【2023年数学建模国赛】C题代码与技术文档分享

news2024/10/10 7:31:05

2023年数学建模国赛C题

  • 第一问代码
    • code1_Q1_1.m
    • Code1_Q1_2.m
    • Code1_Q1_3.m
    • 实验结果
  • 技术文档
    • 问题分析
    • 假设
    • 符号说明
    • 1 第一问
      • 1.1分布检验模型的建立
      • 1.2 相关性模型的建立
      • 1.3各种类蔬菜的销量分布及相关关系
  • 写在最后

第一问代码

code1_Q1_1.m

clc
clear
D=xlsread('合成表1','合成表1、2');
kind_u=unique(D(:,6));
kind_num=size(kind_u,1);%记录蔬菜的种类数
table=zeros(365*4,6);
for k=1:size(kind_u,1) %遍历每一种菜
    temp_day=D(1,3);
    temp=1;
    for i=1:size(D,1) %遍历每一行
        if D(i,6)==kind_u(k,1) %如果是要找的那种菜
            if D(i,3)~=temp_day %如果到第二天了
                temp=temp+1;
                temp_day=D(i,3);
            end
            table(temp,k)=table(temp,k)+D(i,7);
        end
    end
end


%% 箱线图
d1=table(table(:,1)~=0,1);
d2=table(table(:,2)~=0,2);
d3=table(table(:,3)~=0,3);
d4=table(table(:,4)~=0,4);
d5=table(table(:,5)~=0,5);
d6=table(table(:,6)~=0,6);
data=[d1;d2;d3;d4;d5;d6];
g1 = repmat({'花叶类'},size(d1,1),1);
g2 = repmat({'花菜类'},size(d2,1),1);
g3 = repmat({'水生根茎类'},size(d3,1),1);
g4 = repmat({'茄类'},size(d4,1),1);
g5 = repmat({'辣椒类'},size(d5,1),1);
g6 = repmat({'食用菌'},size(d6,1),1);
g = [g1; g2; g3; g4; g5; g6];
h=boxplot(data,g,'Colors','k','Symbol','o');
% hTitle = title('Miles per Gallon by Vehicle Origin');
hXLabel = xlabel('蔬菜分类');
hYLabel = ylabel('单日销量');
% 线宽
set(h,'LineWidth',1.5)
% 坐标轴美化
set(gca, 'Box', 'on', ...                                % 边框
'LineWidth', 1,...                                       % 线宽
'XGrid', 'off', 'YGrid', 'off', ...                      % 网格
'TickDir', 'in', 'TickLength', [.015 .015], ...          % 刻度
'XMinorTick', 'off', 'YMinorTick', 'off', ...            % 小刻度
'XColor', [.1 .1 .1],  'YColor', [.1 .1 .1])             % 坐标轴颜色
% 字体和字号
set(gca, 'FontName', '宋体')
% set([hXLabel, hYLabel], 'FontName', 'Times New Roman')
set(gca, 'FontSize', 12)
set([hXLabel, hYLabel], 'FontSize', 15)
% set(hTitle, 'FontSize', 11, 'FontWeight' , 'bold')
% 背景颜色
set(gcf,'Color',[1 1 1])

%箱子颜色
color=[0/255,96/255,115/255;
    9/255,147/255,150/255;
    145/255,211/255,192/255;
    235/255,215/255,165/255;
    238/255,155/255,0/255;
    204/255,102/255,2/255;
    188/255,62/255,3/255;
    174/255,32/255,18/255;
    155/255,34/255,39/255];
h = findobj(gca,'Tag','Box');
for j=1:length(h)
   patch(get(h(j),'XData'),get(h(j),'YData'),color(j,:),'FaceAlpha',.5);
end
% c = get(gca, 'Children'); %获取子对象（6个色块和点）
% %图注
% % hleg1 = legend(c(1:2:5,:), 'MSE','MAE','MAPE');
% % 绘制参照线
% Y=h(1,1).YData;
% X=h(1,1).XData;
% Y=unique(Y);
% X=unique(X);
% for i=1:size(Y,2)
%     line([0,X(1)],[Y(i),Y(i)],'Color','red','LineStyle','--','LineWidth',0.8);
%     hold on
% end
% c = get(gca, 'Children'); %获取子对象（6个色块和点）
% Ymax=unique(c(11,1).Children(33,1).YData);
% Xmax=min(c(11,1).Children(33,1).XData);
% Ymean=unique(c(11,1).Children(9,1).YData);
% Ymin=unique(c(11,1).Children(25,1).YData);
% line([0,X(1)],[Ymean,Ymean],'Color','red','LineStyle','--','LineWidth',0.8)
% hold on
% line([0,Xmax],[Ymax,Ymax],'Color','red','LineStyle','--','LineWidth',0.8)
% hold on
% line([0,Xmax],[Ymin,Ymin],'Color','red','LineStyle','--','LineWidth',0.8)
% hold on

