This page exists on your local site.

Go there now
Stay here
X

ค้นหาวิธีแก้ปัญหาที่เหมาะสมที่สุดสำหรับปัญหาทางธุรกิจและการวางแผนที่ซับซ้อนได้อย่างรวดเร็ว

ภาพหน้าจอของ SAS Optimization

SAS Optimization

เรียกใช้ตัวแก้ไขการเพิ่มประสิทธิภาพและเพิ่มประสิทธิภาพเครือข่ายอย่างมีประสิทธิภาพพร้อมกันในระบบคลาวด์เพื่อค้นหาวิธีแก้ปัญหาแม้กระทั่งปัญหาทางธุรกิจที่ท้าทายที่สุด รวมถึงการจัดสรรทรัพยากรที่เหมาะสมที่สุด การกำหนดเส้นทางและการวางแผน



ดูว่าใครได้รับประโยชน์จากการเพิ่มประสิทธิภาพด้วย SAS

คุณสมบัติหลัก

เรามอบพลังในการใช้งานเทคนิคการคำนวณหาค่าตัวแปรต่างๆ การจำลองเหตุการณ์ และการจัดตารางโครงการต่างๆ ให้กับคุณ เพื่อการกำหนดแนวทางการดำเนินงานเพื่อผลลัพธ์ที่เป็นเลิศ ภายใต้ข้อจำกัดด้านทรัพยากรและเงื่อนไขต่างๆ ที่คุณกำลังเผชิญ

การเข้าถึงข้อมูล การจัดเตรียม และคุณภาพ

เข้าถึง สร้างโปรไฟล์ ล้างข้อมูล และแปลงข้อมูลโดยใช้อินเทอร์เฟซที่ใช้งานง่ายซึ่งมีความสามารถในการเตรียมข้อมูลแบบบริการตนเองด้วย AI แบบฝัง

Data Visualization

สำรวจข้อมูลด้วยภาพ และสร้างและแชร์การแสดงภาพอัจฉริยะและรายงานเชิงโต้ตอบผ่านอินเทอร์เฟซแบบบริการตนเองเพียงอินเทอร์เฟซเดียว การวิเคราะห์ที่เพิ่มขึ้นและความสามารถขั้นสูงช่วยเร่งข้อมูลเชิงลึกและช่วยให้คุณค้นพบเรื่องราวที่ซ่อนอยู่ในข้อมูลของคุณ

ภาษาการสร้างโมเดลการหาค่าที่เหมาะสมทางพีชคณิตที่แข็งแกร่งและใช้งานง่าย

ช่วยให้คุณสร้างโมเดลต่างๆ รวมถึงการเชิงเส้น จำนวนเต็มผสม เชิงเส้น ไม่เชิงเส้น กำลังสอง กำลังสอง รูปกรวย และเครือข่าย ตลอดจนแก้ปัญหาความพึงพอใจที่มีข้อจำกัด

ภาษาและชุดคำสั่งการสร้างแบบจำลองที่รวมศูนย์ ครบวงจร

เฟรมเวิร์กการสร้างโมเดลและโซลูชันเดียวรองรับโมเดลการปรับให้เหมาะสมที่หลากหลาย คุณต้องเรียนรู้คำสั่งและคำสั่งเพียงชุดเดียวเพื่อสร้างช่วงของการเพิ่มประสิทธิภาพและโมเดลความพึงพอใจที่มีข้อจำกัด

ตัวแก้ปัญหาการเพิ่มประสิทธิภาพที่มีประสิทธิภาพและตัวแก้ปัญหาล่วงหน้า

ชุดเครื่องมือแก้ปัญหาการเพิ่มประสิทธิภาพได้รับการปรับปรุงเพื่อความเรียบง่ายและปรับแต่งเพื่อประสิทธิภาพ ตัวแก้ปัญหาเชิงรุกจะลดขนาดปัญหาที่มีประสิทธิภาพ คุณจึงสามารถจัดการกับปัญหาขนาดใหญ่และแก้ไขได้เร็วขึ้น

การทำ network flow optimization

ตรวจสอบลักษณะของเครือข่ายและค้นหาคำตอบที่ดีที่สุดสำหรับปัญหาเชิงเครือข่ายโดยใช้อัลกอริธึมเครือข่ายที่เข้าถึงได้จากทั้ง PROC OPTMODEL และ PROC OPTNETWORK

