IBM® Decision Optimization bietet Ihnen Zugriff auf die erstklassigen IBMLösungsengines für mathematische Programmierung und Constraintprogrammierung. Sie können Decision Optimization -Modelle entweder mit Notebooks oder mit dem leistungsfähigen Decision Optimization Benutzerschnittstelle für Experimente (Betaversion) erstellen. Hier können Sie Modelle importieren, erstellen oder bearbeiten. Um Ihre Modelle zu erstellen oder zu bearbeiten, können Sie Python, OPL oder die natürlichsprachlichen Ausdrücke verwenden, die vom intelligenten Modeling Assistant (Beta-Version) bereitgestellt werden. Sie können Modelle auch mit watsonx.ai Runtime bereitstellen.
- Datenformat
- Tabellarisch: Dateien
.csv,.xls,.json. Siehe Eingabedaten in einem Experiment von Decision Optimization vorbereiten .Daten aus verbundenen Datenassets
Für den Einsatz siehe Modelleingabe- und Ausgabedateiformate für Decision Optimization
- Datenmenge
- Beliebig
Zugriff auf Decision Optimization
Führen Sie die folgenden Schritte aus, um ein Decision Optimization Experimentzu erstellen:
- Öffnen Sie Ihr Projekt oder erstellen Sie ein leeres Projekt.
- Wählen Sie die Registerkarte Assets aus.
- Wählen Sie Neues Asset > Optimierungsprobleme lösen im Abschnitt Mit Modellen arbeiten aus.
- Wenn Sie noch keine watsonx.ai Runtime Service-Instanz mit Ihrem Projekt verknüpft haben, klicken Sie auf Add a Machine Learning Service. Wählen Sie einen Dienst aus und klicken Sie auf Zuordnen.
- Klicken Sie auf Neuer Bereitstellungsbereich, geben einen Namen ein und klicken Sie auf Erstellen (oder wählen Sie einen vorhandenen Bereich aus).
- Geben Sie einen Namen für Ihr Decision Optimization Experiment ein und klicken Sie auf Erstellen.
Die Decision Optimization Experimentbenutzerschnittstelle (Betaversion) wird geöffnet, in der Sie Modelle erstellen und bearbeiten können, die mit Modeling Assistantoder in Python DOcplexoder in OPLformuliert wurden.
Führen Sie alternativ die folgenden Schritte aus, um Decision Optimization Notebooks (ohne Decision Optimization Experiment UI) zu öffnen und auszuführen.
- Wählen Sie die Registerkarte Assets aus.
- Wählen Sie Neues Asset > Mit Daten und Modellen in Python oder R-Notebooks arbeiten im Abschnitt Mit Modellen arbeiten aus.
Eine schrittweise Anleitung zum Erstellen, Lösen und Bereitstellen eines Decision Optimization -Modells über die Benutzerschnittstelle finden Sie im Lernprogramm für den Schnelleinstieg mit Video.
Was ist Decision Optimization?
Optimierung wird häufig in der Bedeutung Verbesserung verwendet. Obwohl die Optimierung die Dinge oft besser macht, bedeutet sie viel mehr: Optimierung bedeutet, die am besten geeignete Lösung für eine genau definierte Situation zu finden . Es handelt sich um eine hoch entwickelte Analysetechnologie, die auch als Prescriptive Analyticsbezeichnet wird. Sie kann eine Vielzahl möglicher Szenarien untersuchen und den besten Weg vorschlagen, um auf eine gegenwärtige oder zukünftige Situation zu reagieren.
- Die Situation ist in der Regel ein Geschäftsproblem, wie zum Beispiel Planung, Terminierung, Preisgestaltung, Bestands- oder Ressourcenmanagement.
- Wie auch immer das Problem gelagert ist, es beginnt mit dem Optimierungsmodell. Dabei handelt es sich um die mathematische Formulierung des Problems, die interpretiert und durch eine Optimierungsengine gelöst werden kann. Das Optimierungsmodell gibt die Beziehungen zwischen den Zielen, Bedingungen, Bedingungen und Auswahlmöglichkeiten an, die an den Entscheidungen beteiligt sind. Aber es sind die Eingabedaten, die diese Beziehungen konkret machen. Ein Optimierungsmodell für die Produktionsplanung kann zum Beispiel die gleiche Form haben, ob Sie drei Produkte oder tausend produzieren. Das Optimierungsmodell plus die Eingabedaten erstellen eine Instanz eines Optimierungsproblems.
- Optimierungsengines (oder Solver) wenden mathematische Algorithmen zur Ermittlung einer Lösung an. Eine Lösung wiederum ist eine Gruppe von Entscheidungen, die die besten Werte für die Ziele unter Einhaltung der festgelegten Bedingungen und Einschränkungen liefern. Die Optimierungsengine implementiert spezialisierte Algorithmen, die entwickelt und optimiert werden, um eine Vielzahl verschiedener Probleme effizient zu lösen. Decision Optimization verwendet die IBM CPLEX ®-und CP Optimizer-Engines, die sich bei der Lösung von realen Anwendungen als leistungsfähig erwiesen haben.
- Die Lösung , die aus dem Solver hervorgeht, enthält Details zu den empfohlenen Werten für alle Entscheidungen, die im Modell dargestellt werden. Ebenso wichtig sind die Metrikwerte, die die Ziele darstellen. Diese Werte messen die Qualität der Lösung in Bezug auf die Geschäftsziele.
- All dies kann Geschäftsbenutzern mit einer ergänzenden Geschäftsanwendung zur Verfügung gestellt werden. In der Regel werden die Ziel- und Lösungswerte in tabellarischen oder grafischen Ansichten zusammengefasst, die Verständnis und Einsicht ermöglichen.
Schulungen zur Verwendung von Decision Optimization in watsonx.aifinden Sie unter Mathematical Optimization for Business Problems Training.