Code1_Q1_2.m

clc
clear
D=xlsread('合成表1','合成表1、2');
kind_u=unique(D(:,6));
kind_num=size(kind_u,1);%记录蔬菜的种类数
table=zeros(12,6);
for k=1:size(kind_u,1) %遍历每一种菜
    for m=1:12 %遍历每一个月
        for i=1:size(D,1) %遍历每一行
            if D(i,6)==kind_u(k,1) %如果是要找的那种菜
                if D(i,2)==m
                    table(m,k)=table(m,k)+D(i,3);
                end
            end
        end
    end
end

d1=table(table(:,1)~=0,1);
d2=table(table(:,2)~=0,2);
d3=table(table(:,3)~=0,3);
d4=table(table(:,4)~=0,4);
d5=table(table(:,5)~=0,5);
d6=table(table(:,6)~=0,6);
data=[d1;d2;d3;d4;d5;d6];
g1 = repmat({'花叶类'},size(d1,1),1);
g2 = repmat({'花菜类'},size(d2,1),1);
g3 = repmat({'水生根茎类'},size(d3,1),1);
g4 = repmat({'茄类'},size(d4,1),1);
g5 = repmat({'辣椒类'},size(d5,1),1);
g6 = repmat({'食用菌'},size(d6,1),1);
g = [g1; g2; g3; g4; g5; g6];
plot()
% hTitle = title('Miles per Gallon by Vehicle Origin');
hXLabel = xlabel('月份');
hYLabel = ylabel('月销量');

set(gca, 'FontName', '宋体')
% set([hXLabel, hYLabel], 'FontName', 'Times New Roman')
set(gca, 'FontSize', 12)
set([hXLabel, hYLabel], 'FontSize', 15)
% set(hTitle, 'FontSize', 11, 'FontWeight' , 'bold')
% 背景颜色
set(gcf,'Color',[1 1 1])
%箱子颜色
color=[0/255,96/255,115/255;
    9/255,147/255,150/255;
    145/255,211/255,192/255;
    235/255,215/255,165/255;
    238/255,155/255,0/255;
    204/255,102/255,2/255;
    188/255,62/255,3/255;
    174/255,32/255,18/255;
    155/255,34/255,39/255];

Code1_Q1_3.m

clc
clear
D=xlsread('合成表1','合成表1、2');
kind_u=unique(D(:,6));
kind_num=size(kind_u,1);%记录蔬菜的种类数
table=zeros(12,6);
for k=1:size(kind_u,1) %遍历每一种菜
    for m=1:12 %遍历每一个月
        for i=1:size(D,1) %遍历每一行
            if D(i,6)==kind_u(k,1) %如果是要找的那种菜
                if D(i,2)==m %如果是要找的那个月
                    if D(i,9)==2
                        table(m,k)=table(m,k)+1;
                    end
                end
            end
        end
    end
end

d1=table(table(:,1)~=0,1);
d2=table(table(:,2)~=0,2);
d3=table(table(:,3)~=0,3);
d4=table(table(:,4)~=0,4);
d5=table(table(:,5)~=0,5);
d6=table(table(:,6)~=0,6);
data=[d1;d2;d3;d4;d5;d6];
g1 = repmat({'花叶类'},size(d1,1),1);
g2 = repmat({'花菜类'},size(d2,1),1);
g3 = repmat({'水生根茎类'},size(d3,1),1);
g4 = repmat({'茄类'},size(d4,1),1);
g5 = repmat({'辣椒类'},size(d5,1),1);
g6 = repmat({'食用菌'},size(d6,1),1);
g = [g1; g2; g3; g4; g5; g6];
plot()
% hTitle = title('Miles per Gallon by Vehicle Origin');
hXLabel = xlabel('月份');
hYLabel = ylabel('月销量');

set(gca, 'FontName', '宋体')
% set([hXLabel, hYLabel], 'FontName', 'Times New Roman')
set(gca, 'FontSize', 12)
set([hXLabel, hYLabel], 'FontSize', 15)
% set(hTitle, 'FontSize', 11, 'FontWeight' , 'bold')
% 背景颜色
set(gcf,'Color',[1 1 1])
%箱子颜色
color=[0/255,96/255,115/255;
    9/255,147/255,150/255;
    145/255,211/255,192/255;
    235/255,215/255,165/255;
    238/255,155/255,0/255;
    204/255,102/255,2/255;
    188/255,62/255,3/255;
    174/255,32/255,18/255;
    155/255,34/255,39/255];

