您的当前位置:首页服装销售问题的数学模型

服装销售问题的数学模型

2023-04-06 来源:爱问旅游网
服装销售问题的数学模型

摘 要

本文基于层次分析法建立了解决服装进货量排序的数学模型,并在商店日销售数量及客人老中青比例一定的情况下,用模糊线性规划估计了店主一天内销售五个类别服装的最大收入。通过这两个数学模型的建立,可为店主提供科学的进货决策依据。

对于问题一,运用用层次分析法将定性问题转化成定量问题,构造衣料成分,品牌及预售价格等因素的成对比矩阵,即这五个因素关于不同服装类别间的成对比矩阵,将该决策问题分为目标层、准则层1、准则层2、方案层四个层次。通过相互比较,确定各准则对于目标的权重,及各个方案对于每一准则的权重,并运用Matlab软件求得每一个成对比较矩阵的最大特征根和权限向量。将方案层对于准则层的权重,两准则层间的权重及准则层对于目标层的权重进行综合分析,计算出方案层对目标层的权重。经组合一致性检验,最终确定出五类服装的进货量由大到小的排序。

针对问题二,同理通过层次分析法预测出各类服装的销售量,对于销售价格通过顾客对各类服装的偏好程度,等效为对“价格重视”的隶属度,建立隶属函数通过隶属度逆向求解出顾客对此类服装接受的价格,最后,对老中青三类顾客的权重加权平均求出服装销售的收入。

关键词:服装销售,层次分析法,预测,隶属函数,加权平均,收入估计

1

一、问题的重述

这是一个服装销售问题,一个商店欲购置一些新的衣服来卖,经过筛选,店主看上五款新衣服,服装编号为A、B、C、D、E。此五类服装的各项指标如表1:

表1:服装的各项指标 服装类别 1、 花色样式 2、 耐穿度 3、 预售价格 4、 品牌 5、 衣料成分 A 较流行 好 200--300 一线品牌 纯棉 B 流行 良好 100--150 二线品牌 普通化纤 C 较流行 一般 300--400 一线品牌 丝绸 D 较流行 好 240--320 一线品牌 棉麻 E 较流行 好 160--240 二线品牌 80%棉 20%化纤 上表中预售价格m--n,其中m表示还价的底线,n表示标价,所以衣服价格在m与n之间都可以卖出。店主请来三位专家为其参谋,希望专家给出进货意见,但是三位专家对服装的指标各有偏好,专家一偏好顺序为1、5、(2、3、4),专家二偏好顺序为2、1、5、(3、4),专家三偏好顺序为3、2、1、(4、5)。其括号内的为同等偏好。

问题1:请给出店主对此五类服装的进货量由大到小的排序。

问题2:假设该店一天能售出20件衣服,光顾该店的客人的老中青的比例为1:3:6,且货源充足,请估计一下店主一天销售此五类服装的最大收入。

二、基本假设

1、三位专家给出的进货意见权重相同;

2、各类服装的各项指标固定不变不随市场波动而变化; 3、模型对各层中元素相互间的影响量化准确;

4、顾客重视服装预售价格因素的权重值是论域服装类别中的元素对“价格重视”(R)的隶属度;

5、老中青三类顾客对服装的指标偏好顺序依次为3,2,(1,4,5)2,5,(1,3,4);1,4,(2,3, 5);

6、各类服装的预售标价与还价的底价不随市场波动而改变;

三、符号说明

xi:第i个影响因素;

aij:xi与xj的重要性之比; A(aij)nn:成对比矩阵A;

CI:一致性指标; CR:一致性比例;

RI:平均随机一致性指标RI;

2

w(k):第k层对第1层的组合权向量;

W(k):第k层对第k1层的权向量作为列向量而组成的矩阵;

Rij(x):隶属函数Rij(x); aj:还价底线; bj:为标价;

j:第j类服装销售量;

wi:第i类顾客光顾该店的权重;

xij:第i类顾客对第j类服装接受的价格;

N:各类服装销售数目; I:单天销售收入;

P:老中青人群购买各类服装的价格;

四、模型的建立

4.1问题1模型的分析与建立

4.1.1建立层次结构模型

在深入分析服装销售问题的基础上,将有关的各个影响因素按照不同属性自上而下的分为四层:

第一层:目标层Z,即对五类服装的进货量的排序Z; 第二层:准则层A,即专家一A1、专家二A2、专家三A3;

第三层:准则层B,即花色样式B1、耐穿度B2、预售价格B3、品牌B4、衣料B5; 第四层:方案层C,即服装A类C1、服装B类C2、服装C类C3、服装D类C4、服装E类C5。

