SAS Optimization
在雲端中執行強大的最佳化功能，即使遇到最具挑戰性的業務問題，依然能找到解決方案，包括最佳的資源分配、路由傳遞和規劃。
-
快速解決複雜的最佳化問題
能夠以前所未見的速度，找到解決困難問題的最佳解決方案。SAS Optimization 充分利用 SAS Viya 分散式記憶體內引擎，以突破性速度提供最佳化建模結果。記憶體內資料持續性可免除在反覆運算分析過程中多次載入資料的步驟。
主要特色
陣容強大的最佳化、模擬和專案排程等技術，可識別哪些行動操作將獲得最佳結果，同時在資源有限和其他相關限制的情況下，依然能順利運作。
資料存取、準備和品質
使用直觀的介面存取、分析、清理和轉換資料，該介面透過嵌入式 AI 提供自助式資料準備功能。
資料視覺化
透過單個自助式介面，直觀地探索資料、建立和分享智慧視覺效果和互動式報表。增強分析和進階功能可加速洞察，並幫助您發現資料中隱藏的情況。
強大且直觀的代數最佳化建模語言
讓您能夠產生一系列模型，包括線性、混合整數線性、非線性、二次、圓錐和網路最佳化等模型，以及解決約束滿足問題 (constraint satisfaction problems)。
統一建模語言
以單一建模與解決方案架構即可支援各種最佳化模型。您只需要學習一組陳述式和指令，即可建立一系列最佳化和約束滿足模型 (constraint satisfaction models)。
功能強大的最佳化 solvers 和 presolvers
一套最佳化 solvers 經過精簡，實現操作簡易性，再經過調整，達到最佳效能。主動的 presolvers 可減少有效的問題大小，因此您可以更快地應對，並解決大問題。
網路流量最佳化
藉由從 PROC OPTMODEL 和 PROC OPTNETWORK 皆可存取的網路演算法，調查網路的特徵，並針對網路導向問題尋找最佳解答。
用於進行非凸 (nonconvex)、非線性最佳化的多啟動演算法
提高在許多本機最佳解決方案中，找到全域最佳解決方案的機會。選取多個起點，分別從各個起點開始平行執行最佳化，然後從所有起點報告最佳解決方案。
分解演算法 (自動化執行 Dantzig-Wolfe)
將整體問題分解為一組成分問題，其中每個成分各有一組專有的平行求解決策變數。將平行子問題求解與整體解決過程相互協調，進而大幅節省時間。
黑盒最佳化
使用黑盒求解器解決 (通常為非線性) 最佳化問題，因為這些問題並不遵循傳統最佳化solvers所做的假設。依據黑盒模擬等方法評估，函數可能變得不連貫、不平滑，且計算成本高昂。
約束程式設計 (Constraint programming)
藉由使用領域縮減 (domain reduction) /約束傳播 (constraint propagation) 以及自選搜尋策略 (例如，前瞻和回溯)，解決約束滿足問題。
雲端原生
SAS Viya 的架構精簡、雲端原生且快速。無論您喜歡使用公有雲或私有雲供應商，您都能充分發揮雲端投資的價值。