实验结果

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

技术文档

问题分析

对于问题一，要求分析分析蔬菜各品类及单品销售量的分布规律及相互关系。该问题可以拆分成三个角度进行剖析。1）各种类蔬菜的销售量分布、蔬菜种类与销售量之间的关系；2）各种类蔬菜的销售量的月份分布、各种类蔬菜销售量与月份之间的相关关系；3）各种类蔬菜的销售时间分布、销售时间与退货量之间的相关关系。对于每一角度，先利用箱线图及折线图表述分布特诊，再进行分布检验，最后选取相应的相关性分析方法进行计算。

对于问题二，首先要分析各种类蔬菜的销售总量与成本加成定价之间的关系，实质上就是求销售总量与成本利润率之间的关系。对于该问题，建立集成拟合模型对每一蔬菜单品拟合多项式函数，以表征销量与成本利润率之间的关系。其次，需要给出各蔬菜品类未来一周的日补货总量和定价策略，在获取销量与成本利润率之间的关系模型后，通过成本利润率即可求出销量。因此，构建以最大化商超收益为目标，以各蔬菜单品的成本利润率为决策变量的线性规划模型（LP）。对于约束条件中的最大销量约束，基于ARIMA算法对蔬菜需求量进行预测，并取预测值作为最大销量约束。并基于遗传算法（GA）对LP模型进行求解。

对于问题三，实质上为在问题二的基础上增加对于销售空间及最小陈列量的限制。为此，在问题二的LP的基础上调整相应限制条件，限制销售空间及最小陈列量。在求解阶段设计0编码机制以适应销售空间限制，并设计不可行解的修复机制保持染色体的合法性。

对于问题四，需要对相关数据的采集进行设计。该问可以从“是否存在会员折扣”“各商品最佳保存时长”“退货原因”等角度入手进行分析。

假设

1、假设市场价格完全有供需关系决定，不受政策管控影响，物价的上限及下限不受限制。
2、假设不出现突发不可抗灾害导致的囤粮等情况的发生。
3、同种菜品的供货质量稳定不变。
4、近期损耗率不发生大幅波动。
5、菜品批发价格不发生大幅波动。

符号说明

在这里插入图片描述

1 第一问

1.1分布检验模型的建立

在进行相关性检验之前，需要先对数据的分布进行检验。Kolmogorov-Smirnov分布检验常被用于大规模样本的检测，而Shapiro–Wilk分布检验常被用于小规模样本的检测。
Kolmogorov-Smirnov分布检验模型可被描述如下：
原假设（）：数据服从正态分布；
备择假设（）：数据不服从正态分布。
在这里插入图片描述
在这里插入图片描述

1.2 相关性模型的建立

在这里插入图片描述
在这里插入图片描述

1.3各种类蔬菜的销量分布及相关关系

在这里插入图片描述

写在最后

下面是学姐自己整理的完整代码与运行结果，需要的同学欢迎咨询~

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/993613.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

通过实例学习：使用Spring Cache实现实际场景的缓存策略

通过实例学习：使用Spring Cache实现实际场景的缓存策略

文章目录 前言一、Spring Cache 常用注解1.Cacheable：2.CachePut：3.CacheEvict：4.CacheConfig：5.EnableCathing: 二、使用步骤1.引入依赖2.配置3.EnableCaching的使用：4.Cacheable的使用：5.CachePut的使用&…
阅读更多...
c语言练习46：模拟实现strncpy

c语言练习46：模拟实现strncpy

模拟实现strncpy 模拟实现&#xff1a; #include<stdio.h> char* my_strncpy(char*dest,char*src,size_t num) {char* ret dest;size_t i 0;for (i 0; i < num; i) {*dest *src;dest;src;}*dest \0;return ret; } int main() {char aim[50] { 0 };char src[] …
阅读更多...
03_kafka-eagle 监控

