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



SAS Viya เป็นระบบคลาวด์เนทีฟและรองรับระบบคลาวด์อื่นๆ

ใช้ SAS ตามที่คุณต้องการ – จัดการโดย SAS หรือจัดการด้วยตนเอง และในที่ที่คุณต้องการ

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

ทรัพยากรที่แนะนำสำหรับ SAS Optimization

บล็อก

การหาค่าที่เหมาะสมคืออะไร? และเหตุใดจึงมีความสำคัญต่อการตัดสินใจของคุณ

บล็อก

การใช้ SAS Optimization กับ Python และคอนเทนเนอร์

ชุมชนผู้ใช้งาน

การเพิ่มประสิทธิภาพทางคณิตศาสตร์ การจำลองเหตุการณ์แบบไม่ต่อเนื่อง และชุมชน OR