산 탭을 선택하십시오.
  4. 선택하다 새 자산 > 데이터 및 모델 작업Python 또는 R 에서 모델 작업 부분.
  5. 열린 새 창에서 파일에서 탭을 선택하십시오.
  6. 노트북의 이름을 지정하고 다운로드한 DO 샘플jupyter 폴더에 있는 노트북 에 대해 여기에 파일 끌어서 놓기 또는 업로드 및 찾아보기 을 클릭하십시오. 관련 제품 및 버전 서브폴더를 선택하십시오.
  7. 작성을 클릭하십시오. 노트북 이 프로젝트에 추가됩니다.

자원 허브 의 Python 노트북

Decision Optimization Python 노트북자원 허브에서 사용 가능합니다. 기존 프로젝트에서 이러한 노트북 을 사용하려면 자원 허브에서 노트북 을 열고 프로젝트에 추가를 클릭한 후 프로젝트를 선택하고 작성을 클릭하십시오.

일반적인 AI 검색 및 응답
이러한 응답은 제품 문서의 컨텐츠를 기반으로 하는 watsonx.ai 의 대형 언어 모델에 의해 생성됩니다. 자세히 알아보기