Comment les solveurs d'optimisation peuvent-ils produire de meilleures décisions ?

Les solveurs d'optimisation contribuent à améliorer la prise de décision en matière de planification, d'allocation et de programmation des ressources rares. Ils intègrent des algorithmes puissants qui peuvent résoudre des modèles de programmation mathématique, des programmes par contraintes et des modèles de planification par contraintes.

Les solveurs comme IBM CPLEX® Optimizer peuvent trouver des réponses pour la programmation linéaire, la programmation en nombres entiers mixtes, la programmation quadratique et les problèmes de programmation par contraintes quadratiques.

Dans le cas de problèmes de planification détaillés, IBM propose des solveurs conçus pour les modèles de planification par contraintes. Dans le cas de problèmes combinatoires tels qu'un problème de configuration ou de conditionnement, vous pouvez créer des modèles de programmation par contraintes pour les résoudre. Vous pouvez en outre essayer gratuitement les solveurs.

Types de solveurs d'optimisation

Solveurs de programmation linéaire

Ces solveurs mathématiques sont destinés aux décisions dans lesquelles la fonction objective et les contraintes ont des relations linéaires, lorsque toutes les variables de décision peuvent prendre des valeurs continues dans le résultat.

Solveurs de programmation en nombres entiers mixtes

Lorsque les décisions impliquent des choix discrets, les solveurs de programmation de type entier peuvent être utilisés. Les variables de décision peuvent prendre uniquement des valeurs entières et certaines variables de décision peuvent prendre des valeurs continues dans le résultat. Dans le cas des décisions comportant des choix continus et discrets, utilisez des solveurs de programmation en nombres entiers mixtes.

Solveurs de programmation quadratiques

Les solveurs de programmation quadratique sont utilisés lorsque la fonction objective comporte des termes quadratiques. Les termes quadratiques peuvent être convexes ou non convexes. Lorsque les variables de décision peuvent être continues ou entières, des solveurs de programmation quadratiques entiers mixtes (MIQP) sont utilisés.

Solveurs de programmation par contraintes quadratiques

Des solutions comme CPLEX peuvent également résoudre des problèmes comportant des contraintes quadratiques convexes. Ces problèmes peuvent aussi être formulés sous forme de programmes SOCP (second-order cone programs), y compris des formulations avec des cônes pivotés. Lorsque les variables de décision peuvent être continues ou entières, des solveurs de programmation à contraintes quadratiques en nombres entiers mixtes sont utilisés.

Solveurs de programmation par contraintes

Recherchez des solutions optimales aux problèmes combinatoires avec des variables de décision entières, ainsi que des problèmes de séquencement et de planification détaillés. Les contraintes peuvent être linéaires ou non linéaires. Les variables de décision dans le séquencement et la planification concernent les ressources représentées sous forme de fonction cumulative et les activités représentées en tant que variables d'intervalle.

Ressources

Programmation linéaire

Découvrez les techniques de programmation linéaire.

Programmation par contraintes

Résolvez des problèmes de planification détaillés et les problèmes d'optimisation combinatoire.

Analyse prescriptive

Tirez parti des logiciels d'optimisation dotés de fonctions prescriptives et pouvant recommander un plan d'action optimal en cas de décisions complexes.

Famille de produits Decision Optimization

Résolvez les problèmes de planification et de programmation à l'aide d'outils de modélisation et de solveurs pour prendre de meilleures décisions métier.

Dialoguer avec un spécialiste

Programmez un appel personnalisé

Obtenez les réponses à vos questions auprès d'un spécialiste IBM.