C题思路 修改版
C题保奖
数据预处理
3σ原则
区间判断法、人为判定
问题 1
聚类分析进行简单的分类
相互关系
数据服从正态分布（K-S检验等判定分布类型后） 才能做person相关性
图表结合（热力图、数据结果表）
分布规律
宏观时间规律、微观时间规律、节假日时间规律，
问题 2
- 判定商品需求曲线
线性 y=kx+b
非线性 Y=a*e^x+b
Y=a*sin(b*x)+c
二、日补货总量和定价策略
K*销售总量+b=成本加成定价=(1+加成率)*成本进价
销售量、加成率、成本进价
- 预测的方式 预测一个未知量
- 设一个未知量（优化模型的决策变量）
- 等式关系 求解 第三个未知量
预测的方式（时间序列、灰色预测）
问题 3
双目标优化
- 利益最大化
- 满足需求
算法
求解优化模型的常用算法包括以下几种主要类型：
非线性规划（Nonlinear Programming, NLP）：
梯度下降法（Gradient Descent）：用于寻找局部最优解。
牛顿法（Newton's Method）：更快的收敛速度，但需要二阶导数信息。
拟牛顿法（Quasi-Newton Methods）：使用有限的二阶信息来逼近牛顿法，常见的包括BFGS和DFP算法。
整数非线性规划（Mixed-Integer Nonlinear Programming, MINLP）：
分支定界法与非线性规划（Branch and Bound with NLP）：将整数问题的分支与非线性规划方法相结合。
动态规划（Dynamic Programming）：用于求解具有递归结构的优化问题，通常用于序列决策问题和最优控制问题。
模拟退火算法（Simulated Annealing）：一种随机搜索算法，通常用于求解复杂的组合优化问题。
遗传算法（Genetic Algorithms）：一种模仿自然选择和遗传机制的优化算法，通常用于求解复杂的组合优化问题。
粒子群算法（Particle Swarm Optimization）：一种启发式优化算法，模拟鸟群或鱼群的群体行为来求解优化问题。
模型预测控制（Model Predictive Control, MPC）：用于动态系统控制和优化问题的一种方法，通常使用数学模型和优化来预测未来状态并制定最优决策。
线性规划的整数规划（Mixed-Integer Linear Programming, MILP）：结合了线性规划和整数规划的特点，广泛用于组合优化和规划问题。
问题 4
1. 竞争对手数据：收集竞争对手的销售数据和定价策略，以了解市场竞争情况。这有助于商超制定更具竞争力的定价策略和促销活动。
2. 消费者行为数据：收集消费者购物行为数据，包括购买历史、购物篮组合、购物频率和偏好。这可以帮助商超更好地理解消费者需求，优化产品组合和促销策略。
3. 供应链数据：了解供应链信息，包括供应商交货时间、库存水平、供应商可靠性等。这可以帮助商超优化库存管理和补货计划。
4. 市场趋势数据：收集市场趋势数据，包括价格趋势、季节性变化、新产品上市情况等。这有助于商超调整定价策略和销售计划，以应对市场变化。
5. 促销效果数据：跟踪促销活动的效果，包括折扣率、促销时段、促销渠道等。这可以帮助商超评估促销活动的效益，优化促销策略。
6. 天气数据：了解天气情况，特别是与蔬菜销售有关的天气因素，如温度、降水量等。天气对蔬菜销售具有重要影响，因此天气数据可以帮助商超更好地预测销售和库存需求。