建立结构图为:

3

五类服装进货量排序Z 专家一A1 专家二A2 专家三A2 花色样式耐穿度 预售价格品牌 B4 衣料成分B1B2B3B5服装A类C1 服装B类C2 服装C类C3 服装D类C4 服装E类C5

4.1.2构造成对比较矩阵

面对的决策问题:要比较n个因素x1,x2,,xn对目标Z的影响。我们要确定它们在Z中的权重,即这n个因素对目标Z的相对重要性。我们用两两比较的方法将各因素的重要性量化。

每次取两个因素xi和xj,用正数aij表示xi与xj的重要性之比。全部比较结果得到的矩阵A(aij)nn称为成对比较矩阵。显然有:

1,aij0,i,j1,2,,naji

111a在选取ij的时候,用数字1,2,,9及其倒数,,,作为标度,其意义是:

239aijxi与xj 重要性相同 稍相同 重要 很重要 绝对重要 aij 1 3 5 7 9 在每两个等级之间有一个中间状态,aij可分别取值2,4,6,8。

4.1.3一致性检验

成对比较矩阵的不一致性是不可避免的,但只要它的不一致性不是很严重,我们是

4

可以接受的。衡量可接受的指标以及寻求该指标的方法:

(1)计算一致性指标CI用来衡量矩阵的不一致程度:CI阵最大特征值。

(2)查找相应的平均随机一致性指标RI。对n1,,9,RI的值如下:

N 1 2 RI maxnn1,其中max为矩

3 4 5 6 7 8 9 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 (3)计算一致性比例CR:

CI RI结论:当CR0.1时,认为矩阵的不一致性是可以接受的,当CR0.1时,则应该修改比较矩阵直至达到可接受为止。

(4)计算权向量与组合权向量并做组合一致性检验:

对于3个层次的决策问题,若第1层只有1个因素,第2、3层分别有,m个因素,记第2,3层对第1,2层的权向量分别为:

(2)Tw(2)(w1(2),,wn)

CR(3)(3)wk(wk1,(3)T,wkm),k1,2,n

(3)以wk列向量构成矩阵:

(3)w(3)[w1(3),,wn]

则第3层对第1层的组合权向量为:

w(3)W(3)w(2)

更一般地,若共有s层,则第k层对第1层的组合权向量满足:

w(k)W(k)w(k1),k3,4,s

(k)其中W是以第k层对第k1层的权向量为列向量组成的矩阵,于是最下层(第s层)对最上层的组合权向量为:

w(s)W(s)w(s1)W(3)w(2)

(p)CI,p1组合一致性检验可逐层进行。若第层的一致性指标为

(p)(p)RI,,RIn,定义: 层因素的数目),随机一致性指标为1(p)CI(p)[CI1(p),,CIn]w(p1)

(p),CIn(n是第p1则第p层的组合一致性比率为:

(p)RI(p)[RI1(p),(p),RIn]w(p1)

CI(p)CR(p),p3,4,,sRI

(p)第p层通过组合一致性检验的条件为CR0.1。

定义最下层(第s层)对第1层的组合一致性比率为:

仅当CR适当地小时,才认为整个层次的比较性判断通过一致性检验。

p2*CRCR(p)*s5

4.2问题2模型分析与建立

4.2.1层次分析法对销售服装的预测

层次分析法通过对各评价因素或选择方案相对重要性的定量判断, 来获得各层次以及对总目标的优先程度或权重, 由此层次化地构造并求解复杂的多属性、多选择方案、多阶段决策问题。

运用问题1中的层次分析法理论,建立预测服装销售种类为目标层,老中青三类顾客为准则层1,影响服装销售的指标因素为准则层2,服装的类别为决策层的一个递阶层次结构模型。按照以上的概念模型预测销售服装的结果。

4.2.2模糊隶属度的逆向求解

通过层次分析法求得的不同顾客对各类服装在预售价格因素中所占的权重,这个权重值也是论域服装类别中的元素对“价格重视”的隶属度。 (1)建立隶属函数

第i类顾客对第j类服装的“价格重视”(R)的隶属函数Rij(x)定义为:

1,xbjbjxRij(x),ajxbj

bajj0,xaj其中aj为还价底线,bj为标价。

(2)根据相应的隶属度逆向求出价格对相应的隶属函数得该价格x:

xbj(bjaj)Rij(x)

4.2.3加权平均求服装销售最大收入

加权平均法主要是考虑各因素(或指标)在评价中所处的地位或起的作用不尽相同, 给每个评价指标确定一个权重来体现这种不同。

本问题估计一天销售此五类服装的最大收入,针对各类顾客光顾该店存在的权重所得到的收入公式为:

Ywixijj

j1i1nn五、模型的求解

5.1问题1模型求解:

5.1.1构造成对比较矩阵

比较准则层1中三位专家对目标进货量的影响,可构造成对比较矩阵

6

111,准则层2中,A11115种服装指标对准则层1中3位专家的进货意见影响,可构111造成对比较矩阵:

1.0000 5.0000 5.0000 5.0000 2.00000.2000 1.0000 1.0000 1.0000 0.3333B10.2000 1.0000 1.0000 1.0000 0.33330.2000 1.0000 1.0000 1.0000 0.33330.5000 3.0000 3.0000 3.0000 1.00001.0000 0.5000 4.0000 4.0000 3.00002.0000 1.0000 6.0000 6.0000 5.0000B20.2500 0.1667 1.0000 1.0000 0.50000.2500 0.1667 1.0000 1.0000 0.50000.3333 0.2000 2.0000 2.0000 1.00001.0000 0.3333 0.2500 2.0000 2.00003.0000 1.0000 0.5000 5.0000 5.0000B34.0000 2.0000 1.0000 6.0000 6.0000

0.5000 0.2000 0.1667 1.0000 1.00000.5000 0.2000 0.1667 1.0000 1.0000方案层中,服装类别对准则层2中5种服装指标的影响,可构造成对比较矩阵:

1.0000 0.5000 1.0000 1.0000 1.00002.0000 1.0000 2.0000 2.0000 2.0000C11.0000 0.5000 1.0000 1.0000 1.0000

1.0000 0.5000 1.0000 1.0000 1.00001.0000 0.5000 1.0000 1.0000 1.00001.0000 2.0000 3.0000 1.0000 1.00000.5000 1.0000 2.0000 0.5000 0.5000C20.3333 0.5000 1.0000 0.3333 0.3333

1.0000 2.0000 3.0000 1.0000 1.00001.0000 2.0000 3.0000 1.0000 1.00001.0000 4.0000 0.3333 1.0000 1.00000.2500 1.0000 0.1429 0.2000 0.5000C33.0000 7.0000 1.0000 2.0000 5.0000

1.0000 5.0000 0.5000 1.0000 2.00001.0000 2.0000 0.2000 0.5000 1.00007

1.0000 2.0000 1.0000 1.0000 2.00000.5000 1.0000 0.5000 0.5000 1.0000C41.0000 2.0000 1.0000 1.0000 2.0000

1.0000 2.0000 1.0000 1.0000 2.00000.5000 1.0000 0.5000 0.5000 1.00001.0000 3.0000 0.5000 5.0000 2.00000.3333 1.0000 0.2500 2.0000 0.5000C52.0000 4.0000 1.0000 6.0000 3.0000

0.2000 0.5000 0.1667 1.0000 0.33330.5000 2.0000 0.3333 3.0000 1.00005.1.2对成对比较矩阵的一致性检验

计算上述各成对比较矩阵的一致性指标CI:

CIA0,

CIB0.0010 0.0105 0.0092 CIC00.0250.021000.0116,

计算上述各成对比较矩阵的一致性比例CR:

CRA0

CRB0.0009 0.0094 0.0083

CRC0 0.0022 0.0187 0 0.0103

综上可得,各层的一致性检验全部通过,故上述各成对比较矩阵在不一致程度在容

许范围之内,可用其特征向量作为权向量。

5.1.3求成对矩阵的权向量以及组合权向量

通过Matlab,计算上述各成对比较矩阵的权向量或以权向量为列向量构成的矩阵:

0.4683 0.2761 0.11640.0902 0.4763 0.30120.3333(2)(3)w0.3333W0.0902 0.0673 0.4546

0.0902 0.0673 0.06390.33330.2612 0.1130 0.06398

W(4)0.1667 0.2599 0.1670 0.2500 0.26860.3333 0.1382 0.0506 0.1250 0.09510.1667 0.0820 0.4540 0.2500 0.4247 0.1667 0.2599 0.2143 0.2500 0.05540.1667 0.2599 0.1141 0.1250 0.1562w(4)W(4)w(3) w(3)W(3)w(2)

由下列公式:

可以得到第4层对第1层的组合权向量:

w(4)0.21470.1690.24470.19330.1783

T通过Matlab作图可得到各类服装的进货比例饼状图:

