Modelli di esempio e notebook per Decision Optimization
Diversi esempi sono presentati in questa documentazione come esercitazioni. È inoltre possibile utilizzare molti altri esempi forniti nel Decision Optimization GitHub e nel Nodo delle risorse.
Link rapidi:
Decision Optimization GitHub DO - esempi
Vedi Decision Optimization GitHub per un repository di esempi da utilizzare con IBM watsonx.ai. Per gli esempi Decision Optimization experiment UI , vedi la sezione seguente Decision Optimization experiment UI samples. Questo repository contiene anche esempi Jupyter notebook che possono essere importati in watsonx.ai. Vedi Jupyter notebooks.
esempio Java
Vedi l'esempio di modello Java fornito nel contenitore tipo Decision Optimization Java™ worker nel Java worker GitHub.
Esempi descritti in questa documentazione
La seguente tabella elenca i modelli di esempio descritti in questa documentazione e mostra come utilizzare Decision Optimization.
| Esempi | Scopri come ... |
Visualizza |
|
|---|---|---|---|
Creare modelli di pianificazione utilizzando Modeling Assistant. |
Esempio di costruzione di una casa |
|
|
Creare modelli di ottimizzazione Python utilizzando Decision Optimization UI esperimento. |
Esempio di dieta |
|
|
Esempio di scenari multipli |
|
||
Creare o importare DOcplex Python notebook. |
Decision Optimization notebook esempi |
|
Decision Optimization esperimento esempi (Python, OPL, Modeling Assistant)
Per una guida dettagliata per creare, risolvere e distribuire un modello di Decision Optimization , utilizzando l'interfaccia utente, vedi l' Esercitazione di avvio rapido con il video.
La seguente tabella elenca gli esempi Decision Optimization forniti in DO - samples in Decision Optimization GitHub. Tutti questi asset utilizzano la UI di esperimento Decision Optimization e contengono dati.
Per eseguire i modelli, è necessario associare un'istanza di watsonx.ai Runtime al proprio progetto e associare uno spazio di distribuzione all'esperimento Decision Optimization. Devi anche avere il ruolo Editor o Admin nello spazio di distribuzione.
- Scaricare ed estrarre tutti gli esempi DO sul computer. È anche possibile scaricare solo un campione, ma in questo caso, non estrarlo.
- Aprire il progetto o creare un progetto vuoto.
- Nella scheda Gestisci del tuo progetto, seleziona la sezione Servizi e integrazioni e fai clic su Associa servizio. Quindi selezionare un'istanza del servizio Machine Learning esistente (o crearne una nuova) e fare clic su Associa. Quando il servizio è associato, viene visualizzato un messaggio di esito positivo ed è possibile chiudere la finestra Associa servizio .
- Selezionare la scheda Asset .
- Selezionare Nuovo asset> Risoluzione dei problemi di ottimizzazione nella sezione Gestisci modelli .
- Fare clic su File locale nella finestra Risolvere problemi di ottimizzazione che si apre.
- Passare alla cartella Model_Builder nel DO - samplesscaricato. Selezionare la sottocartella relativa al prodotto e alla versione. Scegliere il file .zip di esempio e fare clic su Apri. In alternativa, trascinare l'esempio nella finestra.
- Se non si è già associato un servizio watsonx.ai Runtime al progetto, è necessario selezionare Aggiungi un servizio di Machine Learning per selezionarne o crearne uno prima di scegliere uno spazio di distribuzione per l'esperimento.
- Fare clic su Nuovo spazio di distribuzione, immettere un nome e fare clic su Crea (o selezionare uno spazio esistente dal menu a discesa).
- Fare clic su Crea.
Un modello Decision Optimization viene creato con lo stesso nome dell'esempio.
| Modelli per Decision Optimization | Tipo di problema | Tipo di modello |
|---|---|---|
| BridgeScheduling | Pianificazione | Modeling Assistant |
| Dieta | Sfumatura | Python |
| DietLP | Sfumatura | LP (CPLEX) |
| EnvironmentAndExtension | Utilizzo di un ambiente con un'estensione che contiene un file di libreria e codice YAML. | Python |
| HouseConstructionScheduling | Pianificazione con assegnazione | Modeling Assistant |
| IntermediateSolutions | Soluzioni intermedie per modelli CPLEX e CPO | Python |
| MarketingCampaignAssignment | Assegnazione risorse (Scenari 1 - 4) Selezione e allocazione (Scenario 4 - Selezione) |
Modeling Assistant |
| Più file | Utilizzo di un modello con più file. | Python e LP |
| PastaProduction | Produzione | OPL |
| PortfolioAllocation | Selezione & Allocazione | Modeling Assistant |
| PythonEngineSettings | Puzzle geometrico con impostazioni del motore personalizzate | Python |
| ShiftAssignment | Assegnazione di risorse con decisioni personalizzate e un vincolo personalizzato | Modeling Assistant |
| StaffPlanning | Pianificazione multi - scenario (da utilizzare con CopyAndSolveScenarios.ipynb) |
Python |
| SupplyDemandPlanning | Pianificazione della domanda e dell'offerta | Modeling Assistant |
| TalentCPO | Pianificazione dei filmati | CPO (CP Optimizer) |
Esempi Jupyter notebook
- Scaricare ed estrarre tutti gli esempi DO sul computer. È anche possibile scaricare un solo esempio.
- Aprire il progetto o creare un progetto vuoto.
- Selezionare la scheda Asset .
- Selezionare Nuovo asset> Gestisci dati e modelli in Python o notebook R nella sezione Gestisci modelli .
- Selezionare la scheda Da file nella nuova finestra che si apre.
- Denominare notebook, fare clic su Trascina e rilascia file o carica e sfoglia per notebook nella cartella jupyter nel DO - esempiscaricato. Selezionare la sottocartella relativa al prodotto e alla versione.
- Fare clic su Crea. Il notebook viene aggiunto al progetto.
Python notebooks in Resource hub
Decision Optimization Python notebooks sono disponibili presso Resource hub. Per utilizzare questi notebook in un progetto esistente, aprire un notebook nell' Hub di risorse, fare clic su Aggiungi a progetto, selezionare il progetto e fare clic su Crea.