Accelera il processo decisionale di business con l'ottimizzazione e la data science.
Come generare modelli di ottimizzazione con IBM Decision Optimization
Quando cerchi di prendere decisioni difficili, su questioni che coinvolgono un numero eccessivo di fattori, la famiglia di prodotti IBM Decision Optimization ti aiuta a cogliere i componenti chiave per creare un modello matematico della situazione aziendale, dandoti la certezza di prendere decisioni più accurate, con maggiore rapidità.
Un modello di ottimizzazione è una traduzione delle caratteristiche fondamentali del problema aziendale che si sta tentando di risolvere. Il modello è costituito da tre elementi: la funzione oggettiva, le variabili di decisione e i vincoli di business.
La famiglia di prodotti di IBM Decision Optimization supporta diversi approcci per facilitare la creazione di un modello di ottimizzazione:
ㅤㅤ ㅤㅤ ㅤㅤ
Con IBM ILOG® CPLEX® Optimization Studio, è possibile utilizzare Optimization Programming Language o una delle API (Application Programming Interface) disponibili — come API Python, Java™, C, C++ o C#.
Con IBM Decision Optimization for Watson Studio, è possibile creare modelli utilizzando l'API Python o l'Optimization Modeling Assistant.
OPL (Optimization Programming Language)
IBM ILOG CPLEX Optimization Studio fornisce l'opzione per scrivere modelli utilizzando l'OPL (Optimization Programming Language) in un IDE (integrated development environment-ambiente di sviluppo integrato).
L'OPL fornisce una descrizione matematica naturale dei modelli di ottimizzazione. Aspettati una sintassi di alto livello per modelli di programmazione matematici, che produce un codice sostanzialmente più semplice e più breve rispetto ai linguaggi di programmazione generici. Aspettati di ridurre l'impegno richiesto e di migliorare l'affidabilità dello sviluppo, degli aggiornamenti e della manutenzione delle applicazioni. La potente sintassi dell'OPL supporta tutte le espressioni necessarie per creare modelli di problemi e risolvere tali problemi utilizzando sia la programmazione matematica che la programmazione a vincoli.
L'OPL supporta i modelli di programmazione matematica insieme ai modelli di programmazione a vincoli. È possibile definire le variabili di decisione e le espressioni di decisione rispetto a serie di indici, per rappresentare le scelte influenzate dalle variabili e dalle espressioni. Quando si utilizza l'OPL, è possibile sviluppare, sottoporre a debug, testare e ottimizzare i modelli di programmazione matematica, di programmazione a vincoli e di pianificazione basata sui vincoli. Un altro vantaggio importante è la capacità di specificare vincoli, somme e altre operazioni matematiche rispetto a serie di indici.
Funzioni dell'OPL
Tipi avanzati per l'organizzazione dei dati
Definisci intervalli, array e serie di stringhe e numeri. Applica operazioni "set" per creare serie di indici complesse. Definisci tuple, strutture dati che comprendono elementi di dati eterogenei e serie di tuple, con chiavi primarie ed esterne facoltative. Utilizza il sezionamento delle tuple (simile all'operazione SQL SELECT) per definire modelli sparsi che riducono la dimensione del problema e i requisiti di dati.
Supporto per variabili reali o intere
Rappresenta decisioni che implicano quantità o importi utilizzando variabili di decisione in numeri reali. Rappresenta scelte discrete o quantità indivisibili utilizzando variabili di decisione binarie o intere. Utilizza il risolutore a interi misti con ricerca branch and cut avanzata incluso in IBM ILOG CPLEX Optimizer per risolvere problemi di ottimizzazione discreta difficili o utilizza IBM ILOG CPLEX CP Optimizer per risolvere problemi di calcolo combinatorio difficili meno adatti agli algoritmi di ottimizzazione a interi misti.
Crea modelli di problemi di pianificazione dettagliati
Applica la sintassi e le strutture dati uniche dell'OPL per definire problemi in cui la tempistica rappresenta la decisione fondamentale. Utilizza variabili intervallo per rappresentare attività o compiti da completare. Specifica vincoli temporali — relazioni tra le ore di inizio e di fine degli intervalli — per rappresentare la precedenza tra le attività. Definisci funzioni di intensità e cumulative per rappresentare l'utilizzo della risorsa come funzione del tempo e specificare i vincoli della risorsa tra gli intervalli.
Semplifica la gestione dei dati con OPL e Python
Aggiungi la potenza delle funzionalità di gestione dei dati di Python ai tuoi modelli OPL. Usufruisci dell'API doopl per incorporare i modelli OPL in Python e trarre vantaggio dalla capacità di gestire e manipolare più facilmente i dati, utilizzando le strutture di dati supportate da Python. L'API doopl semplifica anche i flussi di lavoro di ottimizzazione, che richiedono più risoluzioni con modifiche dei dati.
Crea modelli utilizzando le API
Le soluzioni di IBM Decision Optimization offrono la flessibilità necessaria per creare modelli di ottimizzazione utilizzando API (application programming interface). IBM ILOG CPLEX Optimization Studio supporta diverse API come C, C + +, C#, Java e Python. Se si utilizza IBM Decision Optimization for Watson Studio, è possibile creare modelli di ottimizzazione utilizzando l'API Python.
Prodotti
IBM ILOG CPLEX Optimization Studio
Sviluppa e distribuisci velocemente modelli di ottimizzazione e identifica le migliori azioni possibili che i tuoi utenti dovrebbero intraprendere, impiegando algoritmi di ottimizzazione delle decisioni potenti e validi.
IBM Decision Optimization for Watson Studio
Combina facilmente le tecniche di ottimizzazione e di machine learning per creare soluzioni innovative in IBM Watson® Studio Local.
Risorse
Creazione di modelli di ottimizzazione utilizzando OPL e API Python
Scopri come si può utilizzare IBM CPLEX Optimization Studio per creare modelli di ottimizzazione.
Crea e distribuisci più facilmente applicazioni di ottimizzazione
Ottieni accesso ad un certo numero di interfacce per creare e distribuire applicazioni di ottimizzazione utilizzando i motori CPLEX Optimizer e CP Optimizer.
Genera un modello di ottimizzazione per la pianificazione di risorse insufficienti
Utilizza Optimization Modeling Assistant all'interno di IBM Decision Optimization for IBM Watson Studio.
Contatta un esperto
Prenota una chiamata diretta
Ottieni le risposte che cerchi contattando un esperto IBM disponibile.