SAS^® Optimization

การหาค่าที่เหมาะสม

SAS Optimization

ระบบโซลูชั่นที่ดีที่สุดสำหรับโจทย์ทางธุรกิจและการวางแผนของคุณ ด้วยความรวดเร็วทันใจ

เรียกใช้ตัวแก้ไขการเพิ่มประสิทธิภาพและเพิ่มประสิทธิภาพเครือข่ายอย่างมีประสิทธิภาพพร้อมกันในระบบคลาวด์เพื่อค้นหาวิธีแก้ปัญหาแม้กระทั่งปัญหาทางธุรกิจที่ท้าทายที่สุด รวมถึงการจัดสรรทรัพยากรที่เหมาะสมที่สุด การกำหนดเส้นทางและการวางแผน

ช่วยให้คุณสามารถหาค่าการตัดสินใจที่เหมาะสมที่สุดได้อย่างรวดเร็ว

ช่วยคุณค้นหาโซลูชั่นที่ดีที่สุด สำหรับปัญหาต่างๆ ด้วยความรวดเร็วกว่าที่เคยเป็นมา SAS Optimization ใช้ประโยชน์จากเอ็นจิ้นในหน่วยความจำแบบกระจายของ SAS Viya เพื่อส่งมอบผลลัพธ์การสร้างโมเดลการปรับให้เหมาะสมด้วยความเร็วที่ก้าวล้ำ การคงอยู่ของข้อมูลในหน่วยความจำช่วยลดความจำเป็นในการโหลดข้อมูลหลายครั้งในระหว่างการวิเคราะห์ซ้ำ

ช่วยให้คุณตัดสินใจได้ดียิ่งกว่าที่เคยเป็น

ระบุและใช้คำตอบที่ดีที่สุดสำหรับปัญหาที่ซับซ้อนในการใช้งานจริง วิธีการที่ล้ำสมัยสำหรับการเพิ่มประสิทธิภาพทางคณิตศาสตร์นั้นถูกรวมเข้ากับความสามารถในการเตรียมข้อมูล การสำรวจ การวิเคราะห์ และการรายงานอย่างเต็มรูปแบบ ทั้งหมดนี้อยู่ในสภาพแวดล้อมที่เป็นหนึ่งเดียว

เราให้ผู้ใช้งานของคุณสามารถทำงานได้อย่างเต็มความสามารถ ด้วยการรองรับภาษาการเขียนโปรแกรมที่ผู้ใช้งานถนัด

โปรแกรมเมอร์ที่เชี่ยวชาญในภาษา Python, Java, R และ Lua จะได้รับประโยชน์จากระบบวิเคราะห์ที่หลากหลายในระบบ SAS Optimization ของเรา โดยไม่จำเป็นต้องเรียนรู้การใช้งานโค้ดโปรแกรมของ SAS เพิ่มเติมแต่อย่างใด ดังนั้น โปรแกรมเมอร์ของคุณจึงสามารถเข้าถึงอัลกอริธึมที่ทรงพลังและเชื่อถือได้ของ SAS ได้ด้วยภาษาคอมพิวเตอร์ที่ตนเชี่ยวชาญที่สุด

ความสำเร็จของลูกค้า

ดูว่าใครได้รับประโยชน์จากการเพิ่มประสิทธิภาพด้วย SAS

ค้นหาวิธีที่ผู้อื่นใช้ SAS^®

Free Trial

Try the latest SAS Viya capabilities.

Get a free, 14-day trial of SAS Viya, which includes SAS Optimization, as well as capabilities for the entire analytics life cycle.

Start trial

คุณสมบัติหลัก

เรามอบพลังในการใช้งานเทคนิคการคำนวณหาค่าตัวแปรต่างๆ การจำลองเหตุการณ์ และการจัดตารางโครงการต่างๆ ให้กับคุณ เพื่อการกำหนดแนวทางการดำเนินงานเพื่อผลลัพธ์ที่เป็นเลิศ ภายใต้ข้อจำกัดด้านทรัพยากรและเงื่อนไขต่างๆ ที่คุณกำลังเผชิญ

รายการคุณสมบัติโดยละเอียด

การเข้าถึงข้อมูล การจัดเตรียม และคุณภาพ

เข้าถึง สร้างโปรไฟล์ ล้างข้อมูล และแปลงข้อมูลโดยใช้อินเทอร์เฟซที่ใช้งานง่ายซึ่งมีความสามารถในการเตรียมข้อมูลแบบบริการตนเองด้วย AI แบบฝัง

Data Visualization

สำรวจข้อมูลด้วยภาพ และสร้างและแชร์การแสดงภาพอัจฉริยะและรายงานเชิงโต้ตอบผ่านอินเทอร์เฟซแบบบริการตนเองเพียงอินเทอร์เฟซเดียว การวิเคราะห์ที่เพิ่มขึ้นและความสามารถขั้นสูงช่วยเร่งข้อมูลเชิงลึกและช่วยให้คุณค้นพบเรื่องราวที่ซ่อนอยู่ในข้อมูลของคุณ

ทำงานด้วยชุดภาษาการสร้างแบบจำลองเชิงคณิตศาสตร์ที่มีประสิทธิภาพและเข้าใจได้ง่าย

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 ไม่ว่าคุณจะต้องการใช้ SAS Cloud หรือผู้ให้บริการคลาวด์สาธารณะหรือส่วนตัว คุณจะได้รับประโยชน์สูงสุดจากการลงทุนบนคลาวด์ของคุณ