이 문서에는 몇 가지 예제가 학습서로 제공됩니다. 또한Decision OptimizationGitHub , 그리고 리소스 허브 .
빠른 링크:
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 GitHub의 Decision 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.
예 | 다음 작업에 대한 정보 ... |
참조 |
|
---|---|---|---|
Modeling Assistant를 사용하여 스케줄링 모델을 작성하십시오. |
주택 건축 예제 |
|
|
Decision Optimization 실험 UI를 사용하여 Python 최적화 모델을 작성하십시오. |
다이어트 예제 |
|
|
다중 시나리오 예제 |
|
||
DOcplex Python 노트북을 작성하거나 가져오십시오. |
Decision Optimization 노트북 예제 |
|
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 GitHub의 DO-samples 에서 제공되는 Decision Optimization 샘플이 나열되어 있습니다. 이러한 모든 자산은 Decision Optimization 실험 UI 를 사용하며 데이터를 포함합니다.
모델을 실행하려면 watsonx.ai 런타임 인스턴스를 프로젝트에 연결하고 배포 공간을 Decision Optimization 실험에 연결해야 합니다. 편집자 또는 관리자 배치 영역의 역할도 있어야 합니다.
- 모든 DO-samples 를 컴퓨터에 다운로드하여 추출하십시오. 하나의 샘플만 다운로드할 수도 있지만 이 경우에는 추출하지 마십시오.
- 프로젝트를 열거나 빈 프로젝트를 작성하십시오.
- 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.
- 자산 탭을 선택하십시오.
- 선택하다 새 자산 > 최적화 문제 해결 에서 모델 작업 부분.
- 열리는 Decision Optimization 실험 작성 창에서 로컬 파일 을 클릭하십시오.
- 다운로드한 DO-samples에서 Model_Builder 폴더를 찾아보십시오. 관련 제품 및 버전 서브폴더를 선택하십시오. 샘플 .zip 파일을 선택하고 열기를 클릭하십시오. 또는 샘플을 창으로 끌어오십시오.
- 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.
- 새 배치 영역을 클릭하고 이름을 입력한 후 작성 을 클릭하십시오 (또는 드롭 다운 메뉴에서 기존 영역 선택).
- 작성을 클릭하십시오.
Decision Optimization 모델은 샘플과 동일한 이름으로 작성됩니다.
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
- 모든 DO-samples 를 컴퓨터에 다운로드하여 추출하십시오. 하나의 샘플만 다운로드할 수도 있습니다.
- 프로젝트를 열거나 빈 프로젝트를 작성하십시오.
- 자산 탭을 선택하십시오.
- 선택하다 새 자산 > 데이터 및 모델 작업Python 또는 R 에서 모델 작업 부분.
- 열린 새 창에서 파일에서 탭을 선택하십시오.
- 노트북의 이름을 지정하고 다운로드한 DO 샘플의 jupyter 폴더에 있는 노트북 에 대해 여기에 파일 끌어서 놓기 또는 업로드 및 찾아보기 을 클릭하십시오. 관련 제품 및 버전 서브폴더를 선택하십시오.
- 작성을 클릭하십시오. 노트북 이 프로젝트에 추가됩니다.
자원 허브 의 Python 노트북
Decision Optimization Python 노트북 은 자원 허브에서 사용 가능합니다. 기존 프로젝트에서 이러한 노트북 을 사용하려면 자원 허브에서 노트북 을 열고 프로젝트에 추가를 클릭한 후 프로젝트를 선택하고 작성을 클릭하십시오.