优化建模

功能
产品
资源
与专家交谈
深入挖掘

利用优化和数据科学加速业务决策。

观看网络研讨会

如何使用 IBM Decision Optimization 构建优化模型

当您尝试对涉及过多因素的问题做出艰难决策时，IBM Decision Optimization 系列产品可以帮助您捕获关键组件，构建业务情况的数学模型，从而让您有信心更快地做出更明智的决策。

对于您尝试解决的业务问题，优化模型就是其关键特征的转换。模型由三个元素组成：目标函数、决策变量和业务约束。

IBM Decision Optimization 系列产品支持多种方法来帮助您构建优化模型：

ㅤㅤ ㅤㅤ ㅤㅤ

借助 IBM ILOG® CPLEX® Optimization Studio，您可以适应优化编程语言或可用的应用程序编程接口之一，比如 Python、Java™、C、C++ 或 C# API。

借助 IBM Decision Optimization for Watson Studio，您可以使用 Python API 或 Optimization Modeling Assistant 构建模型。

优化编程语言 (OPL)

IBM ILOG CPLEX Optimization Studio 为您提供了在集成式开发环境中使用优化编程语言 (OPL) 编写模型的选项。
OPL 提供了优化模型的自然数学描述。用于数学规划模型的高级别语法，与通用编程语言相比，可以生成实质上更简单和更短的代码。预期将减少工作量并提高应用开发、升级和维护的可靠性。OPL 的强大语法支持使用数学规划和约束规划来建模和求解问题所需的所有表达式。
OPL 支持数学规划模型以及约束规划模型。您可以在索引集上定义决策变量和决策表达式，以表示受变量和表达式影响的选项。使用 OPL 时，可以开发、调试、测试和调优数学规划、约束规划和基于约束的调度模型。另一个重要优势是能够在索引集上指定约束、总和以及其他数学运算。

教程：使用 OPL 构建优化模型

OPL 功能

数据组织的高级类型

定义范围、数组以及字符串集和数字集合。应用集合操作来构造复杂索引集。定义元组、包含异构数据元素的数据结构，以及具有可选主键和外键的元组集。使用元组切片（类似于 SQL SELECT 操作）来定义可减少问题大小和数据需求的稀疏模型。

观看 OPL 功能视频

支持实际变量或整数变量

使用实数决策变量表示涉及数量的决策。使用二进制或整数决策变量表示离散的选择或不可分割数量。在 IBM ILOG CPLEX Optimizer 中利用混合整数求解器以及复杂的分支裁剪法搜索，以解决困难的离散优化问题，或者使用 IBM ILOG CPLEX CP Optimizer 解决不适合于混合整数优化算法的困难组合问题。

阅读并了解西点军校如何使用 OPL

对详细调度问题建模

使用 OPL 的独特语法和数据结构来定义问题，在此类问题中，计时是基本决策。使用间隔变量来表示活动或要完成的任务。指定时间约束（间隔的开始时间和结束时间之间的关系）来表示活动之间的优先顺序。定义强度和累积函数以将资源使用表示为时间的函数，并指定间隔之间的资源约束。

了解约束规划

利用 OPL 和 Python 简化数据管理

将 Python 的数据处理能力置于 OPL 模型中。利用 doopl API 将 OPL 模型嵌入 Python 中，从使用 Python 支持的数据结构轻松处理和控制数据的能力中获益。doopl API 还简化了需要多次解决数据更改的优化工作流程。

了解 doopl API

使用 API 构建模型

IBM Decision Optimization 解决方案提供了使用应用程序编程接口 (API) 来构建优化模型的灵活性。IBM ILOG CPLEX Optimization Studio 支持多个 API，如 C、C++、C#、Java 和 Python。如果您正在使用 IBM Decision Optimization for Watson Studio，那么可以使用 Python API 创建优化模型。