可以生成多个方案，以针对各种数据测试您的模型，并了解该模型的健壮程度。

本示例指导您完成针对一个模型生成多个方案的过程。 这样，就可以针对多个随机生成的数据集，测试该模型的性能。 实际上，针对各种数据检查模型的健壮度十分重要。 这有助于确保该模型在可能有随机性的现实情况下表现良好。

示例是 DO-samples中的 StaffPlanning 模型。

示例结构如下所示：

• 模型 StaffPlanning 包含基于两个缺省数据集的一个缺省方案，以及基于随机化数据集的五个附加方案。
• Python 笔记本 CopyAndSolveScenarios 包含用于在 StaffPlanning 模型中创建新场景的随机生成器。

有关方案管理和配置的常规信息，请参阅 Decision Optimization 试验中的方案。

有关编写方案的方法和类的信息，请参阅 Decision Optimization Client Python API 文档。