Exemples de modèles et de blocs-notes pour Decision Optimization
Dernière mise à jour : 21 nov. 2024
Exemples de modèles et de blocs-notes Decision Optimization
Plusieurs exemples sont présentés dans cette documentation sous forme de tutoriels. Vous pouvez également utiliser de nombreux autres exemples fournis dans le Decision Optimization GitHub, et dans le Resource hub.
Decision Optimization Exemples d' expérimentation (Python, OPL, Modeling Assistant)
Copy link to section
Pour obtenir un guide détaillé permettant de générer, de résoudre et de déployer un modèle Decision Optimization à l'aide de l'interface utilisateur, voir le tutoriel de démarrage rapide avec vidéo.
Le tableau suivant répertorie les exemples Decision Optimization fournis dans DO-samples dans Decision Optimization GitHub. Tous ces actifs utilisent le Decision Optimizationinterface utilisateur d'expérimentation et contiennent des données.
Remarque :
Pour exécuter des modèles, vous devez associer une instance d'exécutionwatsonx.ai à votre projet et associer un espace de déploiement à votre expérience d'Decision Optimization. Vous devez également disposer du rôle Editeur ou Admindans l'espace de déploiement.
Pour utiliser ces exemples, procédez comme suit :
Téléchargez et extrayez tous les DO-samples sur votre ordinateur. Vous pouvez également télécharger un seul échantillon, mais dans ce cas, ne l'extrayez pas.
Ouvrez votre projet ou créez un projet vide.
Dans l'onglet Gérer de votre projet, sélectionnez la section Services et intégrations et cliquez sur Associer le service. Sélectionnez ensuite une instance de service Machine Learning existante (ou créez-en une) et cliquez sur Associer. Lorsque le service est associé, un message de réussite s'affiche et vous pouvez ensuite fermer la fenêtre Associer un service .
Sélectionnez l'onglet Actifs .
Sélectionnez Nouvel actif > Résoudre les problèmes d'optimisation dans la section Utiliser des modèles .
Cliquez sur Fichier local dans la fenêtre Résolution des problèmes d'optimisation qui s'ouvre.
Accédez au dossier Model_Builder dans votre fichier DO-samplestéléchargé. Sélectionnez le sous-dossier correspondant au produit et à la version en question. Choisissez votre exemple de fichier .zip et cliquez sur Ouvrir. Vous pouvez également faire glisser l'exemple dans la fenêtre.
Si vous n'avez pas encore associé un service d'exécutionwatsonx.ai à votre projet, vous devez d'abord sélectionner Ajouter un service de Machine Learning pour en sélectionner ou en créer un avant de choisir un espace de déploiement pour votre expérience.
Cliquez sur Nouvel espace de déploiement, entrez un nom et cliquez sur Créer (ou sélectionnez un espace existant dans le menu déroulant).
Cliquez sur Créer.
Un modèle Decision Optimization est créé avec le même nom que l'exemple.
Tableau 2. Decision Optimization Modèles
Modèles pour Decision Optimization
Type de problème
Type de modèle
BridgeScheduling
Planification
Modeling Assistant
Régime
Mélange
Python
DietLP
Mélange
LP (CPLEX)
EnvironmentAndExtension
Utilisation d'un environnement avec une extension qui contient un fichier de bibliothèque et un code YAML.
Python
HouseConstructionScheduling
Planification avec affectation
Modeling Assistant
IntermediateSolutions
Activation des solutions intermédiaires pour les modèles CPLEX et CPO
Python
MarketingCampaignAssignment
Affectation de ressources (Scénarios 1 à 4)
Sélection et allocation (Scénario 4 - Sélection)
Modeling Assistant
Multifichiers
Utilisation d'un modèle avec plusieurs fichiers.
Python et LP
PastaProduction
Pile
langage de modélisation d"optimisation
PortfolioAllocation
Sélection & allocation
Modeling Assistant
PythonEngineSettings
Puzzle géométrique avec des paramètres de moteur personnalisés
Python
ShiftAssignment
Affectation de ressources avec des décisions personnalisées et une contrainte personnalisée
Modeling Assistant
StaffPlanning
Planification de plusieurs scénarios
(à utiliser avec CopyAndSolveScenarios.ipynb)
Python
SupplyDemandPlanning
Approvisionnement & planification de la demande
Modeling Assistant
TalentCPO
Planification de films
CPO (CP Optimizer)
Exemples de bloc-notes Jupyter
Copy link to section
Des blocs-notes Jupyter sont également fournis dans Decision Optimization GitHub qui n'utilisent pas l' interface utilisateur d'expérimentation. Pour utiliser ces exemples de bloc-notes Python :
Téléchargez et extrayez tous les DO-samples sur votre ordinateur. Vous pouvez également télécharger un seul exemple.
Ouvrez votre projet ou créez un projet vide.
Sélectionnez l'onglet Actifs .
Sélectionnez New asset > Work with data and models in Python or R notebooks dans la section Work with models .
Sélectionnez l'onglet A partir du fichier dans la nouvelle fenêtre qui s'ouvre.
Nommez votre bloc-notes, cliquez sur Faire glisser et déposer des fichiers ou téléchargez et accédez au bloc-notes dans le dossier jupyter de vos exemples DOtéléchargés. Sélectionnez le sous-dossier correspondant au produit et à la version en question.
Cliquez sur Créer. Le bloc-notes est ajouté à votre projet.
Python notebooks dans le concentrateur de ressources
Copy link to section
Decision Optimization Python notebooks sont disponibles dans le concentrateur de ressources. Pour utiliser ces blocs-notes dans un projet existant, ouvrez un bloc-notes dans le concentrateur de ressources, cliquez sur Ajouter au projet, sélectionnez votre projet, puis cliquez sur Créer.
À propos des cookies sur ce sitePour fonctionner correctement, nos sites Internet nécessitent certains cookies (requis). En outre, d'autres cookies peuvent être utilisés avec votre consentement pour analyser l'utilisation d'un site, améliorer l'expérience des utilisateurs et à des fins publicitaires.Pour plus informations, passez en revue vos options de préférences en préférences en matière de cookies. En visitant notre site Web, vous acceptez que nous traitions les informations comme décrit dans ladéclaration de confidentialité d’IBM.Pour faciliter la navigation, vos préférences en matière de cookie seront partagées dans les domaines Web d'IBM énumérés ici.