Decision Optimization 노트북

Decision Optimization용 원시 Python API인 DOcplex를 사용하여 Python 노트북 에서 Decision Optimization 모델을 작성하고 실행할 수 있습니다. 여러 Decision Optimization 노트북 을 이미 사용할 수 있습니다.

' Python 3.12 and 3.11 (deprecated)'과 함께 Decision Optimization 사용할 수 있습니다. Decision Optimization (DOcplex) 는 다음 런타임에서 사용할 수 있습니다:
  • Runtime 25.1 on Python 3.12 다음 항목으로 바꾸십시오. CPLEX 22.1.2.0
  • Runtime 24.1 (deprecated) on Python 3.11 (deprecated) 다음 항목으로 바꾸십시오. CPLEX 22.1.2.0

Decision Optimization 서비스에는 전체 CPLEX 상용 에디션이 포함되어 있습니다. Decision Optimization을 설치하지 않으면 CPLEX 엔진의 Community Edition 에만 액세스할 수 있습니다. Community Edition 은 최대 1000개의 제약조건 및 1000개의 변수를 사용하거나 제약조건 프로그래밍 문제점에 대해 1000개의 1000개의 검색 공간을 사용하여 문제점을 해결하는 것으로 제한됩니다.

다양한 예시 Decision Optimization 노트북이 다음에서 제공됩니다. jupyter DO 샘플 폴더(다음 포함):
  • Sudoku 예제, 목표가 9x9 Sudoku 그리드를 해결하는 것인 제약조건 프로그래밍 예제입니다.
  • 파스타의 균형 생산 예제. 이 선형 프로그래밍 예제에는 일부 파스타 제품의 생산 비용을 최소화하고 제품에 대한 고객의 수요가 충족되는지 확인하기 위한 목표가 있습니다.

모든 Decision Optimization 노트북은 DOcplex를 사용합니다.

DOcplex

노트북은 Decision Optimization 노트북은 모델링 및 문제 해결을 위한 기본 Python API인 DOcplex를 사용해 Decision Optimization 문제를 모델링하고 해결합니다. API는 기본적으로 Python 환경의 일부로 사용 가능합니다.

두 개의 모듈로 구성되어 있습니다.
  • docplex.mp 를 사용하는 Python 에 대한 수학적 프로그래밍 모델링
  • docplex.cp 를 사용하는 Python 용 제약조건 프로그래밍 모델링
코드에서 다음과 같이 사용할 라이브러리를 지정할 수 있습니다 (예: 수리 계획법 라이브러리의 경우).
from docplex.mp.model import Model

API는 Apache 라이센스 V2.0 에 따라 라이센스가 부여되며 numpy/pandas 친화적입니다.

전체 DOcplex API 문서는 rawgit에서 확인할 수 있습니다. DOcplex 예제는 Decision Optimization GitHub.

Decision Optimization 클라이언트 API

' DOcplex' 외에도 ' Decision Optimization ' 클라이언트 API를 사용하여 ' Decision Optimization ' 실험 UI'에서 만든 시나리오를 생성하고 모델을 처리할 수 있습니다. 예를 들어 여러 개의 Decision Optimization 시나리오 생성을 참조하세요.

Decision Optimization 클라이언트 API 설명서를 참조하세요. 이전 예는 다음에서도 찾을 수 있습니다. jupyter DO-샘플 폴더.

Decision Optimization notebooks 실행

노트북을 다운로드하세요 jupyter DO 샘플 폴더를 열고 다음과 같이 실행합니다.

watsonx에 이미 프로젝트가 있는 경우:
  1. 자산 탭을 선택하십시오.
  2. 모델 작업 섹션에서 새 자산 > Python 또는 R의 데이터 및 모델 작업을 선택합니다.
  3. 로컬 파일을 선택하세요. 그런 다음 컴퓨터에서 노트북 를 여기에 파일을 드래그 앤 드롭하거나 업로드하세요, 그리고 둘러보기 클릭하세요.
  4. 노트북 작성을 클릭하십시오. 노트북 이 프로젝트에 추가됩니다.

watsonx 에 프로젝트가 없는 경우

  1. 새 프로젝트 작성: 메뉴에서 프로젝트 > 모든 프로젝트 보기 를 선택하고 새 프로젝트 단추를 클릭하십시오.
  2. 빈 프로젝트 작성 을 선택하고 열리는 창에서 이름을 입력하고 작성을 클릭하십시오.
  3. 자산 탭을 선택하십시오.
  4. 모델 작업 섹션에서 새 자산 > Python 또는 R의 데이터 및 모델 작업을 선택합니다.
  5. 로컬 파일을 선택하세요. 그런 다음 컴퓨터에서 노트북 를 여기에 파일을 드래그 앤 드롭하거나 업로드하세요, 그리고 둘러보기 클릭하세요.
  6. 노트북 작성을 클릭하십시오. 노트북 이 프로젝트에 추가됩니다.
노트북 이 자동으로 열립니다.

Decision Optimization 서비스에는 전체 CPLEX 상용 에디션이 포함되어 있습니다. Decision Optimization을 설치하지 않으면 CPLEX 엔진의 Community Edition 에만 액세스할 수 있습니다. Community Edition 은 최대 1000개의 제약조건 및 1000개의 변수를 사용하거나 제약조건 프로그래밍 문제점에 대해 1000개의 1000개의 검색 공간을 사용하여 문제점을 해결하는 것으로 제한됩니다.

노트북을 실행하려면 셀 > 모두 실행을 누르십시오.

예제 Python 노트북 은 Decision Optimization GitHub에서 제공됩니다. 이 예제를 사용하려면 Jupyter 노트북 샘플을 참조하십시오. 이러한 예에서는 실험 UI를 사용하지 않습니다.

또한, 난수화된 데이터를 사용하여 여러 시나리오를 생성하는 방법을 보여주는 Python 노트북이 제공됩니다. jupyter DO-샘플 폴더. 이 접근 방식은 다른 데이터 세트를 사용하여 실험 UI 에서 작성된 모델을 테스트하는 데 유용할 수 있습니다. 자세한 내용은 여러 시나리오 생성을 참조하세요.

Decision Optimization 학습서

Decision Optimization GitHub: DOcplex Python API를 소개하는 더 많은 DOcplex 예제를 확인할 수 있습니다:

선형 계획법
이 노트북에 대한 자세한 설명은 이 선형 프로그래밍(CPLEX 파트 1) 자 습서에서 확인할 수 있습니다. 이 Decision Optimization 선형 프로그래밍 노트북은 Github에서 복제하거나 다운로드할 수 있습니다.
선형 프로그래밍 이상
이 노트북에 대한 자세한 설명은 이 선형 프로그래밍(CPLEX 파트 2) 튜토리얼에서 확인할 수 있습니다. 이 Decision Optimization 선형 프로그래밍을 넘어서 노트북을 Github에서 복제하거나 다운로드할 수 있습니다.
Python 용 CPLEX에서 스케줄링 시작하기
이 노트북에 대한 자세한 설명은 CPLEX에서 일정 예약하기( Python ) 튜토리얼에서 확인할 수 있습니다. 이 CPLEX에서 스케줄링 시작하기( Python ) 노트북을 Github에서 복제하거나 다운로드할 수 있습니다.