IBM ILOG CPLEX CP Optimizer

Utilisez la programmation par contraintes pour calculer des plannings optimisés et résolvez d'autres problèmes d'optimisation complexes.

IBM ILOG CPLEX CP Optimizer utilise la technologie de programmation par contraintes pour résoudre des problèmes d'ordonnancement et d'autres problèmes d'optimisation combinatoires complexes

IBM ILOG CPLEX CP Optimizer gère la complexité des problèmes de planification de l'entreprise pour le personnel, les machines ou les étapes de processus. Le solveur de programmation par contraintes d'IBM ILOG CPLEX CP Optimizer permet de modéliser et d'exécuter la résolution de problèmes grâce à de puissants algorithmes de propagation de contraintes et de recherche.

• Accompagnez les objectifs métier en optimisant les coûts liés au non-respect des plannings (avance ou retard) et les coûts de non-exécution.
• Modélisez la structure de répartition du travail du planning, la dépendance des tâches, ainsi que les modes de production multiples.
• Modélisez les ressources et réservoirs à capacités finies.
• Modélisez les temps de montage afin de calculer des plannings qui définissent la meilleure taille possible pour les lots.
• Trouvez des solutions optimisées aux problèmes d'optimisation combinatoire affectant vos opérations
• IBM ILOG CPLEX CP Optimizer est un composant d'IBM ILOG CPLEX Optimization Studio, qui combine et simplifie les offres produits d'IBM pour le développement de modèles d'optimisation, la résolution et le déploiement. Il constitue un module unique regroupant toutes les fonctionnalités réparties par le passé dans différentes gammes de produits et configurations de composants, mettant à disposition tous les outils et technologies durant le prototypage et le développement.
• IBM ILOG CPLEX Optimizer (US) fournit une technologie d'optimisation basée sur la programmation mathématique qui offre la résolution flexible et à hautes performances de problèmes de programmation linéaire, de programmation quadratique, de programmation à contraintes quadratiques et de programmation mixte entière.
• Dernière version : IBM ILOG CPLEX Optimization Studio 12.2 propose des solutions MIP (programmation mixte entière) plus rapides, en particulier sur les machines multiprocesseur, des connecteurs améliorés vers les outils de modélisation tiers, de nouvelles vues graphiques dans l'environnement de développement intégré, notamment des diagrammes de Gantt et des fonctions cumulatives, une prise en charge syntaxique améliorée pour les modèles de planification détaillés et la prise en charge d'API supplémentaires pour la recherche et la propagation en programmation par contraintes.

En savoir plus

• Plus d'informations sur le produit (US)

Acheter IBM ILOG CPLEX CP Optimizer

En savoir plusFermer

• Support business goals by optimizing earliness and tardiness costs, duration costs and non-execution costs

• Model the work breakdown structure of the schedule, task dependencies as well as multiple production modes

• Model finite capacity resources and reservoirs

• Model setup times to compute schedules that define the best possible sizes for batches

• Find optimized solutions to combinatorial optimization problems affecting your operations

• IBM ILOG CPLEX CP Optimizer is a component of IBM ILOG CPLEX Optimization Studio, which combines and simplifies IBM’s product offerings for optimization model development, solving, and deployment. It offers in a single package, all the functionality that was previously available among an array of product and component configurations, making all tools and technologies available during prototyping and development.

• IBM ILOG CPLEX Optimizer provides a complimentary optimization technology based on mathematical programming that provides flexible, high-performance solving linear programming, quadratic programming, quadratically constrained programming and mixed integer programming problems.

• Latest version: IBM ILOG CPLEX Optimization Studio 12.4 offers improved access to predictive analytics tools with the connector to IBM SPSS Modeler. The connector enables CPLEX Optimization Studio to read data directly from SPSS Modeler streams and to visualize SPSS streams in CPLEX Optimization Studio's integrated development environment. This makes an integrated modeling environment for prescriptive and predictive analytics available to professionals using multiple advanced techniques. The CPLEX Optimizers offer significant performance gains both for mathematical- and constraint-programming. Additional enhancements include computation of dual values for second-order cone constraints in quadratic models, used especially in finance applications, and deterministic parallel search for constraint programming models, used especially in detailed scheduling. A new component, IBM ILOG CPLEX Enterprise Server, provides the capability to deploy OPL projects in enterprise environments using a client-server architecture, separating the computationally intensive algorithms of the CPLEX Optimizers onto dedicated hardware to alleviate the burden on more routine data handling and user interface tasks on database servers and desktop clients.

• For modeling activities or processes that may or may not be executed in the final schedule

• Tasks can be grouped to match the work breakdown structure of a problem

• Can model dependencies between tasks

• Can include a delay

• Can be applied to group of intervals

• Express typical scheduling costs such as tardiness costs, completion costs or total duration

• The presence status of an optional interval can be used to express completion costs or resource costs

• Can be applied to group of intervals

• Specify limits on the number of tasks that can be performed in parallel with a common resources

• Set constraints on inventory levels

• State that some tasks cannot start or end on some dates

• State that some tasks that cannot overlap some dates

• Define resource breaks

• State that resource productivity changes over time

• The all-different constraint: enforces uniqueness for each variable in an array

• The pack constraint: packs items into containers with finite capacity in one dimension (time, weight, budget etc.)

• The lexicographic constraint: enforces a lexical ordering between groups of decision variables and is convenient to break symmetries

• The count expression

• The standard deviation expression

• Define possible assignments for arrays of decision variables. They can be used, for instance, to model allowed transitions in a sequencing problem.

• Intro to CP

• CP vs. MP

• Practical Scheduling Examples

• Detailed Scheduling

• IBM ILOG CPLEX CP Optimizer Spec Sheet (PDF, 221KB)

• Learn more

• Library

• Discussion Forums

• Academic Initiative

• Partners

• DeveloperWorks