2021年高教杯数学建模国赛C题生产企业原材料的订购与运输

最近我们小组做了建模训练，选择的题目是21年的国赛C题，我负责软件部分，这题我刚好会做，第一次独自完成了代码，有点激动，和大家分享一下，共同学习，不过因为我个人比较懒，讲解的不怎么多。。。不过会分享一下完整的代码

其实我的代码还有点问题，转运方案没有按照它的要求，当时没注意到这个问题，所以输出的结果和题目给的表格不太一样。

我路子可能比较野，写的代码有点杂乱无章，感觉算小屎堆了（悲）

因为事后没有整理，所以代码会有一些多余的部分，是当时用过后发，之后又不用的。。。

我也是个建模新手，还有很多不足的地方，欢迎大家指出我的错误，一起交流

大家会看到一个Excel，叫‘问题1评分排名.xlsx’，当时鬼迷心窍弄成这样，现在一看实属脱裤子放屁。这个表格大家复制就能用了

供应商ID	材料成本	总供货量	订单数	达标率	评分	排名
S001	1.1	49	25	0.208791	6.15234E-05	289
S002	1.2	273	71	0.673684	0.000692156	105
S003	1	13138	191	0.854271	0.036944482	43
S004	1.1	64	33	0.203883	0.000103899	245
S005	1.2	6912	107	0.903509	0.019399394	54
S006	1	30	13	0.2	1.01257E-05	387
S007	1.2	6948	240	0.866667	0.019501409	53
S008	1	41	15	0.25	3.79261E-05	313
S009	1.1	31	19	0.15	1.51885E-05	348
S010	1.1	170	32	0.227273	0.000400748	129
S011	1	85	32	0.651163	0.00016209	187
S012	1.2	29	12	0.147059	8.21066E-06	397
S013	1	44	20	0.655172	4.70146E-05	304
S014	1.2	28	16	0.592593	1.05163E-05	381
S015	1.2	28	15	0.277778	9.81485E-06	388
S016	1.2	37	17	0.727273	2.77322E-05	324
S017	1.2	138	25	0.313433	0.000310438	153
S018	1.1	66	31	0.347222	0.00010913	233
S019	1.1	109	12	0.155172	0.00022839	173
S020	1	72	33	0.235955	0.000126006	210
S021	1.2	80	42	0.629032	0.000149329	195
S022	1.2	140	16	0.19697	0.000315793	150
S023	1	1631	133	0.60625	0.00451823	59
S024	1.1	124	45	0.441558	0.000272282	163
S025	1	375	126	0.859259	0.000981768	91
S026	1.2	28	14	0.823529	9.11532E-06	392
S027	1.2	81	30	0.595745	0.000150732	193
S028	1.1	106	19	0.346939	0.000220167	175
S029	1.1	68	29	0.211111	0.000114417	228
S030	1.2	162	28	0.965517	0.000378089	133
S031	1.1	41207	240	0.925	0.11604338	30
S032	1	71	30	0.390625	0.000122868	215
S033	1	30	17	0.842105	1.25537E-05	364
S034	1	30	14	0.090909	1.07151E-05	379
S035	1.2	144	55	0.42	0.000329074	145
S036	1.1	124	49	0.87037	0.000272614	162
S037	1	50686	157	0.900621	0.142755327	25
S038	1.2	36	22	0.1875	2.69251E-05	327
S039	1	385	45	0.634921	0.001006506	87
S040	1.1	31905	240	0.904167	0.089830187	31
S041	1	71	28	0.322581	0.000122644	216
S042	1.2	138	25	0.339286	0.000310438	152
S043	1.2	39	18	0.220588	3.32102E-05	318
S044	1	30	14	0.764706	1.07163E-05	377
S045	1.1	31	20	0.219512	1.57757E-05	346
S046	1.2	197	140	0.654088	0.000486107	119
S047	1.1	66	28	0.202247	0.000108744	237
S048	1.1	65	26	0.44	0.000105729	243
S049	1.2	38	19	0.44186	3.08765E-05	320
S050	1.1	66	29	0.90625	0.000108869	235
S051	1.2	29	15	0.196721	1.02113E-05	385
S052	1.2	54	25	0.533333	7.51754E-05	271
S053	1.2	77	31	1	0.000139675	200
S054	1.1	413	113	0.744186	0.001087772	70
S055	1.1	24041	240	0.9	0.067669324	35
S056	1.2	28	17	0.295455	1.12168E-05	375
S057	1.1	50	22	0.344828	6.37202E-05	285
S058	1.1	34	20	0.210526	2.15241E-05	337
S059	1	47	47	0.346939	6.25025E-05	288
S060	1	86	10	0.36	0.000163567	186
S061	1	84	30	0.373134	0.000159113	189
S062	1.2	75	5	0.235294	0.000132477	203
S063	1	30	21	0.207792	1.51106E-05	350
S064	1.2	397	126	0.902985	0.001043531	80
S065	1.2	189	64	0.613636	0.000455845	123
S066	1.2	388	132	0.851064	0.001018631	84
S067	1	233	169	0.988166	0.000589569	112
S068	1	42	16	0.15942	4.08295E-05	309
S069	1.1	169	70	0.561224	0.000400273	130
S070	1	46	26	0.742857	5.36666E-05	300
S071	1.2	191	12	0.083333	0.000459402	122
S072	1.2	28	17	0.317073	1.12168E-05	374
S073	1.1	32	17	0.73913	1.59024E-05	345
S074	1	13051	171	0.721311	0.03669927	44
S075	1.2	390	125	0.850746	0.001023817	83
S076	1	376	197	0.915423	0.00099024	89
S077	1.1	128	12	0.172414	0.000281908	161
S078	1.2	8553	101	0.794393	0.024023726	50
S079	1.1	64	24	0.403846	0.000102722	248
S080	1	19237	240	0.875	0.054131604	37
S081	1.1	49	23	0.677419	6.11551E-05	290
S082	1.2	58	27	0.277778	8.64829E-05	263
S083	1.2	28	14	0.375	9.11406E-06	393
S084	1	70	18	0.211268	0.000118955	220
S085	1	46	23	0.357143	5.3017E-05	301
S086	1	17949	206	0.842105	0.050501943	39
S087	1.2	64	27	0.657895	0.000103073	246
S088	1.1	425	139	0.823529	0.001122924	64
S089	1.2	141	25	0.55814	0.00031888	149
S090	1	145	29	0.627907	0.000330292	144
S091	1.2	73	29	0.519231	0.000128321	206
S092	1.1	398	126	0.884615	0.001046339	77
S093	1.2	36	12	0.169492	2.38267E-05	333
S094	1	41	24	0.411765	4.00253E-05	311
S095	1.1	32	13	0.140845	1.40651E-05	358
S096	1.2	73	28	0.462963	0.000128216	208
S097	1.2	63	30	0.297297	0.000100704	249
S098	1.1	413	206	0.92823	0.001094404	68
S099	1.2	60	25	0.536585	9.17327E-05	259
S100	1	42	16	0.098901	4.08295E-05	310
S101	1.2	56	25	0.232877	8.06782E-05	266
S102	1.2	131	50	0.5	0.000292281	158
S103	1	30	18	0.253968	1.31827E-05	363
S104	1.2	155	25	0.263889	0.000358284	137
S105	1.1	120	25	0.345455	0.000259803	167
S106	1.2	77	37	0.923077	0.00014037	197
S107	1	69	29	0.365079	0.000117194	224
S108	1.1	240950	240	0.945833	0.678923185	4
S109	1.2	36	19	0.321429	2.58355E-05	328
S110	1	426	128	0.707792	0.001125096	63
S111	1.1	31	16	0.368421	1.34925E-05	361
S112	1.1	123	5	0.3125	0.000267727	165
S113	1	385	126	0.901515	0.001009839	86
S114	1.2	10931	229	0.852814	0.030725282	45
S115	1.2	398	121	0.723404	0.001046052	79
S116	1.2	75	23	0.594595	0.000133342	202
S117	1.1	123	61	0.438776	0.000270995	164
S118	1.1	66	28	0.357143	0.000108744	236
S119	1.2	29	9	0.170213	6.27734E-06	401
S120	1.1	33	16	0.40625	1.75815E-05	343
S121	1.2	137	26	0.444444	0.000307664	154
S122	1.2	73	31	0.644444	0.000128543	205
S123	1.2	6449	240	0.808333	0.018095272	56
S124	1.1	34	14	0.4	1.92079E-05	340
S125	1.1	49	16	0.186441	6.01054E-05	292
S126	1	47540	91	0.84	0.133889811	27
S127	1.2	158	24	0.328125	0.000366697	135
S128	1.2	133	51	0.661972	0.00029796	157
S129	1	1525	192	0.778325	0.004220692	60
S130	1.2	60	28	0.197917	9.21415E-05	258
S131	1.1	137512	240	0.908333	0.387432777	11
S132	1.2	63	28	0.54	0.00010043	250
S133	1	71	26	0.766667	0.000122436	217
S134	1.1	52	21	0.276923	6.90704E-05	280
S135	1	87	5	0.238095	0.000166287	183
S136	1	42	19	0.409091	4.1421E-05	308
S137	1.1	33	19	0.178571	1.89143E-05	341
S138	1.1	411	142	0.761006	0.001083814	72
S139	1.1	151862	222	0.96875	0.427871368	10
S140	1.1	302047	219	0.886364	0.851095789	3
S141	1.1	420	120	0.853846	0.001107806	67
S142	1.1	121	15	0.304348	0.00026226	166
S143	1.2	82787	240	0.895833	0.233216619	20
S144	1.2	28	3	0.15	1.40666E-06	402
S145	1.2	63	28	0.30137	0.00010043	251
S146	1.1	352	169	0.71123	0.000920596	98
S147	1.1	108	8	0.35	0.000225495	174
S148	1.2	59	27	0.175	8.92396E-05	260
S149	1	251	72	0.864198	0.000630385	108
S150	1.2	1806	240	0.795833	0.005013227	57
S151	1	194498	240	0.954167	0.548020493	5
S152	1.2	398	124	0.708029	0.001046223	78
S153	1.1	175	13	0.178571	0.000414334	128
S154	1.2	7634	77	0.615385	0.02143393	52
S155	1.2	40	19	0.277778	3.60939E-05	315
S156	1.2	28	16	0.229167	1.05157E-05	384
S157	1.2	395	120	0.840909	0.001037569	81
S158	1.2	37	20	0.352941	2.86471E-05	321
S159	1.2	215	47	0.463415	0.000527955	116
S160	1	45	20	0.220588	4.97234E-05	303
S161	1	47	20	0.194444	5.51741E-05	298
S162	1	28	14	0.101124	9.11309E-06	394
S163	1.2	252	46	0.461538	0.000632024	107
S164	1	72	22	0.217949	0.000124864	212
S165	1.2	75	63	0.589474	0.000139395	201
S166	1.1	32	16	0.307692	1.54154E-05	347
S167	1.2	136	28	0.3	0.000304934	155
S168	1.1	31	17	0.2	1.40455E-05	359
S169	1.1	359	118	0.95122	0.000936361	94
S170	1.2	135	24	0.512195	0.000301959	156
S171	1	72	29	0.396825	0.000125537	211
S172	1.1	356	128	0.861314	0.000928584	96
S173	1	372	16	0.358974	0.000969456	92
S174	1.1	346	125	0.984127	0.000900333	100
S175	1.1	366	138	0.964539	0.000957316	93
S176	1.1	51	51	0.4875	7.36843E-05	274
S177	1	47	21	0.233766	5.53475E-05	297
S178	1.2	163	45	1	0.000381681	131
S179	1.1	31	14	0.162162	1.24307E-05	366
S180	1.1	52	52	0.847458	7.65001E-05	269
S181	1.2	36	16	0.189655	2.48761E-05	331
S182	1	153	27	0.541667	0.000352724	139
S183	1	28	15	0.146341	9.81411E-06	390
S184	1.2	73	26	0.415094	0.000128016	209
S185	1.2	64	26	0.240964	0.000102951	247
S186	1	377	122	0.787879	0.000987137	90
S187	1.2	74	26	0.27381	0.000130808	204
S188	1.1	51	23	0.884615	6.66242E-05	283
S189	1.2	8892	151	0.855346	0.024979151	48
S190	1.1	48	3	0.142857	5.63779E-05	296
S191	1.1	351	119	0.75188	0.000913968	99
S192	1	30	16	0.176471	1.19304E-05	368
S193	1.1	101	25	0.8	0.000206402	176
S194	1	101365	240	0.945833	0.285569797	17
S195	1.2	36	17	0.341463	2.51805E-05	330
S196	1.2	40	20	0.416667	3.63449E-05	314
S197	1.1	354	119	0.848	0.000922388	97
S198	1.2	54	22	0.149425	7.47328E-05	273
S199	1.1	130	30	0.5625	0.000288156	159
S200	1.1	65	30	0.328767	0.00010623	242
S201	1.2	81989	28	0.530612	0.23096779	21
S202	1.1	400	127	0.87218	0.001052014	76
S203	1.2	36	23	0.821429	2.73152E-05	325
S204	1.2	81	5	0.148148	0.000149381	194
S205	1.2	60	30	0.295775	9.24397E-05	256
S206	1	31	14	0.933333	1.24321E-05	365
S207	1	154	44	0.406593	0.000356347	138
S208	1.2	8757	90	0.531746	0.02459858	49
S209	1.2	163	37	0.39726	0.000381269	132
S210	1	15694	118	0.661871	0.044147185	41
S211	1.2	58	54	0.83871	9.2344E-05	257
S212	1	31	10	0.088235	1.05487E-05	380
S213	1	246	163	0.957831	0.00062473	109
S214	1.1	52	52	0.451613	7.64999E-05	270
S215	1.1	50	14	0.131579	6.26627E-05	287
S216	1.1	425	129	0.716216	0.001122343	65
S217	1.2	139	20	0.372093	0.000313084	151
S218	1	15483	240	0.929167	0.043552818	42
S219	1.2	36	25	0.666667	2.81304E-05	322
S220	1	70	28	0.387097	0.000119861	219
S221	1.2	392	123	0.97619	0.001029315	82
S222	1.1	32	15	0.384615	1.49461E-05	351
S223	1	28	17	0.378378	1.12163E-05	376
S224	1.1	108	95	0.781818	0.000234872	172
S225	1.1	32	14	0.8125	1.44962E-05	352
S226	1.2	200	34	0.440678	0.000485251	120
S227	1.2	254	30	0.692308	0.000637197	106
S228	1	151	15	0.22807	0.000346755	140
S229	1.2	354887	240	0.945833	0.999999989	1
S230	1.1	52	25	0.676471	6.96937E-05	279
S231	1	31	16	0.141026	1.34922E-05	362
S232	1.1	119	26	0.575	0.000257038	169
S233	1.1	179	57	0.564706	0.000427327	127
S234	1	45	45	0.277228	5.69767E-05	295
S235	1.1	189	31	0.763158	0.000454188	124
S236	1	28	16	0.6	1.05158E-05	383
S237	1.2	328	119	0.942149	0.00084944	102
S238	1.1	32	3	0.036364	1.13591E-05	372
S239	1	430	145	0.986207	0.001137328	61
S240	1.1	49	5	0.078125	5.92449E-05	293
S241	1	28	11	0.142857	7.01013E-06	398
S242	1.2	79	29	0.384615	0.000145053	196
S243	1.2	63	27	0.22093	0.000100301	253
S244	1	16406	240	0.870833	0.046153833	40
S245	1	386	152	0.803681	0.001014384	85
S246	1	44	18	0.180556	4.66366E-05	305
S247	1	56698	240	0.945833	0.159697306	24
S248	1.1	69	30	0.305882	0.000117314	223
S249	1.1	67	31	0.45	0.000111897	229
S250	1.2	35	12	0.578947	2.11804E-05	338
S251	1.2	36	6	0.092593	2.28153E-05	335
S252	1	48	24	0.322034	5.86212E-05	294
S253	1	223	68	0.930556	0.000551517	114
S254	1.2	161	26	0.533333	0.000375206	134
S255	1.2	36	18	0.444444	2.55005E-05	329
S256	1.1	411	123	0.853846	0.001082681	73
S257	1	31	13	0.196078	1.19263E-05	370
S258	1.1	414	125	0.75	0.00109122	69
S259	1.1	67	30	0.518519	0.000111767	231
S260	1.1	184	128	0.751724	0.000448532	125
S261	1.1	69	31	0.415385	0.000117437	222
S262	1	28	13	0.178571	8.41215E-06	395
S263	1	427	132	0.789474	0.00112813	62
S264	1.1	32	5	0.5	1.16162E-05	371
S265	1.2	141	59	0.6	0.000321021	148
S266	1.2	6519	240	0.870833	0.018292525	55
S267	1	82	62	0.539326	0.000158066	190
S268	1	129786	240	0.9375	0.365660752	15
S269	1.2	211	143	0.845161	0.000525212	117
S270	1	92	58	0.859375	0.000184726	177
S271	1	247	49	0.709677	0.000618063	111
S272	1.1	32	14	0.777778	1.44961E-05	353
S273	1.2	9484	90	0.838384	0.026647274	46
S274	1.2	77	32	0.591837	0.000139782	198
S275	1.2	158553	240	0.945833	0.446726745	8
S276	1.1	52	19	0.192308	6.87995E-05	281
S277	1	30	16	0.146341	1.19303E-05	369
S278	1.2	62	26	0.216867	9.74022E-05	255
S279	1	89	36	0.693878	0.000173641	179
S280	1.1	127	75	0.474138	0.000283765	160
S281	1.2	36	15	0.265306	2.4588E-05	332
S282	1.2	169340	240	0.9875	0.477124733	7
S283	1.2	30	14	0.088235	1.07157E-05	378
S284	1	46597	240	1	0.131232498	28
S285	1.2	35	19	0.177215	2.34169E-05	334
S286	1.1	67	30	0.725	0.000111767	230
S287	1.1	66	6	0.1	0.000107142	239
S288	1.2	30	13	0.333333	1.01264E-05	386
S289	1.2	40	14	0.214286	3.50228E-05	316
S290	1	31	19	0.246575	1.51885E-05	349
S291	1.2	7984	219	0.86036	0.022420682	51
S292	1.2	9160	90	0.618644	0.025734238	47
S293	1.2	192	8	0.119403	0.000462181	121
S294	1	18842	240	0.879167	0.053018492	38
S295	1.2	56	56	0.590361	8.782E-05	262
S296	1.2	62	33	0.62	9.84036E-05	254
S297	1	31	14	0.162162	1.24306E-05	367
S298	1.1	51	13	0.764706	6.53583E-05	284
S299	1.2	62	62	0.345588	0.000104921	244
S300	1.2	299	8	0.636364	0.000763699	104
S301	1	89	31	0.75	0.000173181	180
S302	1.2	59	25	0.191011	8.89639E-05	261
S303	1.1	54	9	0.642857	7.3483E-05	275
S304	1.2	156	88	0.83	0.000365824	136
S305	1	28	16	0.75	1.05162E-05	382
S306	1	126096	240	0.954167	0.355262256	16
S307	1.2	78196	171	0.97093	0.220279065	22
S308	1.1	136998	240	0.916667	0.385984315	12
S309	1.2	37	18	0.592593	2.80229E-05	323
S310	1.1	406	125	0.8125	0.001068749	74
S311	1.1	65	31	0.3125	0.000106366	240
S312	1.2	77	32	0.508197	0.000139782	199
S313	1	384	38	0.463768	0.00100355	88
S314	1	1670	235	0.778723	0.004630083	58
S315	1.1	32	12	0.423077	1.36576E-05	360
S316	1.1	69	28	0.581395	0.000117079	225
S317	1.2	29	21	0.2	1.43009E-05	354
S318	1.2	346	99	0.88785	0.000898758	101
S319	1.1	66	31	0.338028	0.00010913	234
S320	1	42	20	0.225806	4.16399E-05	307
S321	1.1	33	2	0.166667	1.41077E-05	356
S322	1.1	68	29	0.390625	0.000114417	227
S323	1.2	29	12	0.461538	8.21116E-06	396
S324	1.1	424	126	0.860294	0.001119367	66
S325	1	73	29	0.393443	0.000128321	207
S326	1	82	30	0.33871	0.000153525	191
S327	1.1	35	17	0.517241	2.26922E-05	336
S328	1.1	33	4	0.081081	1.42463E-05	355
S329	1.2	156518	240	0.941667	0.440992074	9
S330	1.1	136652	240	0.9125	0.38500928	13
S331	1	70	50	0.513514	0.00012324	213
S332	1.2	305	46	0.901961	0.000781228	103
S333	1.1	178	97	0.612903	0.000428024	126
S334	1	148	10	0.069444	0.000338221	141
S335	1.1	50	18	0.288462	6.31314E-05	286
S336	1.2	144	31	0.638298	0.000327566	146
S337	1.2	36	22	0.7	2.69255E-05	326
S338	1.1	30109	204	0.941176	0.084768989	32
S339	1	44	44	0.583333	5.4236E-05	299
S340	1.1	171426	240	0.941667	0.483003123	6
S341	1.2	63	27	0.35	0.000100301	252
S342	1	224	39	0.975	0.000552974	113
S343	1	28	11	0.114286	7.0101E-06	399
S344	1.1	54	9	0.111111	7.34829E-05	276
S345	1	87	14	0.393939	0.000166513	182
S346	1.1	23240	240	0.870833	0.065412097	36
S347	1	82	28	0.347826	0.000153346	192
S348	1.2	92421	194	0.919598	0.26036541	18
S349	1	42	23	0.571429	4.23596E-05	306
S350	1.2	39	20	0.226667	3.37387E-05	317
S351	1	44	37	0.948718	5.16705E-05	302
S352	1.2	89031	240	0.916667	0.250812336	19
S353	1.1	68	33	0.825	0.000114931	226
S354	1.2	57	23	0.265625	8.3165E-05	265
S355	1	31	7	0.259259	9.44272E-06	391
S356	1	130307	240	0.95	0.36712894	14
S357	1	220	54	0.75	0.000542333	115
S358	1.1	34	10	0.666667	1.80475E-05	342
S359	1	86	33	0.645833	0.000164977	184
S360	1.1	405	131	0.682119	0.001066291	75
S361	1	328080	240	0.879167	0.924457321	2
S362	1	91	69	0.985714	0.000183823	178
S363	1.2	56	19	0.347826	7.99072E-05	267
S364	1.1	28763	240	0.941667	0.080975983	33
S365	1	41631	240	0.95	0.11723822	29
S366	1.1	49	49	0.770492	6.80754E-05	282
S367	1.1	26335	240	0.9	0.074133845	34
S368	1	86	13	0.366667	0.000163662	185
S369	1	146	26	0.328358	0.000332988	143
S370	1.2	58	25	0.48	8.61984E-05	264
S371	1.1	54	24	0.242857	7.50215E-05	272
S372	1.2	29	10	0.25641	6.9109E-06	400
S373	1.2	30	15	0.169014	1.13179E-05	373
S374	1	49224	240	0.995833	0.138635433	26
S375	1.1	112	13	0.131148	0.000236863	171
S376	1.1	358	121	0.789855	0.00093374	95
S377	1	71	31	0.491228	0.000122986	214
S378	1.1	49	21	0.309091	6.08165E-05	291
S379	1	249	36	0.972973	0.000623265	110
S380	1	85	25	0.46	0.000161506	188
S381	1.2	201	28	0.84375	0.000487885	118
S382	1	28	15	0.378378	9.81437E-06	389
S383	1	147	27	0.735294	0.000335839	142
S384	1	89	19	0.326087	0.000172362	181
S385	1.1	53	24	0.243902	7.22719E-05	277
S386	1.1	119	41	0.703704	0.000257968	168
S387	1.1	33	13	0.171053	1.64103E-05	344
S388	1.1	114	64	0.901408	0.00024634	170
S389	1.1	69	31	0.543478	0.000117437	221
S390	1.1	66	13	0.204082	0.000107415	238
S391	1	70	31	0.303797	0.000120211	218
S392	1.1	412	129	0.847826	0.00108583	71
S393	1.1	33	1	0	1.40902E-05	357
S394	1.2	144	10	0.136364	0.000326951	147
S395	1.2	75843	74	0.869048	0.213648241	23
S396	1.2	38	25	0.21978	3.28205E-05	319
S397	1.1	52	52	0.864407	7.65001E-05	268
S398	1	41	16	0.35	3.81135E-05	312
S399	1.1	65	30	0.360656	0.00010623	241
S400	1.1	53	13	0.166667	7.0951E-05	278
S401	1.1	67	29	0.373134	0.000111642	232
S402	1.1	35	8	0.054795	2.03274E-05	339

第一问

第一问选取了

材料成本

总供货量

订单数

达标率

几个指标，利用熵权topsis法进行排名，取前五十名

不过数据处理的代码里还有一些计算其他的，写了但是没用上。。。

熵权topsis代码非原创，是借鉴了某位大佬的，不过我忘记是哪位的了。。。。

如果大佬不满意的话请联系我，我把它删掉

第一问代码

%%第一问代码
%处理数据
clc;clear
[num,txt,raw]=xlsread('附件1 近5年402家供应商的相关数据.xlsx',1);
[num2,txt2,raw2]=xlsread('附件1 近5年402家供应商的相关数据.xlsx',2);
%计算供给达标周数
sum_hege=zeros(402,1);
[m,n]=size(num);
for j=1:m
    for i=1:n
        if num(j,i)~=0&&num2(j,i)>=num(j,i)
            sum_hege(j,1)=sum_hege(j,1)+1;%计算供给达标的周数
        end
    end
end

num_gongji=sum(num~=0,2);%计算企业要求供应商供给的周数
num2_sum=sum(num2,2);%求出供应商一共提供了多少材料；
num2_mean=mean(num2,2);%得出平均每个星期提供的材料数量；
num2_gongji=sum(num2~=0,2);%计算供应商有供货的周数；
num2_wugongji=sum(num2==0,2);%计算没有供货的周数；
num2_month=num2_mean*4;
dabiaolv=sum_hege./num_gongji;

%将材料量化
cailiao=ones(402,1);
xunzhaoA = strcmp(txt2(2:end,2),'A');%找出A，标记为1
mA=find(xunzhaoA==1);%找出字符串所在的索引
xunzhaoB = strcmp(txt2(2:end,2),'B');%找出A，标记为1
mB=find(xunzhaoB==1);%找出字符串所在的索引

cailiao(mA)=1.2;
cailiao(mB)=1.1;

data=[cailiao num2_sum  num2_gongji dabiaolv];

bingtu=[sum(num2_sum<100),sum(num2_sum>=100&num2_sum<1000),sum(num2_sum>=1000&num2_sum<10000),sum(num2_sum>=10000)];
pie3(bingtu)
legend('供货量小于100','供货量100-1000','供货量1000-10000','供货量大于10000')

%%
%熵权topsis
x=data;%导入数据
[n,m]=size(x);
% 数据的归一化处理
[X,ps]=mapminmax(x',0,1);
 ps.ymin=0.002; % 归一化后的最小值
ps.ymax=0.996; % 归一化后的最大值
ps.yrange=ps.ymax-ps.ymin; % 归一化后的极差
X=mapminmax(x',ps);
X=X';  % X为归一化后的数据
 % 计算比重
 for i=1:n
     for j=1:m
         p(i,j)=X(i,j)/sum(X(:,j));
     end
 end
 %计算熵值
 k=1/log(n);
 for j=1:m
     e(j)=-k*sum(p(:,j).*log(p(:,j)));
 end
 d=ones(1,m)-e;  % 计算信息熵冗余度
w=d./sum(d);    % 求权值w

%TOPSIS综合评价
A=data;%评价矩阵
W=w%权重
 [ma,na]=size(A);
 for i=1:na
     B(:,i)=A(:,i)*W(i); %得到加权标准化矩阵
end
V1=zeros(1,na);            %初始化正理想解和负理想解
V2=zeros(1,na);
BMAX=max(B);               %取加权标准化矩阵每列的最大值和最小值
BMIN=min(B);               
for i=1:na
     V1(i)=BMAX(i);
     V2(i)=BMIN(i);
end
for i=1:ma   
     C1=B(i,:)-V1;
     S1(i)=norm(C1);   %S1,S2分别为离正理想点和负理想点的距离
     C2=B(i,:)-V2;
     S2(i)=norm(C2);
     T(i)=S2(i)/(S1(i)+S2(i));
end
output=T'%得出评分
xlswrite('评分.xlsx',output)

第二问

为了省事，我直接选择只从以上五十家购买材料，我发现，好像，应该，可能只购买材料A或者只购买材料C，最便宜，不过我当时在储存费用方面考虑欠佳。然后限制条件吧啦吧啦，懒得码字了，直接贴代码了。。。大家有不明白的，或者发现我问题的，欢迎在评论区和我交流

第二问代码

%若出现错误，可能是内存问题，重新运行即可
clc;clear;
[num,txt,raw]=xlsread('问题1评分排名.xlsx');
data=xlsread('附件1 近5年402家供应商的相关数据.xlsx',2);
index=1:402;
num2=[index' num];
num3=sortrows(num2,7);%对排名进行升序
wushi=num3(1:50,:);
indexC=find(wushi(:,2)==1);
C=wushi(indexC,:);

for i=1:20
Max(i)=max(data(C(i,1),:));
end

T=28200*0.72;
changku=0;%表示出库材料存量
buy=zeros(20,24);
A=0;

f=100000000;%初始化
X=1000;%模拟次数
count=1;
for Xunhuan=1:X
    
for i=1:20
buy(i,1)=min(6000,randi(round([Max(i)*0.3,Max(i)*0.6])));
end
if sum(buy(:,1))>=T
    changku=sum(buy(:,1))-T;
    Changku(1)=changku;
for j=2:24%星期
    for i=1:20%供应商
        fanwei=min(6000,round([Max(i)*0.3,Max(i)*0.6]));
        if sum(buy(:,j))<=T||changku<=2*T
            buy(i,j)=randi(fanwei);
            if sum(buy(:,j))>=T
                changku=changku+sum(buy(:,j))-T;
                if changku>=2*T
                    continue
                end
            end
        end
    end
    if sum(buy(:,j))<=T
        changku=changku-(T-sum(buy(:,j)));
    end
    Changku(j)=changku;%记录每周仓库的存储数量
end
end
%数据合并
Buy=zeros(402,24)*nan;
Buy(C(:,1),:)=buy;

%%
%模拟转运损耗
into=xlsread('附件2 近5年8家转运商的相关数据.xlsx','B2:IG9');
yunshu=zeros(5,24)
for j=1:8%第j个转运商
hang=into(j,:);
%sunhao=unique(hang);
%[m,n]=size(sunhao);
for i=1:24
xunzhe=randi(240)
yunshu(j,i)=hang(xunzhe)
end
end

%%
%实施转运
p=1:8;;
a=1;%第a列
transport=zeros(20,24);
for i=1:24%24周
    a=1;%第a行
    R=0;%运输量
yunshu2=[p' yunshu(:,i)];
yunshu2(find(yunshu2(:,2)==0),:)=[];%剔除不运输的转运商
[m,n]=size(yunshu2);
yunshu3=sortrows(yunshu2,2)%进行降序
for j=1:20%20家供应商
indexT=yunshu3(a,1);
if R<=6000
R=R+buy(j,i);
transport(j,i)=indexT;
else
    a=a+1;
     if a>m
        a=m;
    end
    transport(j,i)=yunshu3(a,1);
    R=0;
    R=R+buy(j,i);
end
end
end
Transport=zeros(402,24)*nan;
Transport(C(:,1),:)=transport;

%%
%计算损失
Sunshi=zeros(20,24)*nan;
for j=1:24;%周
    for i=1:20%供应商
        Shunshi(i,j)=buy(i,j)*yunshu(transport(i,j),j)
    end
end
Shunshi2=zeros(402,24);
Shunshi2(C(:,1),:)=Shunshi;



if length(find(Changku>=0))==24 && changku>2*T
    F(count)=sum(sum(buy))*1.5+sum(Changku)*0.5;
    count=count+1
    if F(count-1)

第三问代码

我的第三问其实和第二问差不多，还是选第一问得出的五十家供应商，只不过变成三种材料都采购了，并且给采购ABC的数量加了个权重，大概就是随机出三个大于0的数，它们的和为1，之后排序，储存在r2里，通过乘这个权重，达到多买A，少买C

第三问代码

这个代码感觉还有非常大大大的优化空间

因为有的时候会模拟出一些离谱的订单方案，比如说连仓库都欠账了之类的所以在最后加了一个判定，通过判定了才是有效模拟，直接count+1，有效模拟次数是count-1。

其实这个判定和 有效模拟次数 这玩意，第二问原本是没的，但是我在第三问写了这玩意之后，就有一种感觉“不行，第二问也要写，多水点图片”，所以每个问都有了

%第三问代码
%若出现某些错误，导致终止程序，可能是内存问题，重新运行即可
clc;clear;
[num,txt,raw]=xlsread('问题1评分排名.xlsx');
data=xlsread('附件1 近5年402家供应商的相关数据.xlsx',2);
index=1:402;
num2=[index' num];
num3=sortrows(num2,7);%对排名进行升序
wushi=num3(1:50,:);
%找出卖A的
indexA=find(wushi(:,2)==1.2);
A=wushi(indexA,:);
%找出卖B的
indexB=find(wushi(:,2)==1.1);
B=wushi(indexB,:);
%找出卖C的
indexC=find(wushi(:,2)==1);
C=wushi(indexC,:);
for i=1:16
MaxA(i)=max(data(A(i,1),:));
end
for i=1:14
MaxB(i)=max(data(B(i,1),:));
end
for i=1:20
MaxC(i)=max(data(C(i,1),:));
end


F=[]
Buy2=[];
R2=[];
Transport=[];
Shunshi2=[];
f=1000000000;
count=1;
X=100%模拟次数
for Xunhuan=1:X
x=rand(1,3);y=sum(x);r=x/y;
r2=sort(r,2)

%TA=28200*0.6*r2(3);
%TB=28200*0.66*r2(2);
%TC=28200*0.72*r2(1);
if TC<1
    TC=1
end
changkuA=0;
changkuB=0;
changkuC=0;%表示出库材料存量
buyA=zeros(16,24);
buyB=zeros(14,24);
buyC=zeros(20,24);
%%
%购买材料A
for i=1:16
buyA(i,1)=min(round(TC*0.5),randi(round([MaxA(i)*0.5,MaxA(i)])));
end
if sum(buyA(:,1))>=TA
    changkuA=sum(buyA(:,1))-TA;
    ChangkuA(1)=changkuA;
for j=2:24%星期
    for i=1:16%供应商
        fanwei=min(round(TC*0.5),randi(round([MaxA(i)*0.5,MaxA(i)])));
        if fanwei==0;
            fanwei=1
        end
        if sum(buyA(:,j))<=TA||changkuA<=2*TA
            buyA(i,j)=randi(fanwei);
            if sum(buyA(:,j))>=TA
                changkuA=changkuA+sum(buyA(:,j))-TA;
                if changkuA>=2*TA
                    continue
                end
            end
        end
    end
    if sum(buyA(:,j))<=TA
        changkuA=changkuA-(TA-sum(buyA(:,j)));
    end
    ChangkuA(j)=changkuA;%记录每周仓库的存储数量
end
end

%%
%购买材料B
for i=1:14
buyB(i,1)=min(round(TB*0.5),randi(round([MaxB(i)*0.5,MaxB(i)])));
end
if sum(buyB(:,1))>=TB
    changkuB=sum(buyB(:,1))-TB;
    ChangkuB(1)=changkuB;
for j=2:24%星期
    for i=1:14%供应商
        fanwei=min(round(TC*0.5),randi(round([MaxB(i)*0.5,MaxB(i)])));
        if fanwei==0;
            fanwei=1;
        end
        if sum(buyB(:,j))<=TB||changkuB<=2*TB
            buyB(i,j)=randi(fanwei);
            if sum(buyB(:,j))>=TB
                changkuB=changkuB+sum(buyB(:,j))-TB;
                if changkuB>=2*TB
                    continue
                end
            end
        end
    end
    if sum(buyB(:,j))<=TB
        changkuB=changkuB-(TB-sum(buyB(:,j)));
    end
    ChangkuB(j)=changkuB;%记录每周仓库的存储数量
end
end
%%
%购买材料C
for i=1:20
buyC(i,1)=min(round(TC*0.5),randi(round([MaxC(i)*0.5,MaxC(i)])));
end
if sum(buyC(:,1))>=TC
    changkuC=sum(buyC(:,1))-TC;
    ChangkuC(1)=changkuC;
for j=2:24%星期
    for i=1:20%供应商
        fanwei=min(round(TC*0.5),randi(round([MaxC(i)*0.5,MaxC(i)])));
        if fanwei==0
            fanwei=1
        end
        if sum(buyC(:,j))<=TC||changkuC<=2*TC
            buyC(i,j)=randi(fanwei);
            if sum(buyC(:,j))>=TC
                changkuC=changkuC+sum(buyC(:,j))-TC;
                if changkuC>=2*TC
                    continue
                end
            end
        end
    end
    if sum(buyC(:,j))<=TC
        changkuC=changkuC-(TC-sum(buyC(:,j)));
    end
    ChangkuC(j)=changkuC;%记录每周仓库的存储数量
end
end
Buy=zeros(50,24);
Buy(A(:,7),:)=buyA;
Buy(B(:,7),:)=buyB;
Buy(C(:,7),:)=buyC;
%数据合并
buy=zeros(402,24)*nan;
buy(A(:,1),:)=buyA;
buy(B(:,1),:)=buyB;
buy(C(:,1),:)=buyC;
%xlswrite('订购方案2',buy);
%%
%模拟转运损耗
fujian2=xlsread('附件2 近5年8家转运商的相关数据.xlsx','B2:IG9');
yunshu=zeros(5,24);
for j=1:8%第j个转运商
hang=fujian2(j,:);
%sunhao=unique(hang);
%[m,n]=size(sunhao);
for i=1:24
xunzhe=randi(240);
yunshu(j,i)=hang(xunzhe);
end
end

%%
%实施转运
p=1:8;%运输排名
transport=zeros(50,24);
for i=1:24%24周
    a=1;%第a行
    R=0;%运输量
yunshu2=[p' yunshu(:,i)];
yunshu2(find(yunshu2(:,2)==0),:)=[];%剔除不运输的转运商
[m,n]=size(yunshu2);
yunshu3=sortrows(yunshu2,2);%进行降序
for j=1:50%50家供应商
indexT=yunshu3(a,1);
if Buy(j,i)==0
    continue
end
if R<=6000
R=R+Buy(j,i);
transport(j,i)=indexT;
else
    a=a+1;
    if a>m
        a=m;
    end
    transport(j,i)=yunshu3(a,1);
    R=0;
    R=R+Buy(j,i);
end
end
end

Transport2=ones(402,24)*nan;
Transport2(wushi(:,1),:)=transport;
%%
%计算损失
Sunshi=zeros(50,24);
for j=1:24%周
    for i=1:50%供应商
        if transport(i,j)==0
            continue
        end
        Shunshi(i,j)=Buy(i,j)*yunshu(transport(i,j),j);
    end
end
Shunshi2=ones(402,24)*nan;
Shunshi2(wushi(:,1),:)=Shunshi;

if length(find(ChangkuA>=0))==24&&length(find(ChangkuB>=0))==24&&length(find(ChangkuC>=0))==24&&sum(sum(Buy))>406080
    F(count)=sum(sum(buyA))*1.2+sum(sum(buyB))*1.1+sum(sum(buyC))+0.5*(sum(ChangkuA)+sum(ChangkuB)+sum(ChangkuC))+sum(sum(Buy))*0.5;
    count=count+1;
    if F(count-1)

第四问

第四问和第三问类似，受到另外一篇文章启发，画图发现购买材料C越来越多，B相对平稳，A逐步下降，所以那个权重就变成了多买C，少买A，然后为了产能增加，我经过乱七八糟的计算，我直接取了个产量最多的年份的平均周产量，其实就是算年的之后除48（小声bb），然后取了40625，我就不负责的假设他为了有这么多生产能力

关于生产力提高这方面，我个人认为也能用预测模型预测，未来能达到的产量，预测好之后也能直接放到我这个代码，这个改起来很简单

第四问代码

杂项

这个代码被我删删改改，丢了一部分。。。。

%%
%前五十供应商画图
clc;clear
[num2,txt2,~]=xlsread('问题1评分排名.xlsx');
index=1:402;
num3=[index' num2];
num4=sortrows(num3,7);%对排名进行升序
num5=num4(1:50,:);
wushi=sortrows(num5,1);
indexA=find(wushi(:,2)==1.2);
A=wushi(indexA,:);

indexB=find(wushi(:,2)==1.1);
B=wushi(indexB,:);

indexC=find(wushi(:,2)==1);
C=wushi(indexC,:);

%平均每周
a1=A(:,3)./420
b1=B(:,3)./420
c1=C(:,3)./420
%平均每月
a2=A(:,3)./60
b2=B(:,3)./60
c2=C(:,3)./60

%每月画图
plot(A(:,1),a2,'-k*','linewidth',1)
title('\fontname{宋体}材料A每月平均供应量');
xlabel('\fontname{宋体}供应商\fontname{Times New Roman}ID');
ylabel('\fontname{宋体}材料供应量');
set(gca,'FontName','Times New Roman','fontsize',10.5)
box on
grid on
xlim([1,240])
figure

plot(B(:,1),b2,'-k*','linewidth',1)
title('\fontname{宋体}材料B每月平均供应量');
xlabel('\fontname{宋体}供应商\fontname{Times New Roman}ID');;
ylabel('\fontname{宋体}材料供应量');
set(gca,'FontName','Times New Roman','fontsize',10.5)
box on
grid on
xlim([1,240])
figure

plot(C(:,1),c2,'-k*','linewidth',1)
title('\fontname{宋体}材料C每月平均供应量');
xlabel('\fontname{宋体}供应商\fontname{Times New Roman}ID');
ylabel('\fontname{宋体}材料供应量');

set(gca,'FontName','Times New Roman','fontsize',10.5)
box on
grid on
xlim([1,240])


%%
%分离附件1订单材料ABC
clc;clear
[num,txt,~]=xlsread('附件1 近5年402家供应商的相关数据.xlsx',1);
cailiao=ones(402,1);
xunzhaoA = strcmp(txt(2:end,2),'A');%找出A，标记为1
mA=find(xunzhaoA==1);%找出字符串所在的索引
xunzhaoB = strcmp(txt(2:end,2),'B');%找出A，标记为1
mB=find(xunzhaoB==1);%找出字符串所在的索引
xunzhaoC = strcmp(txt(2:end,2),'C');%找出A，标记为1
mC=find(xunzhaoC==1);%找出字符串所在的索引

cailiao(mA)=1.2;
cailiao(mB)=1.1;
cailiao(mC)=1;

indexA=find(cailiao(:,1)==1.2);
A=num(indexA,:);

indexB=find(cailiao(:,1)==1.1);
B=num(indexB,:);

indexC=find(cailiao(:,1)==1);
C=num(indexC,:);

shengchanli=sum(reshape(sum(A),48,5))./0.6+sum(reshape(sum(B),48,5))./0.66+sum(reshape(sum(C),48,5))./0.72;
plot(shengchanli)

模拟代码

%第四问模拟代码
%若出现某些错误，终止程序，可能是内存问题，重新运行即可
clc;clear;
[num,txt,raw]=xlsread('问题1评分排名.xlsx');
data=xlsread('附件1 近5年402家供应商的相关数据.xlsx',2);
index=1:402;
num2=[index' num];
num3=sortrows(num2,7);%对排名进行升序
wushi=num3(1:50,:);
%找出卖A的
indexA=find(wushi(:,2)==1.2);
A=wushi(indexA,:);
%找出卖B的
indexB=find(wushi(:,2)==1.1);
B=wushi(indexB,:);
%找出卖C的
indexC=find(wushi(:,2)==1);
C=wushi(indexC,:);
for i=1:16
MaxA(i)=max(data(A(i,1),:));
end
for i=1:14
MaxB(i)=max(data(B(i,1),:));
end
for i=1:20
MaxC(i)=max(data(C(i,1),:));
end