各类服装进货比例图18%E类服装21%A类服装19%17%B类服装D类服装24%C类服装

5.1.4组合一致性检验

(1)第2层组合一致性检验:

由公式:CI(2)CIARI(2)RIA,CR(2)CI(2)(2) RI可以得到第2层组合一致性比率,CR0

2(2)第3层组合一致性检验: 由公式:CI(3)CIBw, RI(2)(3)RIBw,CR(2)(3)CI(3)(3)可以得到第3层组合一致RI9

性比率,CR20.0079 (3)第4层组合一致性检验: 由公式:CI(4)CICw,RI(3)(4)RICw ,w(3)(3)Ww,CR(3)(2)(4)CI(4)(4)可以得到第4RI层组合一致性比率,CR40.0074。

由上可得,第4层对第1层的组合一致性组合比率为:

W(3)3,:0.48460.11110.0902

因前面各层的组合一致性比率均小于0.1,故一致性检验通过。前面得到的组合权向量w可以作为最终决策的依据。 5.2问题2模型求解:

5.2.1利用层次分析法对服装销售情况进行预测

与模型1的求解同理,仅须改变准则层1的元素,把专家改为老中青三类顾客。通过大量的调查数据,可以得到老中青三类顾客对服装指标的偏好,将其程度量化,并估计各指标对上一层的权重,建立新的成对比较矩阵:

1.0000 0.3333 0.1667

A13.0000 1.0000 0.50006.0000 2.0000 1.0000(4)同样方法可得目标层的服装类型对决策层的权向量:

w(4)0.21620.18130.23850.19470.1693

T通过计算可以得到,第4层对第1层的组合一致性组合比率为:CR*0.005, 以及前面各层的组合一致性比率均小于0.1,故一致性检验通过。上面得到的组合权向量

w(4)可以作为最终决策的依据。

由一天能销售出的衣服总数,通过上面得到的权向量,可以得到单天这5类服装的

销售数量为:

N44543

T通过Matlab作图可得到各类服装单天销售柱状图:

10

各类服装单天预测销售图54.543.532.521.510.501A类服装2B类服装3C类服装4D类服装5E类服装

5.2.2求解各类服装的销售价格

建立第i类顾客对第j类服装的隶属函数Rij(x),可以求出各类人群购买各类服装的价格。由模型2求得的各类人群对价格的重视程度:

W(3)3,:0.48460.11110.0902

可以求解各类服装的销售价格,

251.5426 125.7713 351.5426 281.2341 201.2341

P288.8889 144.4444 388.8889 311.1111 231.1111290.9822 145.4911 390.9822 312.7857 232.7857通过Matlab作图可以得到各类服装销售的预测价格条形图:

各类服装预测销售价格400350300250200150100500 老年顾客中年顾客青年顾客 1A类服装2B类服装3C类服装4D类服装5E类服装

11

5.2.3估计单天销售此五类服装的收入

由1,2步求得的服装销售数目以及销售价格,可以求得单天销售此五类服装的收入:I=5574.4。

六、模型评价

服装销售商店进货选择和销售市场受多因素的影响,服装的各项指标(花色样式、耐穿度、预售价格、品牌、衣料成分)和专家以及不同顾客的偏好。运用层次分析法对服装进货量和销售的收入分析和预测, 不仅可以得出影响服装销售的各因素的相对重要程度, 而且有助于评价各因素的作用和影响, 为更好的服装销售决策制定起支持和指导方案。

然而, 由于服装销售受外部环境以及服装类别自身特点等多种因素影响, 使得对服装销售实施结果的预测和分析变得更加复杂。层次分析法虽然可以使难以量化的多属性决策问题层次化, 但模型预测的准确性直接取决于决策者对各因素成对比较和评定的准确程度, 这种主观性可能导致预测结果的偏差。所以, 如何使模型更加全面地反映服装销售情况, 如何考虑专家的意见, 更准确地预测和分析服装销售都是值得进一步研究和探索的问题。

七、模型的改进与推广

本文建立的模型中,影响服装销售的因素众多,并且顾客对服装各指标的偏好、服装售出的价格等因素又具有模糊性,在应用传统层次分析法分析和预测就不是很准确。因此,将层次分析法和模糊综合评判相结合对其进行分析和预测将会得到更精确的结果以及更优的方案。

运用模糊层次分析法作为一种综合评价及预测的方法,不仅可广泛用于安全科学研究和环境研究领域,而且还可为决策者面对其他领域纷繁复杂的形势作出正确决策提供科学的依据, 同时, 将其运用在职业危害监管工作中有着美好前景。

