Decision Optimization
IBM® Decision Optimization 可讓您存取 IBM領先業界的解決方案引擎，以進行數學規劃及限制規劃。 您可以使用 記事本 或使用功能強大的 Decision Optimization 實驗使用者介面 (測試版) 來建置 Decision Optimization 模型。 在這裡，您可以在 Python中、OPL 中或使用智慧型 Modeling Assistant (測試版) 所提供的自然語言表示式來匯入或建立及編輯模型。 您也可以使用 Watson Machine Learning來部署模型。
- 資料格式
- 表狀:
.csv、.xls、.json檔案。 請參閱 準備資料視圖來自 已連接資料資產 的資料
如需部署，請參閱 模型輸入及輸出資料檔格式
- 資料大小
- 任何
存取 Decision Optimization
若要建立 Decision Optimization 實驗，請遵循下列步驟。
- 開啟專案或建立空專案。
- 選取 資產 標籤。
- 選取 使用模型 區段中的 新建作業> 解決最佳化問題 。
- 如果您尚未將 Watson Machine Learning 服務實例與專案相關聯，請按一下 新增 Machine Learning 服務。 選取服務，然後按一下 關聯。
- 按一下 新建部署空間，輸入名稱並按一下 建立 (或選取現有空間)。
- 輸入 Decision Optimization 實驗 的 名稱 ，然後按一下 建立。
即會開啟 Decision Optimization 實驗使用者介面 (測試版) ，您可以在其中建立及編輯使用 Modeling Assistant、在 Python DOcplex或在 OPL中公式化的模型。
或者，若要開啟並執行 Decision Optimization Notebook (沒有 Decision Optimization 實驗使用者介面) ，請遵循下列步驟。
- 選取 資產 標籤。
- 在 使用模型 區段中選取 新作業> 在 Python 或 R Notebook 中使用資料和模型 。
如需使用使用者介面來建置、求解及部署 Decision Optimization 模型的逐步手冊，請參閱 使用視訊快速入門指導教學。
何謂 Decision Optimization?
人們常常使用最佳化這一術語來表示進行改善。 雖然最佳化常常用來達成改善，但其含意遠不止於此：最佳化意味著針對精確定義的狀況，尋找最適當的解決方案。 這是一種精良的分析技術，也稱為規定分析，可以瀏覽無數可能的情況，然後提供回應目前或未來狀況的最佳方式建議。
- 狀況一般是商業問題，例如規劃、排程、計價、盤存或資源管理。
- 不論問題為何，求解程序皆從最佳化模型入手，該模型是問題的數學表述，可以由最佳化引擎來解釋和求解。 最佳化模型指定目標、限制、約束以及決策中涉及的選項之間的關係。 但是，這些關係是由輸入資料具體化。 例如，用於生產規劃的最佳化模型可以具有同一種形式，不論您是要生產三件產品抑或上千件產品，均是如此。 最佳化模型與輸入資料共同建立最佳化問題的實例。
- 最佳化引擎（或規劃求解）會套用數學演算法以尋找解決方案，而解決方案是一組決策，它可達成目標的最佳值，並遵循所強制施加的限制和約束。 最佳化引擎會實作特殊化的演算法，這些演算法的開發及調整確保有效率地求解各種不同的問題。 Decision Optimization 使用 IBM CPLEX ® 和 CP Optimizer 引擎，這些引擎在解決現實世界應用程式方面已證明強大。
- 規劃求解所產生的解決方案，詳細說明該模型所代表之全部決策的建議值。 代表目標的指標值同樣重要。 這些值在商業目標層面測量解決方案的品質。
- 所有這一切皆可以透過補足商業應用程式來提供給商業使用者。 通常，目標和解決方案值會彙總在表狀視圖或圖形視圖中，這些視圖提供理解與洞察。
如需在 watsonx.ai中使用 Decision Optimization 的訓練，請參閱 Mathematical Optimization for Business Problems Training。