Resolução e análise de um modelo de Decision Optimization: o problema da dieta

Este exemplo mostra como criar e resolver um modelo baseado em Pythonusando uma amostra

Antes de iniciar

Requisitos

Para editar e executar modelos do Decision Optimization , deve-se ter os pré-requisitos a seguir:

Funções Admin ou Editor: Deve-se ter as funções Admin ou Editor no projeto Os visualizadores de projetos compartilhados podem apenas ver experimentos, mas não podem modificá-los ou executá-los

serviço de tempo de execuçãowatsonx.ai: Você deve ter um serviço de tempo de execuçãowatsonx.ai associado ao seu projeto. É possível incluir um ao criar um Decision Optimization Experimento

Espaço de implementação: Deve-se ter um espaço de implementação associado ao seu Decision Optimization experimento. É possível escolher um espaço de implementação ao criar um Decision Optimization experimento..

Sobre essa tarefa

Esse problema de otimização bem conhecido identifica a melhor combinação de gêneros alimentícios para atender aos requisitos dietéticos enquanto minimiza os custos. As entradas de dados são o perfil nutricional, o preço de diferentes alimentos e os valores mínimo e máximo por nutriente em uma dieta. O modelo é expresso como a minimização de um programa linear. Os arquivos usados nesta amostra estão disponíveis no DO-samples.

Procedimento

Para criar e resolver um modelo baseado em Pythonusando uma amostra:

Faça download e extraia todas as amostras DO em seu computador. Também é possível fazer download apenas do arquivo diet.zip a partir da subpasta Model_Builder para seu produto e versão, mas, nesse caso, não o extraia.
Abra seu projeto ou crie um projeto vazio.
Selecione a guia Ativos .
Selecione Novo ativo > Resolver problemas de otimização no Trabalhar com modelos seção.
Clique em Arquivo local na janela Criar um experimento do Decision Optimization que é aberta.
navegue para encontrar a pasta Model_Builder em seu download DO-samples. Selecione a subpasta de produto e versão relevante. Escolha o arquivo Diet.zip e clique em Abrir. Como alternativa, use arrastar e soltar.
Se você ainda não tiver associado um serviço de tempo de execuçãowatsonx.ai ao seu projeto, deverá primeiro selecionar Adicionar um serviço Machine Learning para selecionar ou criar um antes de escolher um espaço de implantação para o seu experimento.
Clique em Novo espaço de implementação, insira um nome e clique em Criar (ou selecione um espaço existente no menu suspenso).
Clique em Criar.
Um modelo Decision Optimization é criado com o mesmo nome da amostra.
No Preparar dados visualizar, é possível ver os ativos de dados importados.
Essas tabelas representam os valores mínimo e máximo para os nutrientes na dieta (diet_nutrients), os nutrientes em diferentes alimentos (diet_food_nutrients) e o preço e quantidade de alimentos específicos (diet_food).
Clique em Modelo de construção na barra lateral para visualizar o seu modelo.
O modelo Python reduz o custo dos alimentos na dieta enquanto satisfaz os requisitos mínimos de nutrientes e calorias.

Observe também como o entradas (tabelas no Preparar dados visão) e o saídas (neste caso a tabela de soluções a ser exibida na solução Explore visão) são especificados neste modelo.
Run the model by clicking the Executar button in the Construir modelo visualizar.

Resultados

Quando a execução é concluída, é possível ver os resultados no Solução de Explore visualizar. Também é possível clicar em Estatísticas do mecanismo ou em Log para ver o gráfico de solução e inspecionar os arquivos de log A primeira guia no Solução de Explore visualizar mostra o objetivo (ou objetivos se você tiver vários) com seus valores e pesos. A guia Solução de soluções fornece a você uma lista de alimentos e suas quantidades, juntamente com os nutrientes que eles fornecem.

Também é possível fazer download das tabelas de soluções como arquivos csv.

Se o seu modelo tivesse qualquer restrição conflitante, elas seriam mostradas na guia Conflitos com as Flexibilizações necessárias para resolver o modelo.

Na página Visualization view, a solução é exibida como uma tabela e um gráfico na página Solução . É possível incluir notas, diferentes tipos de tabelas e gráficos para mostrar dados de entrada, dados de solução ou KPIs selecionando e editando os widgets. Você também pode criar páginas diferentes na Visualização de Visualização. Por exemplo, uma página Entrada também é fornecida nesta amostra. Para obter mais informações, consulte Visualização em um experimento do Decision Optimization.

Você está pronto para começar a executar comparações entre diferentes cenários. Por exemplo, a solução básica contém uma quantidade de hot dogs. Talvez você queira verificar uma solução alternativa para alguém que prefira uma dieta vegetariana.