この資料では、いくつかの例をチュートリアルとして示しています。 また、Decision Optimization GitHubやリソースハブで提供されている他の多くの例も使うことができます。
クイック・リンク:
Decision Optimization GitHub DO サンプル
IBM watsonx.aiで使用するサンプルのリポジトリーについては、 Decision Optimization GitHub を参照してください。 Decision Optimization エクスペリメント UI サンプルについては、 Decision Optimization エクスペリメント UI サンプルのセクションを参照してください。 このリポジトリーには、 watsonx.aiにインポートできる Jupyter ノートブック のサンプルも含まれています。 Jupyter ノートブックを参照してください。
Java の例
Java ワーカー GitHubの Decision Optimization Java™ ワーカー のボイラープレートで提供されている Java モデルの例を参照してください。
本書で説明されている例
以下の表に、この資料で説明されているサンプル・モデルと、 Decision Optimizationの使用方法を示すモデルをリストします。
| 例 | 学習方法 |
を参照してください |
|
|---|---|---|---|
Modeling Assistantを使用してスケジューリング・モデルを作成します。 |
住宅建設の例 |
|
|
Decision Optimization エクスペリメント UIを使用して、 Python 最適化モデルを作成します。 |
規定食の例 |
|
|
複数のシナリオの例 |
|
||
DOcplex Python ノートブックを作成またはインポートします。 |
Decision Optimization ノートブック の例 |
|
Decision Optimization エクスペリメント のサンプル (Python、OPL、 Modeling Assistant)
ユーザー・インターフェースを使用して Decision Optimization モデルを作成、解決、およびデプロイするためのステップバイステップ・ガイドについては、 ビデオによるクイック・スタート・チュートリアルを参照してください。
以下の表に、 Decision Optimization GitHubの DO-samples に用意されている Decision Optimization サンプルをリストします。 これらのアセットはすべて、 Decision Optimization エクスペリメント UI を使用し、データを含んでいます。
モデルを実行するには、watsonx.aiRuntimeインスタンスをプロジェクトに 関連付け、Decision Optimization 実験にデプロイメントスペースを関連付ける必要があります。 また、 編集者 または 管理者 デプロイメント・スペースでの役割も必要です。
- すべての DO サンプル をコンピューターにダウンロードして解凍します。 1 つのサンプルのみをダウンロードすることもできますが、この場合は解凍しないでください。
- プロジェクトを開くか、空のプロジェクトを作成します。
- プロジェクトの 管理 タブで、 サービスと統合 セクションを選択し、 サービスの関連付けをクリックします。 次に、既存の Machine Learning サービス・インスタンスを選択します (または新規作成します)。 「関連付け」をクリックします。 サービスが関連付けられると、成功メッセージが表示され、 「サービスの関連付け」 ウィンドウを閉じることができます。
- 「資産」 タブを選択します。
- モデルの処理 セクションで 「新規資産」>「最適化問題の解決」 を選択します。
- 開いた 「最適化の問題の求解 (Solve optimization problems)」 ウィンドウで 「ローカル・ファイル」 をクリックします。
- ダウンロードした DO-samples内の Model_Builder フォルダーを参照します。 該当する製品およびバージョンのサブフォルダーを選択します。 サンプル .zip ファイルを選択し、 「開く」をクリックします。 あるいは、サンプルをウィンドウにドラッグします。
- まだwatsonx.aiRuntimeサービスをプロジェクトに関連付けていない場合は、実験用のデプロイメントスペースを選択する前に、まずAdd aMachine Learningservice を選択してサービスを選択または作成する必要があります。
- 「新規デプロイメント・スペース」をクリックし、名前を入力して、 「作成」 をクリックします (またはドロップダウン・メニューから既存のスペースを選択します)。
- 「作成」 をクリックします。
Decision Optimization モデルは、サンプルと同じ名前で作成されます。
| Decision Optimization のモデル | 問題のタイプ | モデル・タイプ |
|---|---|---|
| BridgeScheduling | スケジューリング | Modeling Assistant |
| 規定食 | 混合 | Python |
| DietLP | 混合 | LP ( CPLEX) |
| EnvironmentAndExtension | ライブラリー・ファイルと YAML コードを含む拡張子を持つ環境を使用する。 | Python |
| HouseConstructionScheduling | 割り当てによるスケジューリング | Modeling Assistant |
| IntermediateSolutions | CPLEX モデルおよび CPO モデルの中間解の有効化 | Python |
| MarketingCampaignAssignment | リソース割り当て (シナリオ 1 から 4) 選択および割り振り (シナリオ 4 - 選択) |
Modeling Assistant |
| 複数ファイル | 複数ファイルによるモデルの使用。 | Python と LP |
| PastaProduction | 実動 | OPL |
| PortfolioAllocation | 選択および割り振り | Modeling Assistant |
| PythonEngineSettings | カスタマイズされたエンジン設定での幾何学的パズル | Python |
| ShiftAssignment | カスタム決定とカスタム制約を伴うリソース割り当て | Modeling Assistant |
| StaffPlanning | 複数シナリオ計画 ( CopyAndSolveScenarios.ipynbと共に使用) |
Python |
| SupplyDemandPlanning | 需要と供給の計画 | Modeling Assistant |
| TalentCPO | ムービー・スケジューリング | CPO (CP Optimizer) |
Jupyter ノートブック のサンプル
- すべての DO サンプル をコンピューターにダウンロードして解凍します。 サンプルを 1 つだけダウンロードすることもできます。
- プロジェクトを開くか、空のプロジェクトを作成します。
- 「資産」 タブを選択します。
- モデルの処理 セクションで 新規資産> Python または R ノートブックでのデータおよびモデルの処理 を選択します。
- 開いた新規ウィンドウで 「ファイルから」 タブを選択します。
- ノートブックに名前を付け、 ファイルのドラッグ・アンド・ドロップまたはアップロード およびブラウズ をクリックして、ダウンロードした DO-サンプルの jupyter フォルダー内の ノートブック に移動します。 該当する製品およびバージョンのサブフォルダーを選択します。
- 「作成」 をクリックします。 ノートブック がプロジェクトに追加されます。
リソース・ハブ の Python ノートブック
Decision Optimization Python ノートブック は、 リソース・ハブから入手できます。 これらの ノートブック を既存のプロジェクトで使用するには、 リソース・ハブで ノートブック を開き、 「プロジェクトに追加」をクリックし、プロジェクトを選択して、 「作成」をクリックします。