Dateiformate für Decision Optimization -Modelleingabe-und -ausgabedaten

Zurück zur englischen Version der Dokumentation

Dateiformate für Modelleingabe- und Ausgabedaten für Decision Optimization

Letzte Aktualisierung: 05. Dez. 2024

Dateiformate für Decision Optimization -Modelleingabe-und -ausgabedaten

Mit Ihrem Decision Optimization -Modell können Sie die folgenden Eingabe-und Ausgabedatenkennungen und Erweiterungskombinationen verwenden.

Diese Tabelle zeigt die unterstützten Dateitypkombinationen für Decision Optimization for Deployment:

Modelltyp	Eingabedateityp	Ausgabedateityp	Kommentare
`cplex`	`.lp` `.mps` `.sav` `.feasibility` `.prm` `.jar` für Java™ -Modelle	`.xml` `.json` Der Name der Ausgabedatei muss solution sein.	Das Ausgabeformat kann über die API angegeben werden. Dateien des Typs `.lp`, `.mps`und `.sav` können mit `gzip` oder `bzip2`komprimiert und als `.lp.gz` oder `.sav.bz2`hochgeladen werden. Die Schemas für die CPLEX-Formate für Lösungen, Konflikte und Machbarkeitsdateien stehen Ihnen im Archiv cplex_xsds.zip von Decision Optimization githubzum Herunterladen zur Verfügung.
`cpo`	`.cpo` `.jar` für Java -Modelle	`.xml` `.json` Der Name der Ausgabedatei muss solution sein.	Das Ausgabeformat kann mit Hilfe eines Laufparameters festgelegt werden. Für das native Dateiformat für CPO-Modelle siehe: CP Optimizer Dateiformat Syntax.
`opl`	`.mod` `.dat` `.oplproject` `.xlsx (deprecated)` `.json` `.csv` `.jar` für Java -Modelle	`.xml` `.json` `.txt` `.csv` `.xlsx (deprecated)`	Das Ausgabeformat stimmt mit dem Eingabetyp überein, kann aber bei Bedarf mit Hilfe eines Laufparameters festgelegt werden. Um eine Verbindung zu Microsoft Excel-Dateien herzustellen, verwenden Sie einen Daten-Connector. Der Data-Connector wandelt Ihre Excel-Datei in eine ' `.csv` -Datei um. Nur Modelle, die mit Tupelgruppen definiert sind, können bereitgestellt werden. Andere OPL-Strukturen werden nicht unterstützt. Zum Lesen und Schreiben von Eingaben und Ausgaben in OPL siehe OPL-Modelle.
`docplex`	`.py` `.` (Eingabedaten)	Jeder Ausgabedateityp, der im Modell angegeben ist.	Jedes Format kann in Ihrem Python-Code verwendet werden, aber um Datenconnectors nutzen zu können, müssen Sie das Format `.csv` verwenden. Zum Lesen und Schreiben von Eingabe und Ausgabe in Python verwenden Sie die Befehle `get_input_stream("filename")` und `get_output_stream("filename")`. Siehe DOcplex API sum Beispiel

Einschränkungen für Datenkennungen

Bei Dateinamen gelten folgende Einschränkungen:

Sie sind auf 255 Zeichen begrenzt.
Sie können nur ASCII-Zeichen enthalten.
Darf nicht die Zeichen /\?%*:|"<>, das Leerzeichen oder das Nullzeichen enthalten
'_' kann nicht als erstes Zeichen verwendet werden.

Referenzierte Daten

Bei der Verwendung von Daten-Assets oder Verbindungs-Assets für tabellarische Daten ist unabhängig vom Asset-Typ " .csv als Datenbezeichner-Erweiterung im Feld " id zu verwenden. Der Data-Connector führt die notwendigen Transformationen durch, so dass Sie Daten laden oder speichern können, ohne das Format der Daten ändern zu müssen. Sie können also dasselbe Decision Optimization mit vielen verschiedenen Datenquellentypen und -formaten verwenden, indem Sie einen Datenkonnektor verwenden, um sowohl auf die Quell- als auch auf die Zieldaten zu verweisen. Wenn Sie andere Datenbezeichner-Erweiterungen verwenden, werden die Daten als Rohdaten-Binärdatei ohne jegliche Umwandlung geladen oder gespeichert. Weitere Informationen finden Sie unter Eingabedatenquellen für Decision Optimization und Ausgabedaten für Decision Optimization.