Modelos de amostra e notebooks para Decision Optimization

Vários exemplos são apresentados nesta documentação como tutoriais Também é possível usar muitos outros exemplos fornecidos no Decision Optimization GitHub.

Links rápidos:

Decision Optimization GitHub Amostras DO

Consulte Decision Optimization GitHub para obter um repositório de amostras para uso com o IBM Cloud Pak for Data. Selecione a subpasta de produto e versão relevante.

Para amostras de Decision Optimization experiment UI , consulte a seção a seguir Decision Optimization amostras de experimento (Python, OPL, Modeling Assistant). O repositório do Decision Optimization GitHub também contém amostras do Jupyter notebook que podem ser importadas para o Cloud Pak for Data. Consulte Jupyter blocos de notas.

Exemplo de Java

Consulte o exemplo de modelo Java fornecido no texto padrão Decision Optimization Java worker no Java™ worker GitHub.

Exemplos descritos nesta documentação

A tabela a seguir lista os modelos de exemplo descritos nesta documentação e que mostram como usar o Decision Optimization.

Tabela 1. Exemplos de documentação do Decision Optimization
  Exemplos

Saiba como ...

Consulte

Crie modelos de planejamento usando o Modeling Assistant

Exemplo de construção de casa
  • Crie, edite e resolva um modelo de planejamento e planejamento com o Modeling Assistant.
  • Crie e examine os diferentes cenários.

Resolvendo um modelo usando o Modeling Assistant

Crie modelos de otimização Python usando a Decision Optimization IU do experimento

Exemplo de dieta
  • Crie e resolva um modelo Python que é gerado a partir de um cenário existente.
  • Crie e examine um novo cenário..

Resolvendo um modelo DOcplex Python

Exemplo de cenário múltiplo
  • Crie um modelo Python de um Python notebook importado para o Decision Optimization e resolva-o.
  • Gere vários cenários de um Python notebook usando dados aleatórios.
  • Exportar tabelas do cenário.

Trabalhando com Diversos Cenários

Crie ou importe DOcplex Python notebooks.

Decision Optimization notebook exemplos
  • Faça download de um notebook e inclua-o em um projeto.
  • Execute um bloco de notas

Executando Decision Optimization notebooks

Decision Optimization Experimento amostras (Python, OPL, Modeling Assistant)

Para obter um guia passo a passo para construir, resolver e implementar um modelo Decision Optimization , usando a interface com o usuário, consulte o Tutorial de iniciação rápida com vídeo.

A tabela a seguir lista as amostras do Decision Optimization que são fornecidas em DO-samples no Decision Optimization GitHub. Todos esses ativos usam o Decision Optimization experiment UI e contêm dados.

Nota: para executar modelos, deve-se associar um espaço de implementação ao seu Decision Optimization experimento. Também deve-se ter a função de Editor ou Administrador no espaço de implementação
Para usar essas amostras:
  1. Faça download e extraia todas as amostras DO em seu computador. Também é possível fazer download apenas de uma amostra, mas neste caso, não a extraia.
  2. Abra seu projeto ou crie um projeto vazio.
  3. Selecione a guia Ativos .
  4. Selecione Novo ativo > Resolver problemas de otimização no Trabalhar com modelos seção.
  5. Clique em Arquivo local na janela Criar um experimento Decision Optimization aberta.
  6. Navegue até a pasta Model_Builder em seu download DO-samples. Selecione a subpasta de produto e versão relevante. Escolha seu arquivo de amostra .zip e clique em Abrir. Como alternativa, arraste a amostra na janela.
  7. Clique em Novo espaço de implementação, insira um nome e clique em Criar (ou selecione um espaço existente no menu suspenso).
  8. Clique em Criar.

    Um modelo Decision Optimization é criado com o mesmo nome da amostra.

Tabela 2. Decision Optimization Modelos
Modelos para Decision Optimization Tipo de problema Tipo de modelo
BridgeScheduling Planejamento Modeling Assistant
Dieta Combinação Python
DietLP Combinação LP (CPLEX)
EnvironmentAndExtension Usar um ambiente com uma extensão que contenha um arquivo de biblioteca e um arquivo pip requirements.txt. Python
HouseConstructionScheduling Agendamento com atribuição Modeling Assistant
IntermediateSolutions Ativando soluções intermediárias para modelos CPLEX e CPO Python
MarketingCampaignAssignment Designação de Recurso (Cenários 1 a 4)

Seleção e Alocação (Cenário 4 - Seleção)

 Modeling Assistant
Múltiplos arquivos Usando um modelo com múltiplos arquivos. Python e LP
PastaProduction Produção OPL
PortfolioAllocation Seleção & Alocação Modeling Assistant
PythonEngineSettings Puzzle geométrico com configurações personalizadas do motor Python
ShiftAssignment Atribuição De Recursos com decisões customizadas e uma restrição personalizada Modeling Assistant
StaffPlanning Planejamento de múltiplos cenários

(para ser usado com CopyAndSolveScenarios.ipynb)

 Python
SupplyDemandPlanning Fornecimento & Planejamento de demanda Modeling Assistant
TalentCPO Agendamento de filmes CPO (Otimizador de CP)

Amostras de Jupyter notebook

Os blocos de notas do Jupyter também são fornecidos no Decision Optimization GitHub que não usam a UI de experimento. Para usar essas amostras de Python notebook :
  1. Faça download e extraia todas as amostras DO em seu computador. Também é possível fazer o download de somente uma amostra.
  2. Abra seu projeto ou crie um projeto vazio.
  3. Selecione a guia Ativos .
  4. Selecione Novo ativo > Trabalhar com dados e modelos em Python ou R no Trabalhar com modelos seção.
  5. Selecione a guia Do Arquivo na área de janela Novo Bloco de Notas que é aberta
  6. Nomeie seu bloco de notas, clique em Arrastar e soltar arquivos aqui ou faça upload doe navegue para o bloco de notas na pasta jupyter em suas DO-samplestransferidas por download. Selecione a subpasta de produto e versão relevante.
  7. Clique em Criar. O notebook é incluído em seu projeto.