1 论文标题：基于机器学习的商超收益优化与定价策略研究

2 作者信息：王 哲, 杨渠钏, 卢 灏, 陈静琳, 梁兰青, 吴延科*：广东海洋大学数学与计算机学院，广东 湛江

3 出处和链接：王哲, 杨渠钏, 卢灏, 陈静琳, 梁兰青, 吴延科. 基于机器学习的商超收益优化与定价策略研究[J]. 计算机科学与应用, 2023, 13(12): 2623-2628. https://doi.org/10.12677/CSA.2023.1312261

4 摘要：在生鲜商超中，蔬菜类商品的保鲜期都比较短，且品相随销售时间的增加而变差，隔日就无法再售。本文对多种单品编码进行分析。基于XGBoost模型，通过PSO算法构建以最大商超收益为目标的模型。经过计算，第一种单品编码的最优销售单价为6.299999948531562，最优的销售数量为41.19558，最大商超收益为110.80144372618932；第二种单品编码的最优销售单价为102900011030059，最优的销售数量为30.746147，最大商超收益为74.18823167795038。本研究的一个关键创新点是通过XGBoost模型和PSO算法，实现了对不同蔬菜类商品的个性化最优定价。这意味着商超可以根据每种商品的特性和市场需求，制定最佳的销售单价，以最大化商超的收益。通过更合理的定价和销售策略，商超可以减少蔬菜类商品的滞销和浪费，有助于减少资源浪费，提高经济效益，同时对环保也有积极影响。本文的方法为商超提供了科学的管理决策支持，使其能够更好地应对市场变化和商品特性，提高了经营效益。