03_kafka-eagle 监控

文章目录 安装修改 kafka-server-start.sh修改 kafka-run-class.sh问题eagle 日志报错mysql 报错 时区问题 kafka-eagle 监控 安装 download.kafka-eagle.org &#xff1a; https://github.com/smartloli/kafka-eagle-bin/archive/v3.0.1.tar.gzhttps://docs.kafka-eagle.org/…
阅读更多...
C语言“牵手”lazada商品详情数据方法，lazada商品详情API接口，lazadaAPI申请指南

C语言“牵手”lazada商品详情数据方法，lazada商品详情API接口，lazadaAPI申请指南

lazada是东南亚最大的自营式电商企业&#xff0c;在线销售计算机、手机及其它数码产品、家电、汽车配件、服装与鞋类、奢侈品、家居与家庭用品、化妆品与其它个人护理用品、食品与营养品、书籍与其它媒体产品、母婴用品与玩具、体育与健身器材以及虚拟商品等。 lazada平台的商…
阅读更多...
C基础-数组

C基础-数组

1.一维数组的创建和初始化 int main() {// int arr1[10];int n 0;scanf("%d",&n);//int count 10;int arr2[n]; //局部的变量&#xff0c;这些局部的变量或者数组是存放在栈区的&#xff0c;存放在栈区上的数组&#xff0c;如果不初始化的话&#xff0c;默认…
阅读更多...
heap堆结构以及堆排序

heap堆结构以及堆排序

堆的定义 堆&#xff08;heap&#xff09;是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵树的数组对象。堆总是满足下列性质&#xff1a; 堆中某个结点的值总是不大于或不小于其父结点的值&#xff1b; 堆总是一棵完全二叉树。 将根结点最大的堆叫做…
阅读更多...
YOLO目标检测——复杂场景人员行人数据集+已标注voc格式标签下载分享

YOLO目标检测——复杂场景人员行人数据集+已标注voc格式标签下载分享

实际项目应用&#xff1a;安防监控、人群管理、自动驾驶、城市规划、人机交互等等数据集说明&#xff1a;YOLO目标检测数据集&#xff0c;真实场景的高质量图片数据&#xff0c;数据场景丰富&#xff0c;图片格式为jpg&#xff0c;分为训练集和验证集。标注说明&#xff1a;使用…
阅读更多...
kubernetes（K8S）笔记

kubernetes（K8S）笔记

文章目录 大佬博客简介K8SDocker VS DockerDockerK8S简介K8S配合docker相比较单纯使用docker 大佬博客 Kubernetes&#xff08;通常缩写为K8s&#xff09;是一个用于自动化容器化应用程序部署、管理和扩展的开源容器编排平台。它的构造非常复杂&#xff0c;由多个核心组件和附加…
阅读更多...
【Java基础篇 | 类和对象】--- 聊聊什么是内部类

【Java基础篇 | 类和对象】--- 聊聊什么是内部类

个人主页&#xff1a;兜里有颗棉花糖 欢迎 点赞&#x1f44d; 收藏✨ 留言✉ 加关注&#x1f493;本文由 兜里有颗棉花糖 原创 收录于专栏【JavaSE_primary】 本专栏旨在分享学习Java的一点学习心得&#xff0c;欢迎大家在评论区讨论&#x1f48c; 前言 当一个事物的内部&…
阅读更多...
分享日常电脑遇到msvcr110.dll丢失的解决方法

分享日常电脑遇到msvcr110.dll丢失的解决方法

最近&#xff0c;我在尝试运行一款新的软件时&#xff0c;突然遇到了一个错误提示&#xff0c;提示说缺少msvcr110.dll文件&#xff0c;导致软件无法启动。在使用电脑过程中&#xff0c;我们常常会遇到一些系统文件丢失的问题。其中&#xff0c;msvcr110.dll是Windows操作系统中…
阅读更多...
10分钟从实现和使用场景聊聊并发包下的阻塞队列

10分钟从实现和使用场景聊聊并发包下的阻塞队列

上篇文章12分钟从Executor自顶向下彻底搞懂线程池中我们聊到线程池&#xff0c;而线程池中包含阻塞队列 这篇文章我们主要聊聊并发包下的阻塞队列 阻塞队列 什么是队列&#xff1f; 队列的实现可以是数组、也可以是链表&#xff0c;可以实现先进先出的顺序队列&#xff0c;…
阅读更多...
【矩阵分解】PCA - 主成分分析中的数学原理

