تسريع عملية اتخاذ القرارات للأعمال باستخدام التشغيل الأمثل وعلم البيانات.

كيف يمكن بناء نماذج التشغيل الأمثل باستخدام IBM Decision Optimization

عند محاولة اتخاذ قرارات صعبة بشأن الأسئلة التي تتضمن عددا كبيرا من العوامل، فان مجموعة منتجات IBM Decision Optimization تساعدك على التقاط المكونات الرئيسية لبناء نموذج رياضي لحالة الأعمال، مما يمنحك الثقة لاتخاذ قرارات أفضل بطريقة أكثر سرعة.

يعد نموذج التشغيل الأمثل ترجمة للخصائص الرئيسية لمشكلة الأعمال التي تحاول حلها. يتكون النموذج من ثلاثة عناصر: الوظيفة الفعلية ومتغيرات القرار وقيود الأعمال.

تدعم عائلة منتجات IBM Decision Optimization طرق متعددة لمساعدتك في بناء نموذج التشغيل الأمثل:

ㅤㅤ ㅤㅤ ㅤㅤ

مع IBM ILOG® CPLEX® Optimization Studio، يمكنك استخدام أي من Optimization Programming Language أو أحد واجهات برمجة التطبيقات المتاحة — مثل Python، ‏‎Java™‎‏، ‏C، ‏‎C++‎‏، ‏‎C#‎‏ APIs.

مع IBM Decision Optimization for Watson Studio، يمكنك بناء النماذج باستخدام أي من Python API أو Optimization Modeling Assistant.

Optimization Programming Language (OPL)‎

يقدم لك IBM ILOG CPLEX Optimization Studio اختيار كتابة النماذج باستخدام Optimization Programming Language (OPL)‎ في بيئة تطوير متكاملة.
يوفر OPL وصفا رياضيا طبيعيا لنماذج التشغيل الأمثل. توقع بناء جملة عالي المستوى لنماذج البرمجة الرياضية التي تنتج كود أبسط وأقصر بكثير من لغات البرمجة للأغراض العامة. توقع تقليل الجهد وتحسين الموثوقية في تطوير التطبيقات وعمليات تطوير النسخة والصيانة. يدعم بناء الجملة القوي الى OPL كل التعبيرات اللازمة لتكوين نماذج وحل المشكلات باستخدام البرمجة الرياضية وبرمجة القيود.
يدعم OPL نماذج البرمجة الرياضية بالاضافة الى نماذج برمجة القيود. يمكنك تعريف متغيرات القرار وتعبيرات القرار عبر فئات الفهرس لتمثيل الاختيارات المتأثرة بالمتغيرات والتعبيرات. عند استخدام OPL، يمكنك تطوير وتصحيح واختبار وضبط البرمجة الرياضية وبرمجة القيود ونماذج الجدولة التي تعتمد على القيود. من المميزات الهامة أيضا هي القدرة على تحديد القيود والاجماليات وغيرها من العمليات الرياضية الأخرى عبر فئات الفهرس.

خصائص OPL

الأنواع المتقدمة لتنظيم البيانات

تعريف النطاقات والمتجهات ومجموعات الحروف والأرقام. قم بتطبيق عمليات الفئات لتكوين فئات فهرس معقدة. حدد مجموعة القيم وهياكل البيانات التي تشمل عناصر بيانات غير متجانسة وفئات من مجموعات القيم مع مفاتيح أساسية وخارجية اختيارية. استخدم تقسيم مجموعة القيم (الذي يماثل عملية SQL SELECT) لتعريف النماذج المتفرقة التي تقلل كلا من حجم المشكلة ومتطلبات البيانات.

دعم المتغيرات الحقيقية أو الرقمية

تمثيل القرارات التي تتضمن كميات أو قيم باستخدام متغيرات القرار ذات الأرقام الحقيقية. تمثيل الاختيارات المنفصلة أو الكميات غير القابلة للتقسيم باستخدام متغيرات قرارات ثنائية أو رقمية. الاستفادة من أداة حل الأرقام الصحيحة المختلطة باستخدام بحث branch-and-cut المتطور المتاح في IBM ILOG CPLEX Optimizer لحل مشكلات التشغيل الأمثل الصعبة أو استخدام IBM ILOG CPLEX Optimizer لحل مشكلة التوافقية الصعبة الأقل ملائمة لطرق التشغيل الأمثل للأرقام الصحيحة المختلطة.

مشاكل جدولة النموذج التفصيلية

الاستفادة من هياكل البيانات وبناء الجمل المتفرد في OPL لتحديد المشاكل التي يكون فيها التوقيت هو القرار الأساسي. استخدم متغيرات الفترة الزمنية لتمثيل الأنشطة أو المهام التي سيتم اتمامها. حدد القيود الزمنية - العلاقات بين وقت البدء ووقت الانتهاء للفترات الزمنية - لتمثيل الأسبقية بين الأنشطة. حدد الوظائف التراكمية ودرجة التركيز لتمثيل استخدام المصادر كوظيفة للوقت وحدد قيود المصادر بين الفترات الزمنية.  

تبسيط ادارة البيانات باستخدام OPL و Python

استخدام امكانيات Python القوية لمعالجة البيانات لنماذج OPL الخاصة بك. الاستفادة من doopl API لتضمين نماذج OPL في Python والاستفادة من القدرة على التعامل مع ومعالجة البيانات بطريقة أكثر سهولة، باستخدام هياكل البيانات التي يتم دعمها بواسطة Python. كما يقوم doopl API أيضا بتبسيط مسارات عمل التشغيل الأمثل التي تتطلب حلول متعددة مع تغييرات البيانات.

تكوين نماذج باستخدام APIs

تقدم حلول IBM Decision Optimization المرونة لتكوين نماذج التشغيل الأمثل باستخدام واجهات برمجة التطبيقات (APIs). يدعم IBM ILOG CPLEX Optimization Studio واجهات برمجة تطبيقات (APIs) متعددة مثل ‏C، ‏‎C++‎‏، ‏‎C#‎‏، ‏Java، ‏Python. اذا كنت تستخدم IBM Decision Optimization for Watson Studio، يمكنك تكوين نماذج التشغيل الأمثل باستخدام Python API.

المنتجات

IBM ILOG CPLEX Optimization Studio

تطوير ونشر نماذج التشغيل الأمثل بسرعة وتحديد أفضل التصرفات الممكنة التي يجب أن يقوم باجراءها المستخدمين من خلال استخدام طرق قوية وفعالة لاتخاذ القرار الأمثل.

IBM Decision Optimization for Watson Studio

دمج تقنيات التشغيل الأمثل والتعلم الآلي بسهولة لتكوين حلول مبتكرة في IBM Watson® Studio Local.

المصادر

تكوين نماذج التشغيل الأمثل باستخدام OPL وPython APIs

معرفة كيف يمكنك استخدام IBM CPLEX Optimization Studio لبناء نماذج التشغيل الآلي.

بناء ونشر تطبيقات التشغيل الأمثل بطريقة أكثر سهولة

أحصل على امكانية التوصل لعدد من واجهات التعامل لبناء ونشر تطبيقات التشغيل الأمثل باستخدام آليات CPLEX Optimizer و CP Optimizer.

بناء نموذج للتشغيل الأمثل لجدولة المصادر القليلة

استخدم Optimization Modeling Assistant في IBM Decision Optimization for IBM Watson Studio.

التواصل مع أحد الخبراء

تحديد موعد اتصال مباشر

الحصول على الاجابات التي تحتاجها من أحد خبراء IBM المتاحين.

التواصل