Accélérez la prise de décision métier grâce à l'optimisation et à la science des données.
Comment générer des modèles d'optimisation avec IBM Decision Optimization
Lorsque vous tentez de prendre des décisions difficiles sur des questions impliquant un nombre inhabituel de facteurs, la famille de produits IBM Decision Optimization vous aide à capturer des composants clés afin de créer un modèle mathématique de la situation métier. Elle vous donne aussi la confiance nécessaire pour prendre de meilleures décisions plus rapidement.
Un modèle d'optimisation est une traduction des caractéristiques clés du problème métier que vous tentez de résoudre. Le modèle se compose de trois éléments : la fonction d'objectif, les variables de décision et les contraintes métier.
La famille de produits IBM Decision Optimization prend en charge plusieurs approches pour vous aider à créer un modèle d'optimisation :
ㅤㅤ ㅤㅤ ㅤㅤ
Avec IBM ILOG® CPLEX® Optimization Studio, vous pouvez utiliser le langage de programmation Optimization Programming Language (OPL) ou l'une des interfaces de programmation d'application disponibles, par exemple les API Python, Java™, C, C++ ou C#.
Avec IBM Decision Optimization for Watson Studio, vous pouvez générer des modèles à l'aide de l'API Python ou d'Optimization Modeling Assistant.
Langage OPL (Optimization Programming Language)
IBM ILOG CPLEX Optimization Studio vous permet d'écrire des modèles à l'aide d'OPL (Optimization Programming Language) dans un environnement de développement intégré.
OPL fournit une description mathématique naturelle des modèles d'optimisation. Vous pouvez vous attendre à une syntaxe globale pour les modèles de programmation mathématique, générant du code beaucoup plus simple et plus court que les langages de programmation à usage général. Vous pourrez également réduire le nombre de tâches requises et améliorer la fiabilité du développement d'applications, des mises à niveau et de la maintenance. La puissante syntaxe d'OPL prend en charge toutes les expressions nécessaires pour modéliser et résoudre les problèmes à l'aide de la programmation mathématique et de la programmation par contraintes.
OPL prend en charge les modèles de programmation mathématique ainsi que les modèles de programmation par contraintes. Vous pouvez définir des variables de décision et des expressions de décision sur des ensembles d'index pour représenter les choix affectés par les variables et les expressions. Lorsque vous utilisez OPL, vous pouvez développer, déboguer, tester et optimiser des modèles de programmation mathématique, de programmation par contraintes et de planification par contraintes. Un autre avantage important est la possibilité de définir des contraintes, des sommes et d'autres opérations mathématiques sur des ensembles d'index.
Fonctions OPL
Types avancés pour l'organisation de données
Définissez des plages, des tableaux et des ensembles de chaînes et de nombres. Appliquez les opérations d'ensemble pour créer des ensembles d'index complexes. Définissez des tuples, des structures de données comprenant des éléments de données hétérogènes et des ensembles de tuples, avec des clés primaires et externes facultatives. Utilisez une plage de tuple (slicing, similaire à l'opération l'opération SQL SELECT) pour définir des modèles épars qui réduisent à la fois la taille du problème et les exigences en matière de données.
Prise en charge des variables réelles ou entières
Représentez les décisions impliquant des quantités ou des montants à l'aide de variables de décision en nombre réel. Représentez des choix discrets ou des quantités indivisibles à l'aide de variables de décision binaires ou entières. Utilisez le solveur d'entier mixte avec une recherche sophistiquée utilisant la méthode "branch-and-cut" dans IBM ILOG CPLEX Optimizer pour résoudre des problèmes d'optimisation discrets difficiles, ou utilisez IBM ILOG CPLEX CP Optimizer pour résoudre des problèmes combinatoires difficiles moins bien adaptés aux algorithmes d'optimisation d'entier mixte.
Problèmes de planification détaillée du modèle
Utilisez la syntaxe et les structures de données spécifiques d'OPL pour définir les problèmes dans lesquels le timing constitue la décision fondamentale. Utilisez les variables d'intervalle pour représenter les activités ou les tâches à effectuer. Spécifiez les contraintes temporelles, c'est-à-dire les relations entre les heures de début et de fin des intervalles, pour représenter la priorité entre les activités. Définissez l'intensité et les fonctions cumulatives pour représenter l'utilisation des ressources en fonction du temps et spécifier les contraintes de ressources entre les intervalles.
Simplifiez la gestion des données avec OPL et Python
Dotez vos modèles OPL de toute la puissance des fonctions de gestion des données de Python. Profitez de l'API doopl pour intégrer des modèles OPL dans Python et bénéficiez de la possibilité de gérer et de manipuler plus facilement les données à l'aide de structures de données prises en charge par Python. L'API doopl simplifie également les flux de travaux d'optimisation nécessitant plusieurs résolutions avec des modifications de données.
Générez des modèles à l'aide d'API
Les solutions IBM Decision Optimization offrent la possibilité de créer des modèles d'optimisation à l'aide d'interfaces de programmation d'application (API). IBM ILOG CPLEX Optimization Studio prend en charge plusieurs API telles que C, C++, C#, Java et Python. Si vous utilisez IBM Decision Optimization for Watson Studio, vous pouvez créer des modèles d'optimisation à l'aide de l'API Python.
Produits
IBM ILOG CPLEX Optimization Studio
Développez et déployez rapidement des modèles d'optimisation et identifiez les meilleures actions possibles pour vos utilisateurs, à l'aide d'algorithmes d'optimisation de décision puissants et robustes.
IBM Decision Optimization for Watson Studio
Combinez facilement les techniques d'optimisation et d'apprentissage automatique pour créer des solutions innovantes sur IBM Watson® Studio Local.
Ressources
Modélisation de l'optimisation avec les API OPL et Python
Découvrez comment utiliser IBM CPLEX Optimization Studio pour créer des modèles d'optimisation.
Créez et déployez des applications d'optimisation plus facilement
Accédez à différentes interfaces pour créer et déployer des applications d'optimisation à l'aide des moteurs CPLEX Optimizer et CP Optimizer.
Créez un modèle d'optimisation pour la planification de ressources limitées
Utilisez Optimization Modeling Assistant dans IBM Decision Optimization for IBM Watson Studio.
Discuter avec un spécialiste
Programmez un appel personnalisé
Obtenez les réponses à vos questions auprès d'un spécialiste IBM.