Cet exemple Decision Optimization Modeling Assistant vous montre comment créer des contraintes personnalisées avancées qui utilisent Python.

Pour créer une nouvelle contrainte personnalisée avancée:

1. Dans le Créer un modèle afficher de votre modèle Modeling Assistant ouvert, examinez la sous-fenêtre Suggestions . Cliquez sur l'icône Afficher tous les éléments en regard de la zone de recherche. Toutes les suggestions sont ensuite répertoriées par catégorie. Développez la section Autres pour localiser Nouvelle contrainte personnaliséeet cliquez dessus pour l'ajouter à votre modèle. Sinon, sans afficher toutes les suggestions et catégories, vous pouvez entrer, par exemple, custom dans la zone de recherche pour trouver la même suggestion et cliquer dessus pour l'ajouter à votre modèle.
   Une nouvelle contrainte personnalisée est ajoutée à votre modèle.

   

2. Cliquez sur Entrez votre contrainte. Utiliser [crochets] pour les données, les concepts, les variables ou les paramètres et entrez la contrainte à indiquer. Par exemple, entrez No [employees] has [onCallDuties] for more than [2] consecutive days et appuyez sur Entrée.
   La spécification s'affiche avec les paramètres par défaut (parameter1, parameter2, parameter3) que vous pouvez personnaliser. Ces paramètres seront transmis à la fonction Python qui implémente cette règle personnalisée.

   

3. Éditez les paramètres par défaut dans la spécification pour leur donner des noms plus significatifs. Par exemple, remplacez les paramètres par employees, on_call_dutieset limit , puis cliquez sur Entrée.
4. Cliquez sur le nom de la fonction et entrez un nom pour la fonction. Par exemple, entrez limitConsecutiveAssignments et cliquez sur Entrée.
   Votre nom de fonction est ajouté et un bouton Éditer Python apparaît.

   

5. Cliquez sur le bouton Editer Python .
   Une nouvelle fenêtre s'ouvre et vous montre le code Python que vous pouvez éditer pour implémenter votre règle personnalisée. Vous pouvez voir vos paramètres personnalisés dans le code comme suit :

   

   Notez que le code est documenté avec les structures de données et les noms de colonne de table correspondants, comme vous l'avez défini dans la règle personnalisée. La limite n'est pas documentée car il s'agit d'une valeur numérique.
6. Facultatif: vous pouvez éditer le code Python directement dans cette fenêtre, mais il peut s'avérer utile d'éditer et de déboguer votre code dans un bloc-notes avant de l'utiliser ici. Dans ce cas, fermez cette fenêtre pour l'instant et dans la sous-fenêtre Scénario , développez les trois points verticaux et sélectionnez Générer un bloc-notes pour ce scénario qui contient la règle personnalisée. Entrez un nom pour ce bloc-notes.
   Le bloc-notes est créé dans vos actifs de projet prêt à être édité et débogué selon vos soins. Une fois que vous avez édité, exécuté et débogué, vous pouvez copier le code de votre fonction personnalisée dans cette fenêtre Éditer Python dans l'assistant de modélisation.
7. Editez le code Python dans la fenêtre Modeling Assistant custom rule Edit Python .
   Par exemple, vous pouvez définir la règle pour les jours consécutifs dans Python comme suit :

       def limitConsecutiveAssignments(self, mdl, employees, on_call_duties, limit):
           global helper_add_labeled_cplex_constraint, helper_get_index_names_for_type, helper_get_column_name_for_property
           print('Adding constraints for the custom rule')
           for employee, duties in employees.associated(on_call_duties):
               duties_day_idx = duties.join(Day)  # Retrieve Day index from Day label
               for d in Day['index']:
                   end = d + limit + 1  # One must enforce that there are no occurence of (limit + 1) working consecutive days
                   duties_in_win = duties_day_idx[((duties_day_idx['index'] >= d) & (duties_day_idx['index'] <= end)) | (duties_day_idx['index'] <= end - 7)]
                   mdl.add_constraint(mdl.sum(duties_in_win.onCallDutyVar) <= limit)

8. Cliquez sur le bouton Exécuter pour exécuter votre modèle avec votre contrainte personnalisée.
   Une fois l'exécution terminée, vous pouvez voir les résultats dans le Explorer la solution afficher.