文章目录
高教杯全国大学生数学建模竞赛C题思路分享数据处理部分按单品每日的销售量数据.xlsx[按品类每日的销售量数据.xlsx](https://mbd.pub/o/bread/ZJ2cm59y )按单品每日成本和每日销售额(第二问和第三问用到)按每日某每个单品的价格数据 第一问第一题部分论文参考(附代码)第二问第三问第三题部分论文参考(附代码)第四问高教杯全国大学生数学建模竞赛C题思路分享
数据处理部分
(新增第二问和第三问所需要的分单品每日进价和成本数据)
数据是销售记录，一个单品一天有多次销售记录，首先需要把每个单品每天的销售量求出来，作为一个有251个单品每天的销售量的新的数据（已分好），然后因为第一问需要按品类来分，所以每个品类每天的总销售量也要知道，这个处理好放在另一个表格中(已处理好)。
按单品每日的销售量数据.xlsx
https://mbd.pub/o/bread/mbd-ZJ6TkpZu
数据处理代码也有
按每日单品价格数据
按品类每日的销售量数据.xlsx
https://mbd.pub/o/bread/ZJ2cm59y
按单品每日成本和每日销售额(第二问和第三问用到)
按单品每日成本和每日销售额数据
按每日某每个单品的价格数据
按每个单品的每日平均价格数据附代码
第一问
根据6个蔬菜品类251个单品的3年以来的销售情况，可以利用Spearman相关系数就能获取到品类以及单品的相关性。然后可以将每个单品之间的相关性求出来，然后每个类别中选取3-4个分析。
由于商品的销售量受到节假日等时间效应的影响，要对原数据进行剔除时间效应的操作，获得更加具有参考价值的样本。所以寻求各品类分布规律时需要利用预测模型去除数据的时间效应，再用分布去拟合去除时间效应的数据，也可以不用剔除时间效应，但是分布会较难拟合。
第一题部分论文参考(附代码)
将时间效应剔除后的六个品类
然后使用matlab对分布进行拟合，花叶类有两个波峰所以采用正态核的非参数化分布
六个品类的相关性
第二问
这道题类似于报童模型 max p , Q Π ( p , Q ) = p E min ( Q , D ( p ) ) − c Q . \max_{\mathrm p,\mathrm Q}\Pi(\mathrm p,\mathrm Q)=\mathrm p\mathrm E\min\bigl(\mathrm Q,\mathrm D(\mathrm p)\bigr)-\text{c}\mathrm Q. maxp,QΠ(p,Q)=pEmin(Q,D(p))−cQ.，不考虑剩余，一天没卖出去的均认为丢弃，假设消费者的消费能力是平稳的，再结合价格弹性模型 D ( p ) = d 0 − δ p , \mathrm{D(p)=d_0-\delta p,} D(p)=d0−δp,，求解该问题，其中p为定价决策，c为成本(需要预测)，Q为进货量，D为需求量
按单品每日批发价格数据处理并对未来7天预测
说明：批发价格预测使用Facebook开发的prophet库，该库专门用来时序分析，Prophet能识别出趋势项、节假日项、星期项、年季节项等不稳定的因素。
某个单品的批发价格预测图
第三问
首先要把需求作为，建立可售单品的价格弹性模型。然后，将7月1日的利润作为目标函数，将题目中所提到的商品类别限制以及商品最小进货量作为约束条件，将这个问题转换为求解最优化问题就能得到最终的决策方案。同样可以列出相应的最优化目标函数 M a x min { q i , d i } ( p i − c i ) − m a x { ( q i − d i ) , 0 } c i Max\quad\min\{q_i,d_i\}(p_i-c_i)-max\{(q_i-d_i),0\}c_i Maxmin{qi,di}(pi−ci)−max{(qi−di),0}ci，然后使用模拟退火算法求出了最优的定价决策p和进货批发决策q。
第三题部分论文参考(附代码)
https://mbd.pub/o/bread/ZJ6TmZlx
第四问
结合前面的解答，主要结合第二三问，然后再考虑一下打折提高销量，可以从打折角度出发，减少损失.
更新中。。。。。
