Decision Optimization Modeling Assistant Modelle

Sie können Decision Optimization -Probleme mithilfe von Modeling Assistant modellieren und lösen (wodurch Sie Modelle in natürlicher Sprache formulieren können). Dazu sind wenige bis keine Kenntnisse im Bereich Operational Research (OR) und keine Kenntnisse zum Verfassen von Python-Code erforderlich. Modeling Assistant ist nur in Englisch verfügbar und nicht globalisiert.

Der grundlegende Workflow zum Erstellen eines Modells mit Modeling Assistant und zum Untersuchen des Modells in verschiedenen Szenarios lautet wie folgt:

1. Sie erstellen ein Projekt.
2. Fügen Sie ein Experiment für Decision Optimization hinzu (ein Szenario wird standardmäßig in der Benutzerschnittstelle für Experimenteerstellt).
3. Sie fügen Daten hinzu und importieren sie in das Szenario.
4. Erstellen Sie im Szenario ein Modell für natürliche Sprache, indem Sie zuerst Ihre Entscheidungsdomäne auswählen und dann den Modeling Assistant als Leitfaden verwenden.
5. Sie führen das Modell aus, um eine Lösung zu generieren, und untersuchen die Lösung.
6. Sie erstellen Visualisierungen von Lösung und Daten.
7. Sie kopieren das Szenario und bearbeiten das Modell und/oder die Daten.
8. Sie generieren eine Lösung für das neue Szenario, um die Auswirkungen dieser Änderungen zu prüfen.

Dies wird mit einem einfachen Beispiel für Planung und Terminierung veranschaulicht.

Ein kurzes Video zum Ausführen eines Decision Optimization Experiments zum Erstellen, Lösen und Bereitstellen eines Modells mithilfe der Benutzerschnittstelle von Decision Optimization Experimentfinden Sie unter Erstellen, Ausführen und Bereitstellen eines Decision Optimization -Modells .

Weitere Informationen zum Deployment finden Sie unter Deployment mit watsonx.ai Runtime.