F=[]
Buy2=[];
R2=[];
Transport=[];
Shunshi2=[];
f=1000000000;
count=1;
X=1000%模拟次数
for Xunhuan=1:X
x=rand(1,3);
y=sum(x);
r=x/y;
r2=sort(r,2)

TA=40625*0.6*r2(1);
TB=40625*0.66*r2(2);
TC=40625*0.72*r2(3);
if TA<1
    TA=1
end
changkuA=0;
changkuB=0;
changkuC=0;%表示出库材料存量
buyA=zeros(16,24);
buyB=zeros(14,24);
buyC=zeros(20,24);
%%
%购买材料A
for i=1:16
buyA(i,1)=min(round(TC*0.5),randi(round([MaxA(i)*0.5,MaxA(i)])));
end
if sum(buyA(:,1))>=TA
    changkuA=sum(buyA(:,1))-TA;
    ChangkuA(1)=changkuA;
for j=2:24%星期
    for i=1:16%供应商
        fanwei=min(round(TC*0.5),randi(round([MaxA(i)*0.5,MaxA(i)])));
        if fanwei==0;
            fanwei=1
        end
        if sum(buyA(:,j))<=TA||changkuA<=2*TA
            buyA(i,j)=randi(fanwei);
            if sum(buyA(:,j))>=TA
                changkuA=changkuA+sum(buyA(:,j))-TA;
                if changkuA>=2*TA
                    continue
                end
            end
        end
    end
    if sum(buyA(:,j))<=TA
        changkuA=changkuA-(TA-sum(buyA(:,j)));
    end
    ChangkuA(j)=changkuA;%记录每周仓库的存储数量
end
end

%%
%购买材料B
for i=1:14
buyB(i,1)=min(round(TB*0.5),randi(round([MaxB(i)*0.5,MaxB(i)])));
end
if sum(buyB(:,1))>=TB
    changkuB=sum(buyB(:,1))-TB;
    ChangkuB(1)=changkuB;
for j=2:24%星期
    for i=1:14%供应商
        fanwei=min(round(TC*0.5),randi(round([MaxB(i)*0.5,MaxB(i)])));
        if fanwei==0;
            fanwei=1;
        end
        if sum(buyB(:,j))<=TB||changkuB<=2*TB
            buyB(i,j)=randi(fanwei);
            if sum(buyB(:,j))>=TB
                changkuB=changkuB+sum(buyB(:,j))-TB;
                if changkuB>=2*TB
                    continue
                end
            end
        end
    end
    if sum(buyB(:,j))<=TB
        changkuB=changkuB-(TB-sum(buyB(:,j)));
    end
    ChangkuB(j)=changkuB;%记录每周仓库的存储数量
end
end
%%
%购买材料C
for i=1:20
buyC(i,1)=min(round(TC*0.5),randi(round([MaxC(i)*0.5,MaxC(i)])));
end
if sum(buyC(:,1))>=TC
    changkuC=sum(buyC(:,1))-TC;
    ChangkuC(1)=changkuC;
for j=2:24%星期
    for i=1:20%供应商
        fanwei=min(round(TC*0.5),randi(round([MaxC(i)*0.5,MaxC(i)])));
        if fanwei==0
            fanwei=1
        end
        if sum(buyC(:,j))<=TC||changkuC<=2*TC
            buyC(i,j)=randi(fanwei);
            if sum(buyC(:,j))>=TC
                changkuC=changkuC+sum(buyC(:,j))-TC;
                if changkuC>=2*TC
                    continue
                end
            end
        end
    end
    if sum(buyC(:,j))<=TC
        changkuC=changkuC-(TC-sum(buyC(:,j)));
    end
    ChangkuC(j)=changkuC;%记录每周仓库的存储数量
end
end
Buy=zeros(50,24);
Buy(A(:,7),:)=buyA;
Buy(B(:,7),:)=buyB;
Buy(C(:,7),:)=buyC;
%数据合并
buy=zeros(402,24)*nan;
buy(A(:,1),:)=buyA;
buy(B(:,1),:)=buyB;
buy(C(:,1),:)=buyC;
%xlswrite('订购方案2',buy);
%%
%模拟转运损耗
fujian2=xlsread('附件2 近5年8家转运商的相关数据.xlsx','B2:IG9');
yunshu=zeros(5,24);
for j=1:8%第j个转运商
hang=fujian2(j,:);
%sunhao=unique(hang);
%[m,n]=size(sunhao);
for i=1:24
xunzhe=randi(240);
yunshu(j,i)=hang(xunzhe);
end
end

%%
%实施转运
p=1:8;%运输排名
transport=zeros(50,24);
for i=1:24%24周
    a=1;%第a行
    R=0;%运输量
yunshu2=[p' yunshu(:,i)];
yunshu2(find(yunshu2(:,2)==0),:)=[];%剔除不运输的转运商
[m,n]=size(yunshu2);
yunshu3=sortrows(yunshu2,2);%进行降序
for j=1:50%50家供应商
indexT=yunshu3(a,1);
if Buy(j,i)==0
    continue
end
if R<=6000
R=R+Buy(j,i);
transport(j,i)=indexT;
else
    a=a+1;
    if a>m
        a=m;
    end
    transport(j,i)=yunshu3(a,1);
    R=0;
    R=R+Buy(j,i);
end
end
end

Transport2=ones(402,24)*nan;
Transport2(wushi(:,1),:)=transport;
%%
%计算损失
Sunshi=zeros(50,24);
for j=1:24%周
    for i=1:50%供应商
        if transport(i,j)==0
            continue
        end
        Shunshi(i,j)=Buy(i,j)*yunshu(transport(i,j),j);
    end
end
Shunshi2=ones(402,24)*nan;
Shunshi2(wushi(:,1),:)=Shunshi;

if length(find(ChangkuA>=0))==24&&length(find(ChangkuB>=0))==24&&length(find(ChangkuC>=0))==24&&sum(sum(Buy))>702000
    F(count)=sum(sum(buyA))*1.2+sum(sum(buyB))*1.1+sum(sum(buyC))+0.5*(sum(ChangkuA)+sum(ChangkuB)+sum(ChangkuC))+sum(sum(Buy))*0.5;
    count=count+1;
    if F(count-1)

其实还有一个模型检验的代码，不过太敷衍了，我就不放出来了

关于转运方案，改一改代码就能换成对应的表格了，我当时没注意它的表格格式，弄成了和订单一样的样子。。。

我这个用是蒙特卡洛模拟的思想

最后，欢迎大家和我交流