ฟังก์ชั่นอัลกอริทึมแบบ multistart algorithm สำหรับการคำนวณค่าที่เหมาะสมในรูปแบบ nonconvex nonlinear optimization

เพิ่มโอกาสในการค้นหาโซลูชันที่เหมาะสมที่สุดสำหรับทั้งระบบจากบรรดาโซลูชันที่เหมาะสมที่สุดในพื้นที่ เลือกจุดเริ่มต้นหลายจุด เริ่มการเพิ่มประสิทธิภาพพร้อมกันจากแต่ละจุด จากนั้นรายงานโซลูชันที่ดีที่สุดจากจุดเริ่มต้นทั้งหมด

อัลกอริทึมแบบ decomposition algorithm (automated Dantzig-Wolfe)

แยกย่อยปัญหาโดยรวมออกเป็นชุดของปัญหาองค์ประกอบ โดยแต่ละชุดมีตัวแปรการตัดสินใจชุดเดียวที่แก้ไขควบคู่กันไป การแก้ปัญหาย่อยแบบคู่ขนานจะประสานกับกระบวนการแก้ไขปัญหาโดยรวม ซึ่งช่วยประหยัดเวลาได้มาก

การเพิ่มประสิทธิภาพกล่องดำ

ใช้ตัวแก้ปัญหากล่องดำกับปัญหาการปรับให้เหมาะสม (โดยทั่วไปไม่ใช่แบบเชิงเส้น) ที่ไม่เป็นไปตามสมมติฐานของเครื่องมือแก้ปัญหาการปรับให้เหมาะสมแบบทั่วไป ฟังก์ชันต่างๆ อาจไม่ต่อเนื่อง ไม่ราบรื่น มีค่าใช้จ่ายสูงในการคำนวณ โดยพิจารณาจากการจำลองกล่องดำ เป็นต้น

การเขียนโปรแกรมข้อจำกัด

แก้ปัญหาความพึงพอใจที่มีข้อจำกัดโดยใช้การลดโดเมน/การเผยแพร่ข้อจำกัด และตัวเลือกของกลยุทธ์การค้นหา เช่น มองไปข้างหน้าและย้อนรอย

คลาวด์เนทีฟ

สถาปัตยกรรมของ SAS Viya มีขนาดกะทัดรัด ใช้ระบบคลาวด์ และรวดเร็ว ไม่ว่าคุณจะต้องการใช้ผู้ให้บริการคลาวด์แบบสาธารณะหรือส่วนตัว คุณก็สามารถใช้การลงทุนกับคลาวด์ของคุณให้เกิดประโยชน์สูงสุดได้


ทำความรู้จักกับ SAS Optimization


SAS Viya เป็นระบบคลาวด์เนทีฟและรองรับระบบคลาวด์อื่นๆ

SAS Viya Logo

ใช้ SAS ตามที่คุณต้องการ – จัดการโดย SAS หรือจัดการด้วยตนเอง และในที่ที่คุณต้องการ

โลโก้ Microsoft Azure
โลโก้ Amazon Web Services
โลโก้ Google Cloud
เรียนรู้เกี่ยวกับ SAS บน OpenShift

ทรัพยากรที่แนะนำสำหรับ SAS Optimization

อ่านบล็อกโพสต์: การหาค่าที่เหมาะสมคืออะไร และเหตุใดจึงมีความสำคัญต่อการตัดสินใจของคุณ

บล็อก

การหาค่าที่เหมาะสมคืออะไร? และเหตุใดจึงมีความสำคัญต่อการตัดสินใจของคุณ

อ่านโพสต์บล็อก: การใช้ SAS Optimization กับ Python และคอนเทนเนอร์

บล็อก

การใช้ SAS Optimization กับ Python และคอนเทนเนอร์

เข้าร่วมการเพิ่มประสิทธิภาพทางคณิตศาสตร์ การจำลองเหตุการณ์แบบไม่ต่อเนื่อง และชุมชน OR

ชุมชนผู้ใช้งาน

การเพิ่มประสิทธิภาพทางคณิตศาสตร์ การจำลองเหตุการณ์แบบไม่ต่อเนื่อง และชุมชน OR