0 / 0
Zurück zur englischen Version der Dokumentation
Konfigurieren der Ausführungsparameter für ein Szenario in einem Decision Optimization Experiment
Letzte Aktualisierung: 28. Nov. 2024
Ausführungsparameter für ein Szenario in einem Decision Optimization -Experiment konfigurieren

Sie können die Ausführungsparameter für alle Szenarien in einem Decision Optimization Experimentkonfigurieren. Configuring parameters might be useful, for example, for specifying limits for the runtime, for the job memory or for indicating whether you want to see intermediate solutions or not.

Wenn Sie auf das Symbol Ausführungskonfiguration Symbol Symbol 'Ausführung konfigurieren' neben der Schaltfläche Ausführen in Daten vorbereiten, Modell erstellenoder Lösung kennenlernen Ansichtklicken, wird ein Fenster geöffnet, in dem die aktuell festgelegten Parameterwerte angezeigt werden.

Teilfenster 'Ausführungskonfiguration' für Szenario 1

In diesem Fenster können Sie verschiedene Ausführungskonfigurationsparameter auswählen und bearbeiten.

Sie können auf Parameter hinzufügen klicken und anschließend Parameter im Dropdown-Menü Parameter auswählen auswählen.

Ihren Namen Typ Beschreibung
Runtime limit Zahl Mit diesem Parameter können Sie ein Zeitlimit in Sekunden festlegen.
Log detail level Aufzählung
  • OFF
  • INFO
  • FINE
Mit diesem Parameter können Sie die Detaillierungsebene definieren, die vom Engineprotokoll bereitgestellt wird. Der Wert für Standard ist INFO.
Job memory Zahl Sie können diesen Parameter verwenden, um einen Jobspeichergrenzwert in MB festzulegen.
Intermediate solution delivery Aufzählung
  • NO
  • Every minute
  • Every 2 minutes
  • Every 5 minutes
  • Every 10 minutes
  • Every 15 minutes
Mit diesem Parameter können Sie ein Beispiel für Zwischenlösungen abrufen, während die Lösung ausgeführt wird. Der Standardwert ist NO. Dies bedeutet, dass keine Zwischenlösungen angezeigt werden. Um Zwischenlösungen anzuzeigen, setzen Sie diesen Parameter auf eine Häufigkeit. Wenn Sie diese Option festlegen, können Sie Zwischenlösungen anzeigen, indem Sie in der grafischen Darstellung, die während des Testlaufs angezeigt wird, auf Neue Daten verfügbar klicken. Die folgenden Werte, die mit der von Ihnen festgelegten Häufigkeit abgetastet werden, werden angezeigt.
  • Statistiken für maximal 3 Zwischenlösungen.
  • KPIs für maximal 3 Zwischenlösungen.
  • Die Lösungstabelle, die nur Werte aus der letzten Stichprobe enthält.
Sehen Sie sich das Beispiel IntermediateSolutions im Ordner Model_Builder der DO-samples in Decision Optimization GitHuban. Wählen Sie den entsprechenden Produkt- und Versionsunterordner aus.

Wenn Sie Benutzerdefinierter Parameter im Dropdown-Menü Parameter auswählen auswählen, können Sie die folgenden erweiterten Parameter hinzufügen.

Ihren Namen Beschreibung
Nur Modeling Assistant

Für CPLEX ma.cplex.parameters.<Python cplex-Parametername>

Für CPO ma.cpo.parameters.<Python cpo parametername>

Python -Namen für CPLEX-und CPO-Parameter können mit den Präfixen ma.cplex.parameters. oder ma.cpo.parameters. eingegeben werden.

Beispiel:

ma.cplex.parameters.mip.tolerances.absmipgap

ma.cpo.SearchType

Weitere Informationen finden Sie unter:

Nach dem Festlegen der Ausführungskonfigurationsparameter werden diese Werte für alle nachfolgenden Ausführungen für dieses Szenario verwendet.

Sie können festgelegte Parameter entfernen, indem Sie den Mauszeiger über den Parameter bewegen und auf das Symbol Entfernen klicken.

Engine-Parameter, die die Lösung der Decision Optimization steuern, können in der Ansicht Modell erstellen konfiguriert werden. Weitere Informationen finden Sie unter Konfigurieren der Engine-Einstellungen in der Ansicht Modell erstellen.

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen