2023年MathorCup数模C题赛题

C 题 电商物流网络包裹应急调运与结构优化问题
问题C,题目的设置就是本科生专科生选题,因此在题目难度上应该会和AB,有明显的区别。整个问题的设置还是很符合妈杯的风格设置,下面我们简要的看一下各个题目设置。

2023年MathorCup数模C题赛题_第1张图片

问题 1:建立线路货量的预测模型,对 2023-01-01 至 2023-01-31 期间 每条线路每天的货量进行预测, 并在提交的论文中给出线路 DC14→DC10、 DC20→DC35 、DC25→DC62 的预测结果。

问题一、要求我们建立线路货量的预测模型,我们可以看到给出的数据集是很大的。对于这一点我们可以理解为问题一是一个中长期预测,因此我们就可以选择机器学习LSTM这种长期预测模型,也可以选择一些短期预测模型最后进行加权计算,构建优化模型选择出最优的加权比重,这些预测方法都是可以的。问题一的难度不大,模型的选择主要还是看建模手的水平。

问题 2:如果物流场地 DC5 于 2023-01-01 开始关停, 请在问题 1 的预 测基础上, 建立数学模型, 将 DC5 相关线路的货量分配到其他线路使所有 包裹尽可能正常流转,并使得 DC5 关停前后货量发生变化的线路尽可能少, 且保持各条线路的工作负荷尽可能均衡。如果存在部分日期部分货量没有 正常流转, 你们的分流方案还应使得 2023-01-01 至 2023-01-31 期间未能正 常流转的包裹日累计总量尽可能少。正常流转时,请给出因 DC5 关停导致 货量发生变化的线路数及网络负荷情况;不能正常流转时,请给出因 DC5 关停导致货量发生变化的线路数、不能正常流转的货量及网络的负荷情况。

问题二、物流场地 DC5 关停,需要我们根据问题一预测的结果将DC5 相关线路的货量分配到其他线路。对于这一问,我们就需要对问题一的答案精度要求很高,只有基于较好精度的预测结果,我们后面的模型才有很好的结果。对于预测模型的结果,尤其是长期预测,结果是有很大的置信区间的。因此,我个人人为该题可以看作是一个答案开放式的。因此,大家放手去做即可。C题其实本意是一个结构优化问题,因此对于问题二三的求解实际上就需要哦们建立优化模型,以降低运营成本,提高运营效率为目标函数,构建决策变量进行优化是最正确的方式。当然,也可以另辟蹊径,只不过不太建议,就是分析各个物流场地之间的关系找相似度等等,应该也是有发挥空间的。

问题 3:在问题 2 中,如果被关停的物流场地为 DC9,同时允许对物 流网络结构进行动态调整(每日均可调整),调整措施为关闭或新开线路, 不包含新增物流场地,假设新开线路的运输能力的上限为已有线路运输能 力的最大值。请将 DC9 相关线路的货量分配到其他线路, 使所有包裹尽可 能正常流转, 并使得 DC9 关停前后货量发生变化的线路数尽可能少, 且保 持各条线路的工作负荷尽可能均衡。如果存在部分日期没有满足要求的流 转方案, 你们的分流方案还应使得 2023-01-01 至 2023-01-31 期间未能正常 流转的包裹日累计总量尽可能少。正常流转时, 请给出因 DC9 关停导致货

问题三、依旧可以理解为问题二的另一种情况,即被关停的物流场地为 DC9,对问题二建立的优化模型进行求解即可。问题难度不大,对于问题一结果的精度要求应该会很高,因此大家做完,一定要去网上看看对应对应结果,这种问题结果基本都差不多,所以就算跑不出来代码,我们也可以直接借鉴网上的代码。稍后也将为大家整理一下优化的相关代码。

2023年MathorCup数模C题赛题_第2张图片

2023年MathorCup数模C题赛题_第3张图片

2023年MathorCup数模C题赛题_第4张图片

2023年MathorCup数模C题赛题_第5张图片

你可能感兴趣的:(算法,机器学习,人工智能,预测模型)