Exemples de modèles et de blocs-notes pour 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.
Exemples | Apprenez comment... |
Consultez |
|
---|---|---|---|
Créez des modèles de planification à l'aide de Modeling Assistant. |
Exemple de construction d'une maison |
|
|
Créez des modèles d'optimisation Python à l'aide de la Decision Optimization interface utilisateur d'expérimentation. |
Exemple de régime |
|
|
Exemple de scénario multiple |
|
||
Créez ou importez des blocs-notesDOcplex Python . |
Exemples de bloc-notes Decision Optimization |
|
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.
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.
- 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.
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
- 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
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.