【矩阵分解】PCA - 主成分分析中的数学原理

前言 本文主要对PCA主成分分析中的数学原理进行介绍&#xff0c;将不涉及或很少涉及代码实现或应用&#xff0c;阅读前请确保已了解基本的机器学习相关知识。 文章概述 PCA主成分分析属于矩阵分解算法中的入门算法&#xff0c;通过分解特征矩阵来实现降维。 本文主要内容&a…
阅读更多...
【PowerQuery】Excel 一分钟以内刷新PowerQuery数据

【PowerQuery】Excel 一分钟以内刷新PowerQuery数据

当需要进行刷新的周期如果小于一分钟，采用数据自动刷新就无法实现自动刷新的目标。那就没有办法了吗？当然不是，这里就是使用VBA来实现自动刷新。这里实现VBA刷新的第一步就是将当前的Excel 保存为带有宏的Excel 文件，如果不带宏则无法运行带有宏代码的Excel文件，保存过程如…
阅读更多...
JAVA中的String类中的一些常用方法

JAVA中的String类中的一些常用方法

目录 字符串比较方法&#xff1a; boolean equals(Object anObject)&#xff1a; int compareTo(String s)&#xff1a; int compareToIgnoreCase(String str) 字符串查找方法&#xff1a; char charAt(int index)&#xff1a; int indexOf(int ch)&#xff1a; int inde…
阅读更多...
sqlserver2012性能优化配置：设置性能相关的服务器参数

sqlserver2012性能优化配置：设置性能相关的服务器参数

前言 sqlserver2012 长时间运行的话会将服务器的内存占满 解决办法 通过界面设置 下图中设置最大服务器内存 通过执行脚本设置 需要先开发开启高级选项配置才能设置成功 设置完成之后将高级选择配置关闭&#xff0c;还原成跟之前一样 --可以配置高级选项 EXEC sp_conf…
阅读更多...
MySQL--数据库基础

MySQL--数据库基础

数据库分类 数据库大体可以分为 关系型数据库 和 非关系型数据库 常用数据类型 数值类型&#xff1a; 分为整型和浮点型&#xff1a; 字符串类型 日期类型
阅读更多...
【SpringMVC】一行代码完成文件上传JRebel的使用

【SpringMVC】一行代码完成文件上传JRebel的使用

目录 引言 一、JRebel的使用 1.1.安装JReble 1.2.反向代理工具 1.3.离线使用 二、文件上传 2.1.公共文件跳转 2.2.添加依赖 2.3.配置文件上传解析器 2.4.图片路径配置Tomcat 2.5.前端代码 2.6.文件上传实现 三、文件下载 3.1.Controller层 3.2.前端代码 四、多文…
阅读更多...
Jetsonnano B01 笔记4：UART 通信配置及编程

Jetsonnano B01 笔记4：UART 通信配置及编程

今日继续我的Jetsonnano学习之路&#xff0c;今日学习使用Jetson硬件驱动之UART串口通信&#xff1a; 目录 简议串口通信&#xff1a; 硬件连接&#xff1a; 串口配置&#xff1a; 安装串口函数库&#xff1a; 设置权限&#xff1a; Python代码配置&#xff1a; 下载测试…
阅读更多...
机器学习实战-系列教程5：手撕线性回归4之非线性回归（项目实战、原理解读、源码解读）

机器学习实战-系列教程5：手撕线性回归4之非线性回归（项目实战、原理解读、源码解读）

11、非线性模型 当得到一个回归方程会&#xff0c;得到一条直线来拟合这个数据的统计规律&#xff0c;但是实际中用这样的简单直线很显然并不能拟合出统计规律&#xff0c;所谓线性回归比如两个变量之间关系就直接用一条直线来拟合&#xff0c;2个变量和一个1个变量的关系就用…
阅读更多...
PDF 工具箱

PDF 工具箱

PDF 工具箱 V9.0.0.1 程序&#xff1a;VB.net 运行库&#xff1a;NET Framework 4.5 功能简介&#xff1a; 1、PDF文件多文件合并&#xff0c;可调整顺序。 2、PDF文件拆分&#xff0c;将每页拆分成独立的PDF文件。 3、PDF文件添加水印&#xff0c;文字或图片水印&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023