2023全国数学建模高教社本科组C题省一优秀论文
需积分: 0 124 浏览量
2024-04-12
16:57:33
上传
评论
收藏 3.16MB PDF 举报
1 / 62
基于
神经网络的蔬菜类商品的自动定价与补货决策
【摘要】
本文旨在对蔬菜类商品的自动定价与补货决策进行研究分析，根据相应的约
束条件，来建立相对应的数学模型，以此来解决对补货决策和定价决策之间的问
题。在研究该问题时，我们需要考虑影响补货与定价之间的因素，例如蔬菜销售
总量，蔬菜成本，以及各类蔬菜的损耗率等因素。
针对问题一，首先，我们需要对题目所需的的分布规律相互关系划分为四个
影响因素，分别为季节因素，时间因素，运损品相，偏爱程度。然后，我们需要
对题目给出的附件里面的数据进行数据预处理，分别将数据分类为有关四个影响
因素的数据，同时我们还需要对各个蔬菜类与各个蔬菜单品之间进行数据分类和
处理。通过得到的数据，我们使用
相关性分析
[3]
来分析各个菜品，各个
蔬菜单品与影响因素的相关性，同时进一步使用决策树
[2]
来研究他们的分布规律
和相互关系。
针对问题二，为了能够深入研究各个蔬菜类的销售总量和成本加成定价的关
系，我们采用了用拟合的方法确定各个蔬菜类的销售总量和成本加成定价以及成
本的关系，以此来对他们的规律进行探究。我们需要根据题目给出的约束条件，
来建立以商超收益为目标函数的数学模型。以此来解决在商超收益最大的情况下，
并且给出合理各蔬菜品类未来一周的日补货总量和定价策略。同时，运用
随机函数来模拟仿真七天内六大菜类的销售量，该步骤有利于验证模型的合理性。
并且通过仿真模拟我们可以得到第五天的收益最低为 52043.9 元，第六天的收益
最高的收益为 151742。
针对问题三，我们使用运用
神经网络
[1]
分析销售量、利润、成本、利润率、
加成成本定价分别影响着各个蔬菜的单品以及预测销售量的关系，来预测各个蔬
菜品类销售量的趋势，从而预测得到
月
日的可售品种的各个蔬菜种类的销售
量；将通过预测的到的数据代入到，以收益最大为目标函数的数学模型中，并且
结合数学软件求解可以得到各个蔬菜品类的一天的定价策略，各个蔬菜品类未来
一天的日补货总量。
针对问题四，为了更好的制定蔬菜商品的补货和定价决策，我们需要在问题
三中基础上为其确立新的影响单品补货量以及定价的因素，例如季节性因素，出
口需求因素，通货膨胀因素。同时，运用因子分析法
[5]
推导影响商品补货和定价
决策的因素分析，通过我们已知的相关变量，根据题目给出的相关数据，确立约
束条件，并且建立以商超收益最大为目标函数。通过建立该模型我们可以更全面
考虑问题，更好的制定蔬菜商品的补货和定价决策。
关键词 决策树 相关性分析 仿真
神经网络 因子分析法
剩余61页未读，继续阅读
资源评论
