複数のシナリオを生成して、幅広いデータに対してモデルをテストし、そのモデルの堅固さを理解することができます。

この例では、モデルを使用して複数のシナリオを生成するプロセスを実行します。 これにより、複数のランダム生成データ・セットに対してモデルのパフォーマンスをテストすることが可能になります。 モデルの頑強性を多岐にわたるデータに対してチェックすることは、実際には重要なことです。 これは、モデルを潜在的に確率的現実世界の状態で適切に機能させることに役立ちます。

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・セットに基づくデフォルト・シナリオと、ランダム化データ・セットに基づく 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。