Beschleunigung von Geschäftsentscheidungen durch Optimierung und Data-Science.

Vorgehensweise beim Erstellen von Optimierungsmodellen mit IBM Decision Optimization

Wenn Sie versuchen, schwierige Entscheidungen in Bezug auf Fragen zu treffen, die eine übermäßige Anzahl von Faktoren beinhalten, unterstützt Sie die Produktfamilie IBM Decision Optimization dabei, Schlüsselkomponenten zu erfassen, um ein mathematisches Modell der Geschäftssituation zu erstellen und Ihnen das Vertrauen zu geben, schneller bessere Entscheidungen zu treffen.

Ein Optimierungsmodell ist eine Umsetzung der Schlüsselmerkmale des Geschäftsproblems, das Sie lösen wollen. Das Modell besteht aus drei Elementen: Zielfunktion, Entscheidungsvariablen und Geschäftseinschränkungen.

Die Produktfamilie IBM Decision Optimization unterstützt mehrere Ansätze, mit denen Sie ein Optimierungsmodell erstellen können:

ㅤㅤ ㅤㅤ ㅤㅤ

Mit IBM ILOG® CPLEX® Optimization Studio können Sie entweder Optimization Programming Language oder eine der verfügbaren Anwendungsprogrammierschnittstellen verwenden – wie Python-, Java™-, C-, C++- oder C#-APIs.

Mit IBM Decision Optimization for Watson Studio können Sie Modelle mit der Python-API oder dem Optimization Modeling Assistant erstellen.

Optimization Programming Language (OPL)

IBM ILOG CPLEX Optimization Studio bietet Ihnen die Möglichkeit, Modelle mit Optimization Programming Language (OPL) in einer integrierten Entwicklungsumgebung zu schreiben.
OPL bietet eine natürliche mathematische Beschreibung von Optimierungsmodellen. Profitieren Sie von allgemeiner Syntax für mathematische Programmiermodelle, die wesentlich einfacheren und kürzeren Code als allgemeine Programmiersprachen erzeugt. Reduzieren Sie den Aufwand und verbessern Sie die Zuverlässigkeit von Anwendungsentwicklung, -aktualisierungen und -pflege. Die leistungsfähige Syntax von OPL unterstützt alle Ausdrücke, die zum Modellieren und Beheben von Problemen benötigt werden, indem sowohl mathematische Programmierung als auch Constraint-Programmierung verwendet werden.
OPL unterstützt mathematische Programmiermodelle sowie Constraint-Programmiermodelle. Sie können Entscheidungsvariablen und Entscheidungsausdrücke über Indexgruppen definieren, um Auswahlmöglichkeiten darzustellen, die von den Variablen und Ausdrücken beeinflusst werden. Wenn Sie OPL verwenden, können Sie mathematische Programmiermodelle, Contraint-Programmiermodelle und Contraint-basierte Planungsmodelle entwickeln, debuggen, testen und optimieren. Ein weiterer wichtiger Vorteil ist die Möglichkeit, Nebenbedingungen, Summen und andere mathematische Operationen über Indexgruppen anzugeben.

OPL-Funktionen

Erweiterte Typen für die Datenorganisation

Definieren Sie Bereiche, Arrays und Gruppen von Zeichenfolgen und Zahlen. Wenden Sie Gruppenoperationen an, um komplexe Indexgruppen zu erstellen. Definieren Sie Tupel, Datenstrukturen mit heterogenen Datenelementen und Gruppen von Tupeln mit optionalen Primär- und Fremdschlüsseln. Verwenden Sie Tupel-Slicing (vergleichbar mit der SQL SELECT-Operation), um schlanke Modelle zu definieren, die sowohl Problemumfang als auch Datenanforderungen reduzieren.

Unterstützung für reelle oder ganzzahlige Variablen

Stellen Sie Entscheidungen mit Mengenangaben oder Beträgen unter Verwendung von reellen Entscheidungsvariablen dar. Stellen Sie einzelne Auswahlmöglichkeiten oder unteilbare Mengen unter Verwendung von binären oder ganzzahligen Entscheidungsvariablen dar. Verwenden Sie den Solver für gemischt ganzzahlige Programmierung mit ausgereifter Branch-and-Cut-Suche innerhalb von IBM ILOG CPLEX Optimizer, um schwierige Optimierungsprobleme zu lösen, oder verwenden Sie IBM ILOG CPLEX CP Optimizer, um schwierige kombinatorische Probleme zu lösen, die weniger für gemischt ganzzahlige Optimierungsalgorithmen geeignet sind.

Modellierung von Problemen bei der detaillierten Planung

Nutzen Sie die einzigartigen Syntax- und Datenstrukturen von OPL, um Probleme zu definieren, bei denen Timing die grundlegende Entscheidung ist. Verwenden Sie Intervallvariablen, um Aktivitäten oder abzuschließende Tasks darzustellen. Geben Sie temporale Einschränkungen (Beziehungen zwischen Start- und Endzeiten der Intervalle) an, um die Rangfolge der Aktivitäten darzustellen. Definieren Sie Intensität und kumulative Funktionen, um die Ressourcennutzung als Zeitfunktion darzustellen und Ressourcenengpässe in Intervallen anzugeben.  

Vereinfachung des Datenmanagements mit OPL und Python

Bringen Sie die leistungsfähige Funktionalität für die Datenverarbeitung von Python in Ihre OPL-Modelle. Nutzen Sie die doopl-API, um OPL-Modelle in Python einzubetten, und profitieren Sie von der Möglichkeit, Daten einfacher zu verarbeiten und zu bearbeiten, indem Sie von Python unterstützte Datenstrukturen verwenden. Die doopl-API vereinfacht auch Optimierungsworkflows, die mehrere Auflösungen mit Datenänderungen erfordern.

Erstellung von Modellen mithilfe von APIs

IBM Decision Optimization-Lösungen bieten die Flexibilität, Optimierungsmodelle mithilfe von Anwendungsprogrammierschnittstellen (APIs) zu erstellen. IBM ILOG CPLEX Optimization Studio unterstützt mehrere APIs, wie z. B. C, C++, C#, Java und Python. Wenn Sie IBM Decision Optimization for Watson Studio verwenden, können Sie mit der Python-API Optimierungsmodelle erstellen.

Produkte

IBM ILOG CPLEX Optimization Studio

Entwickeln und implementieren Sie in kürzester Zeit Optimierungsmodelle und identifizieren Sie die bestmöglichen Aktionen, die Ihre Benutzer mit leistungsfähigen und stabilen Entscheidungsoptimierungsalgorithmen durchführen sollten.

IBM Decision Optimization for Watson Studio

Kombinieren Sie einfach Verfahren für Optimierung und maschinelles Lernen, um innovative Lösungen für IBM Watson® Studio Local zu erstellen.

Ressourcen

Optimierungsmodellierung mithilfe von OPL- und Python-APIs

Hier erfahren Sie, wie Sie IBM CPLEX Optimization Studio zum Erstellen von Optimierungsmodellen verwenden können.

Optimierungsanwendungen einfacher erstellen und implementieren

Erhalten Sie Zugriff auf eine Reihe von Schnittstellen zum Erstellen und Implementieren von Optimierungsanwendungen unter Verwendung der CPLEX Optimizer- und CP Optimizer-Engines.

Erstellung eines Optimierungsmodells für die Planung knapper Ressourcen

Verwenden Sie den Optimization Modeling Assistant in IBM Decision Optimization for IBM Watson Studio.

Mit einem Experten sprechen

Termin für persönliches Gespräch vereinbaren

Hier erhalten Sie Antworten auf Ihre Fragen von einem IBM Experten.