2022年华中杯思路

华中杯思路第一版

问题A

这个题目需要给出解值，一般来说都是唯一的，所以慎重。方向就是数据的优化。
分拣问题嘛，其实就是满足约束条件的目标优化问题，注意那每个题给的条件，需要编程能力强的人，可以用lingo，matlab等等。
算法的话，优化算法有很多，各类规划算法，也有比较火热的模拟退火与遗传算法都是不错的选择，不过针对我们这队，编程能力都不太强，可以观望一下再尝试，毕竟这些优化算法有很多现成的。

A的问题1

减少批次以提升速率。根据附件，订单数与每个订单对应的货品种类是固定的(923个订单)，例如D001号订单就有20种货品。需要对数据预处理，类似题目给的表格就行，可以加一列订单货品种类数，需要能清晰的看到订单数与种类数之间的关系。
那么现在意思就是说，一天有有M个批次，每个批次里面有许多个订单，但是这M个批次的每一批的货品种类加起来不能超过200，也就是说，对M求最优值，约束条件是：
每个批次的总种类数 ≤ 200 每个批次的总种类数\leq 200\\ 每个批次的总种类数≤200

每批次货品种类数量，都需要稳定在一个水平，不能有的批次种类很多，有的批次种类少，尽量填满这200个货架。
其实有一个问题我没太想明白，题目好像没有对单个货架的载货能力给出限制，意思就是说，假如我一种货物有很多，但是依然只占一个货架位置。
对全局最优解与局部最优解判断，不要陷入局部陷阱。

A的问题2

解读题目：

条件：

一个订单的不同种类货品越集中，这个订单越早完成，一个订单的货品可以不放在一起。
它给你定义了某个订单的挑选距离：
货品的最大序号 − 最小序号货品的最大序号-最小序号货品的最大序号−最小序号
要求这个挑选距离总和最小
解读：
一个批次的全部订单就是一个序列，序列长度 ≤ 200 \leq 200 ≤200，每个元素是货品种类，设置合理排序。
或许这里可以考虑那些公共货品集中，也是规划问题。
这里是以距离总和衡量效率，那么也是一个条件优化问题，设距离总和S，求min(S)，用规划方法，或者贪心算法求解，这个问题具有最优子结构性质：每个订单的距离都是最小，那么总和也是最小。
至于每个订单的距离怎么求，具体怎么做还没完全想好。

A的问题3

分派任务条件太多，得线下讨论。

问题B

我觉得B题比较简单（相对于A来说），这类问题的结果一般都是比较的宽松，结果准确性也不用太担心。而且写论文可以写很多东西，各方面都可以扯到，多参考论文，写分析尽量专业一点。
先把那些指标合成一张表，处理一下数据特征。
第一小问就是数据预处理（主成分分析，相关性分析），第二问第三问就是两个预测，第四问就是一个投资组合问题了，老生常谈。
数据挖掘类型的题目有坑的，这题的坑就在于一定要注意题目给的时间的测试集与训练集！

预测就是很经典的ARMIA时序预测，LSTM长短期记忆网络，RBF神经网络，灰度预测，GM预测等等……
组合投资风险的模型也有一些的，比如Lyapunov计算股票风险，等等一系列的风险分析，可以参考以前的这类金融风险分析问题。
组合投资也可以参考去年电工杯
难度一般，在于对数据集的总结。

问题C

这题的结果应该是一个范围，但是范围比A大，比B小，所以写论文也方便
C题看上去很难，缺陷分析，就是一个异常识别，是一个数据量化过程
难点在于数据集的特征提取，重点在于对数据挖掘的过程的创新

参考LOF算法，以及

对于这五种钢丝要进行定义

评价方法就是找一个指标，做合理性，用客观评价法
局部识别

参考13年B题国赛，这个国赛难度比这题大得多，但是思想核心是一样的