Istnieje możliwość wygenerowania wielu scenariuszy w celu przetestowania modelu w oparciu o szeroki zakres danych i zrozumienia, jak stabilny jest model.

W tym przykładzie przedstawiono kroki, które należy wykonać, aby wygenerować wiele scenariuszy z modelem. Dzięki temu możliwe jest przetestowanie wydajności modelu względem wielu losowo generowanych zestawów danych. W praktyce ważne jest sprawdzenie solidności modelu w stosunku do szerokiego zakresu danych. Pomaga to w zapewnieniu, że model dobrze się sprawdza w potencjalnie stochastycznych warunkach w świecie.

Przykładem jest model StaffPlanning w DO-przykłady.

Przykład ustrukturyzowany jest następujący:

• Model StaffPlanning zawiera domyślny scenariusz oparty na dwóch domyślnych zestawach danych, wraz z pięcioma dodatkowymi scenariuszami opartymi na losowych zestawach danych.
• The Python notatnik CopyAndSolveScenarios contains the random generator to create the new scenarios in the StaffPlanning model.

Ogólne informacje na temat zarządzania scenariuszami i konfiguracji zawiera sekcja Panel scenariuszy i Przegląd.

Więcej informacji na temat pisania metod i klas dla scenariuszy zawiera publikacja Decision Optimization Client Python API documentation.