複数のシナリオを生成して、広範囲のデータに対してモデルをテストし、モデルの頑強性を把握できます。

この例では、1 つのモデルで複数のシナリオを生成するプロセスについて順に説明します。 これにより、複数のランダムに生成されたデータ・セットに対してモデルのパフォーマンスをテストできます。 実際に、広範囲のデータに対してモデルの頑強性を検査することは重要です。 これにより、ランダムになりかねない現実世界の条件でもモデルが優れたパフォーマンスを発揮できるようになります。

この例は、 DO-samples内の StaffPlanning モデルです。

この例の構造は以下のとおりです。

• モデル StaffPlanning には、2 つのデフォルト・データ・セットに基づいたデフォルト・シナリオと、ランダム化されたデータ・セットに基づいた 5 つの追加シナリオが含まれています。
• Python ノートブック CopyAndSolveScenarios には、 StaffPlanning モデルで新しいシナリオを作成するためのランダム生成プログラムが含まれています。

シナリオの管理および構成に関する一般情報については、 Decision Optimization エクスペリメントのシナリオを参照してください。

シナリオのメソッドおよびクラスの作成については、 Decision Optimization Client Python API 資料を参照してください。