2023 ABC题目+初步想法
- 写在最前面
- A题：定日镜场的优化设计
- 问题1：建模将其抽象为数学公式
- 问题2：固定部分参数，约束条件下的局部最优化问题
- 可尝试方法
- 问题3：约束条件下的局部最优化问题
- 附录：相关计算公式
- 参考文献
- B题：多波束测线问题（涉及微分方程）
- 问题1：（平面）建模将其抽象为数学公式（比A稍微简单）
- 问题2：（三维空间）建模将其抽象为数学公式
- 问题3：在2的基础上，约束条件的最优化问题（也比A好做）
- 问题4：
- 论文绘图亮点：绘制三维图、等高线图
- C题：蔬菜类商品的自动定价与补货决策（之后可能详细更新，看其他任务顺不顺利hh）
- 附件
- 问题1：挖掘关联关系，可参考
- 问题一方案
- 问题2：（品类一周）时间序列预测+最优化
- 问题3：（单品一天）短周期序列预测+双目标最优化
- 问题4：文献调研+文字建模
写在最前面
马上参加华为杯研数学建模了hh，找一下数模逻辑
看看今年本科有什么题目，随手记录下思路
A题：定日镜场的优化设计
附件数据：
问题1：建模将其抽象为数学公式
问题2：固定部分参数，约束条件下的局部最优化问题
result2.xlsx
可尝试方法
如果有条件（代码有一定难度），可以尝试启发式算法，如模拟退火、蚁群算法、遗传算法等，适用于非线性和非凸问题
如果不行，下面的方法也是思路之一
约束优化的优化器： 一些数值优化库和软件包，如MATLAB中的fmincon，Python中的scipy.optimize等，提供了专门用于处理约束优化问题的优化器。
问题3：约束条件下的局部最优化问题
如果不好入手，可以尝试问题简化：
先通过理论设计找到几个可能的最优尺寸、安装高度，然后转化为问题二
result3.xlsx
附录：相关计算公式
参考文献
B题：多波束测线问题（涉及微分方程）
问题1：（平面）建模将其抽象为数学公式（比A稍微简单）
问题2：（三维空间）建模将其抽象为数学公式
问题3：在2的基础上，约束条件的最优化问题（也比A好做）
目标函数：长度最短
约束条件：
1、完全覆盖
2、重叠率10-20
问题4：
附件数据：
论文绘图亮点：绘制三维图、等高线图
可参考：
C题：蔬菜类商品的自动定价与补货决策（之后可能详细更新，看其他任务顺不顺利hh）
附件
附件 1 给出了某商超经销的 6 个蔬菜品类的商品信息；
附件 2 和附件 3 分别给出了该商超 2020 年 7 月 1 日至 2023 年 6 月 30 日各商品的销售流水明细与批发价格的相关数据；
附件 4 给出了各商品近期的损耗率数据。
请根据附件和实际情况建立数学模型解决以下问题：
问题1：挖掘关联关系，可参考
问题 1 蔬菜类商品不同品类或不同单品之间可能存在一定的关联关系，请分析蔬菜各品类及单品销售量的分布规律及相互关系。
问题一方案
首先，附件1、附件2之间通过单品编码进行表连接
参考：
根据实际情况，我觉着可以
df3 = pd.merge(df1,df2,on='key',how='right')其中，df1为附件3，df2为附件2
1、各品类之间
2、单品销售量之间
也可以各品类及单品销售量两两之间
分布规律：
关联关系
问题2：（品类一周）时间序列预测+最优化
问题 2 考虑商超以品类为单位做补货计划，请分析各蔬菜品类的销售总量与成本加成 定价的关系，并给出各蔬菜品类未来一周(2023 年 7 月 1-7 日)的日补货总量和定价策略，使得商超收益最大。
问题3：（单品一天）短周期序列预测+双目标最优化
问题 3 因蔬菜类商品的销售空间有限，商超希望进一步制定单品的补货计划，要求：
1、可售单品总数控制在 27-33 个，
2、且各单品订购量满足最小陈列量 2.5 千克的要求。
根据 2023年 6 月 24-30 日的可售品种，给出 7 月 1 日的单品补货量和定价策略，
1、在尽量满足市场对各品类蔬菜商品需求的前提下，
2、使得商超收益最大。
问题4：文献调研+文字建模
问题 4 为了更好地制定蔬菜商品的补货和定价决策，商超还需要采集哪些相关数据，这些数据对解决上述问题有何帮助，请给出你们的意见和理由。
