2023数模国赛优秀论文C235.pdf

基于历史数据的蔬菜类商品定价与补货决策模型

摘要

农业是国民经济的重要支柱,农产品市场的稳定是国家经济平稳健康运行的有力支

撑。蔬菜类农产品作为农产品一大类别，对其商品定价和补货决策问题的研究具有十分

重要的意义。本文针对以上问题，根据蔬菜销售、进价和定价等数据，并基于K-S检验、

ARIMA模型和Prophet模型等研究方法，对蔬菜销量的分布规律进行了详细分析，建

立基于历史数据的蔬菜类商品定价与补货决策的模型，并使用模拟退火算法、遗传算法

等对该模型进行了求解。

针对问题一，首先进行数据预处理，针对蔬菜销量流水的缺失值和异常值等进行了

相应的处理操作，并对数据分类汇总以获得各单品或品类不同维度的销量数据。之后，

首先先从总体的角度去分析不同品类蔬菜的分布规律及相互关系。分别使用K-S检验、

皮尔逊相关系数矩阵、ARIMA时间序列分析等方法，对销量数据从不同的维度进行整

体分析；之后认为再从周、月、年等多个维度，利用可视化分析和相关系数矩阵等方法，

详细分析不同品类蔬菜的分布规律及相互关系。

针对问题二，本文首先单品数据合并为品类数据，并编制能够反映品类价格特点的

量化指标。使用以销售价格为外生变量的Prophet模型，分离出品类销售总额数据的趋

势项、季节项、节假日项，通过调整后的线性回归模型在小区间内建立了成本加成定价

与销售总额的关联。最后将Prophet模型结合模拟退火的启发式算法，优化7月1日至

7月7日的自动定价策略与补货方案。

针对问题三，首先根据2023年6月24-30日的市场批发价情况筛选出可以7月1

日可以从供应商处批发获得的蔬菜单品。之后，结合实际情况和历史数据，预测出当天

各单品蔬菜的市场需求量与进货价格。此外，结合问题二的Prophet模型，建立出各单

品蔬菜销量与其定价之间的线性关系。基于上述分析，构建出混合整数二次规划，并结

合遗传算法，获得相应的最优解，提供7月1日的自动定价与补货方案。

针对问题四，结合前三个问题的分析和建模过程，提出获取疫情封控状态等数据以

补足完善之前的补货和定价模型；此外，针对前文利用不足的折扣率、损耗率等数据，

提出获取库存最大容量、隔天库存损耗率等数据，以更好地利用和分析这些数据，并建

立相应的动态规划模型，作为补货和定价模型的补充。

关键词：ARIMAProphet模型模拟退火遗传算法

1

一、问题重述

1.1问题背景

在生鲜商超中，由于蔬菜类商品保质期较短，商超会每天进行补货。由于蔬菜每日

的进货交易时间在凌晨，因此商家并不确切知道具体单品和进货价格，而只能根据各商

品的历史销售和需求情况进行每日的补货决策。另外，蔬菜的定价采用“成本加成定价

法”，对运损或品相变差的商品通常打折销售处理。

因此，需要对市场需求和供给进行合理分析，从而进行补货和定价决策。从需求侧

看，蔬菜类商品的需求在时间上存在周期性，其销售量与时间存在一定的关联性；从供

给侧来看，蔬菜的供应品种在4月到10月较为丰富，商超销售空间的限制使得合理的

销售组合变得极为重要；结合需求侧和供给侧，可以分析各蔬菜品类的销售总量与成本

定价之间的关系，从而进行合理的优化决策。

1.2问题提出

问题是层层递进，并且服务于同一主题的——如何通过分析蔬菜的已有成本、定价

和销量等历史数据，从而制定出合理的补货和定价决策，实现商超利润最大化：

问题一：根据附件1和附件2，按照周、月、年等不同的分析维度，分析蔬菜各品

类及单品销售量的分布关系，以及其相互关系；

问题二：在对各蔬菜品类与单品销量分析的基础上，进一步分析决定各蔬菜品类市

场需求的可能因素，从而确定不同的成本加成定价水平对市场需求的影响，并给出各蔬

菜品类2023年7月1-7日的日补货总量和定价策略，使商超利益最大化；

问题三：在可售单品总数控制在27-33个，且各单品订购量满足最小陈列量2.5千

克的前提下，尽量满足市场对各品类蔬菜商品的需求，同时根据2023年6月24-30日

的可售单品，给出7月1日的单品补货量和定价策略。

问题四：结合以上问题的分析和建模过程，希望商家继续采集哪些相关数据，从而

可以完