Vous pouvez générer plusieurs scénarios pour tester votre modèle avec un vaste éventail de données et déterminer sa robustesse.

Cet exemple vous guide tout au long du processus de génération de plusieurs scénarios pour un modèle. Ainsi, vous pouvez tester les performances du modèle avec différents jeux de données générés aléatoirement. En pratique, il est important de tester la robustesse d'un modèle avec un vaste éventail de données. Vous vous assurez ainsi que le modèle se comporte correctement dans des conditions réelles potentiellement stochastiques.

L'exemple est le modèle StaffPlanning dans DO-samples.

L'exemple est structuré comme suit :

• Le modèle intitulé StaffPlanning contient un scénario par défaut qui s'appuie sur deux jeux de données par défaut, ainsi que cinq scénarios supplémentaires qui s'appuient sur des jeux de données aléatoires.
• Le bloc-notes CopyAndSolveScenarios Python contient le générateur aléatoire permettant de créer les nouveaux scénarios dans le modèle StaffPlanning .

Pour des informations générales sur la gestion et la configuration des scénarios, voir Scénarios dans une expérimentation Decision Optimization.

Pour plus d'informations sur l'écriture de méthodes et de classes pour les scénarios, voir la documentation de l'API Python d' Decision Optimization Client.