Trabalhando com vários Decision Optimization cenários

É possível gerar múltiplos cenários para testar seu modelo com relação a uma ampla gama de dados e entender o quão robusto o modelo é.

Este exemplo conduz você pelo processo para gerar múltiplos cenários com um modelo. Isso permite testar o desempenho do modelo com relação a múltiplos conjuntos de dados gerados aleatoriamente. É importante, na prática, verificar a robustez de um modelo com relação a uma ampla gama de dados. Isso ajuda a assegurar que o modelo tenha um bom desempenho bem em condições potencialmente estocásticas do mundo real.

O exemplo é o modelo StaffPlanning no DO-samples.

O exemplo é estruturado da seguinte forma:

• O modelo StaffPlanning contém um cenário padrão baseado em dois conjuntos de dados padrão, juntamente com cinco cenários adicionais baseados em conjuntos de dados escolhidos a esmo.
• O Python CopyAndSolveScenarios contém o gerador aleatório para criar os novos cenários no modelo StaffPlanning .

Para obter informações gerais sobre gerenciamento e configuração de cenário, consulte Cenários em um experimento do Decision Optimization.

Para obter informações sobre como gravar métodos e classes para cenários, consulte a documentação da API do Decision Optimization Client Python