0 / 0
Retourner à la version anglaise de la documentation

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.

Liens rapides:

Decision Optimization GitHub DO-samples

Voir Decision Optimization GitHub pour un référentiel d'exemples à utiliser avec IBM watsonx.ai. Pour les exemples Decision Optimization interface utilisateur de l'expérimentation , voir la section suivante Decision Optimization interface utilisateur de l'expérimentation samples. Ce référentiel contient également des exemples de bloc-notes Jupyter qui peuvent être importés dans watsonx.ai. Voir Jupyter notebooks.

Exemple Java

Consultez l'exemple de modèle Java fourni dans le conteneur boilerplate Decision Optimization Java™ worker dans Java worker GitHub.

Exemples décrits dans cette documentation

Le tableau suivant répertorie des exemples de modèles décrits dans cette documentation et qui vous montrent comment utiliser Decision Optimization.

Tableau 1. Decision Optimization
  Exemples

Apprenez comment...

Consultez

Créez des modèles de planification à l'aide de Modeling Assistant.

Exemple de construction d'une maison
  • Créez, éditez et résolvez un modèle de planification et de planification avec Modeling Assistant.
  • Créez et examinez différents scénarios.

Résolution d'un modèle à l'aide de Modeling Assistant

Créez des modèles d'optimisation Python à l'aide de la Decision Optimization interface utilisateur d'expérimentation.

Exemple de régime
  • Créez et résolvez un modèle Python généré à partir d'un scénario existant.
  • Créez et examinez un nouveau scénario.

Résolution d'un modèle DOcplex Python

Exemple de scénario multiple
  • Créez un modèle Python à partir d'un modèle Python notebook importé dans Decision Optimization et résolvez-le.
  • Générez plusieurs scénarios à partir d'un Python notebook en utilisant des données aléatoires.
  • Exportez les tables à partir du scénario.

Utilisation de plusieurs scénarios

Créez ou importez des blocs-notesDOcplex Python .

Exemples de bloc-notes Decision Optimization
  • Téléchargez un bloc-notes et ajoutez-le à un projet.
  • Exécutez un bloc-notes.

Exécution de Decision Optimization notebooks

Decision Optimization Exemples d' expérimentation (Python, OPL, Modeling Assistant)

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 Optimization interface 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 Admin dans l'espace de déploiement.

Pour utiliser ces exemples, procédez comme suit :
  1. 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.
  2. Ouvrez votre projet ou créez un projet vide.
  3. 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 .
  4. Sélectionnez l'onglet Actifs .
  5. Sélectionnez Nouvel actif > Résoudre les problèmes d'optimisation dans la section Utiliser des modèles .
  6. Cliquez sur Fichier local dans la fenêtre Résolution des problèmes d'optimisation qui s'ouvre.
  7. 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.
  8. 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.
  9. Cliquez sur Nouvel espace de déploiement, entrez un nom et cliquez sur Créer (ou sélectionnez un espace existant dans le menu déroulant).
  10. 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

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 :
  1. Téléchargez et extrayez tous les DO-samples sur votre ordinateur. Vous pouvez également télécharger un seul exemple.
  2. Ouvrez votre projet ou créez un projet vide.
  3. Sélectionnez l'onglet Actifs .
  4. Sélectionnez New asset > Work with data and models in Python or R notebooks dans la section Work with models .
  5. Sélectionnez l'onglet A partir du fichier dans la nouvelle fenêtre qui s'ouvre.
  6. 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.
  7. Cliquez sur Créer. Le bloc-notes est ajouté à votre projet.

Python notebooks dans le concentrateur de ressources

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.