前言

我们直接开始主题吧，这篇文章直接解决第二问和第三问，将所有思路和做法都提供给各位参考！！！

实在太累了这几天都是2点睡觉啊喂，思路都是开源没收一分钱！！只希望各位以后遇到建模比赛可以艾特认识一下我，我可以提供免费的思路和部分源码，最近CSDN上也有很多活动和比赛可以带着大家做一做，有兴趣的小伙伴加我微信就好了。好了时间紧迫我们立即开始！

一、问题一再梳理

根据我的前三篇思路和部门代码，都讲解的非常清楚了，给的思路也十分清晰。我们根据不同的指标确定了相应的权重，经过权重计算得到了相应的分值从而挑选出前六个物料编码。我们根据思维导图梳理一下：

那么如果我们顺利的完成了问题一，手下就应该有如下资源：

周时序预测模型以及公式
1-177周六种物料需求数据集
第二问给出的物料第 101～110 周的生产计划、实际需求、库存、缺货量及服务水平

二、问题二具体思路

1.题意理解

根据第二题题意分析，我们得到需要我们设计一种制定生产计划的方法，使得平均服务水平不低于 85%。从第 101 周开始，在每周初，制定本周的物料生产计划，安排生产，直至第 177 周为止。

假设：本周计划生产的物料，只能在下周及以后使用。为便于统一计算结果，进一步假设第 100 周末的库存量和缺货量均为零，第 100 周的生产计划数恰好等于第 101 周的实际需求数。

2.具体分析

首先可以确定一点

需求

需求就是设计一个方案，说明清楚，以及两张表格。

时间范围

选定的 6 种物料的全部计算结果（第 101 ∼ 177 周）

条件

1.平均服务水平不低于 85%。

平均服务水平计算公式：

2.在制定本周的生产计划时，可以使用任何历史数据、需求特征以及预测数据，但不能使用本周及本周以后的实际需求数据。也就是说假设我们在指定第101周的生产计划时，不能用101周以后的数据来使用，只能用101周之前的数据，也就是只能用历史数据来跑结果。

3.解题思路

问题二很明显就是明摆着让你使用第一问的预测模型，对其做出总结，引入限定条件检验真值效果而已。很多小伙伴说采取动态规划或者是使用机器学习仿真来研究写出，若是这些方法脱离了你第一问的建模成果，那么又得重新建模，这显然不是出题老师想要的结果。总得来说就是对你第一问的时序预测模型的一个总体估量。

这里不知道大家也没有了解过移动平均法，这里主要就是出仓与入仓的营销策略，在量化分析中此问题十分常见，给大家补充一个知识点：

时间序列法并不属于机器学习而是统计分析法，供预测用的历史数据资料有的变化表现出比较强的规律性，由于它过去的变动趋势将会连续到未来，这样就可以直接利用过去的变动趋势预测未来。但多数的历史数据由于受偶然性因素的影响，其变化不太规则。利用这些资料时，要消除偶然性因素的影响，把时间序列作为随机变量序列，采用算术平均、加权平均和指数平均等来减少偶然因素，提高预测的准确性。