八、参考文献

[1] 叶俊,姜启源,谢金星. 数学模型(第四版). 北京: 高等教育出版社, 2011:

249-269

[2] Mark M.Meerschaert. 数学建模方法与分析(第三版). 北京:机械工业出版社,

2009: 89-161

[3] 韩中庚,宋明武. 数学建模竞赛.北京:科学出版社,2007:126-182 [4] 陈超等. MATLAB应用实例精讲,北京:电子工业出版社,2010:186-296

九、程序

9.1模型一程序: %构造成对比较矩阵 clc; clear;

12

A1=ones(3,3); B=ones(5,5,3); C=ones(5,5,5);

b=[5 5 1 5 1 1 2 1/3 1/3 1/3; 0.5 4 6 4 6 1 3 5 0.5 0.5; 1/3 0.25 0.5 2 5 6 2 5 6 1]; c=[0.5 1 2 1 2 1 1 2 1 1;

2 3 2 1 0.5 1/3 1 0.5 1/3 1; 4 1/3 1/7 1 1/5 2 1 0.5 5 2; 2 1 0.5 1 0.5 1 2 1 2 2;

3 0.5 0.25 5 2 6 2 0.5 3 1/3]; n=1;

for k=1:8 for j=2:5

for i=1:j-1 if k<4

B(i,j,k)=b(k,n); B(j,i,k)=1/b(k,n); n=n+1; else

C(i,j,k-3)=c(k-3,n); C(j,i,k-3)=1/c(k-3,n); n=n+1; end end end n=1; end

%一致性检验

blmd=zeros(1,3); clmd=zeros(1,5); bci=zeros(1,3); cci=zeros(1,5); bcr=zeros(1,3); ccr=zeros(1,5); almd=max(eig(A1)); aci=(almd-3)/2; acr=aci/0.58; for k=1:8 if k<4

blmd(k)=max(eig(B(:,:,k))); bci(k)=(blmd(k)-5)/4;

13

bcr(k)=bci(k)/1.12; else

k=k-3;

clmd(k)=max(eig(C(:,:,k))); cci(k)=(clmd(k)-5)/4; ccr(k)=cci(k)/1.12; end end

%计算权向量与组合权向量 aw=zeros(3,1); bww=zeros(5,3); cww=zeros(5); [V,D]=eig(A1); for i=1:3

if abs(A1*V(:,i)-max(max(D))*V(:,i))<1e-5; sum=0; for m=1:3

sum=sum+V(m,i); end

for m=1:3

V(m,i)=V(m,i)/sum; end

aw=V(:,i); break; end end

for k=1:8 if k<4

[V,D]=eig(B(:,:,k)); for i=1:5

if abs(B(:,:,k)*V(:,i)-blmd(k)*V(:,i))<1e-5; sum=0; for m=1:5

sum=sum+V(m,i); end

for m=1:5

V(m,i)=V(m,i)/sum; end

bww(:,k)=V(:,i); break; end end else

14

[V,D]=eig(C(:,:,k-3)); for i=1:5

if abs(C(:,:,k-3)*V(:,i)-clmd(k-3)*V(:,i))<1e-5; for j=1:5 sum=0; for m=1:5

sum=sum+V(m,i); end

for m=1:5

V(m,i)=V(m,i)/(sum); end

cww(:,k-3)=V(:,i); break; end end end end end

w31=cww*(bww*aw); %组合一致性检验 cr=zeros(1,3);

bri=[1.12 1.12 1.12];

cri=[1.12 1.12 1.12 1.12 1.12]; cr(1)=acr;

cr(2)=bci*aw/(bri*aw);

cr(3)=cci*(bww*aw)/(cri*(bww*aw)); %绘图 pie(w31);

title('各类服装进货比例图');

gtext({'A类服装';'B类服装';'C类服装';'D类服装';'E类服装'});

9.模型二程序: %构造成对比较矩阵 clc; clear;

A1=[1 1/3 1/6;3 1 1/2;6 2 1]; B=ones(5,5,3); C=ones(5,5,5);

b=[0.5 0.2 0.5 1 2 5 1 2 5 1;

0.25 1 4 1 4 1 0.5 2 0.5 0.5; 5 5 1 2 1/3 1/3 5 1 1 3]; c=[0.5 1 2 1 2 1 1 2 1 1;

2 3 2 1 0.5 1/3 1 0.5 1/3 1;

15

4 1/3 1/7 1 1/5 2 1 0.5 5 2; 2 1 0.5 1 0.5 1 2 1 2 2;

3 0.5 0.25 5 2 6 2 0.5 3 1/3]; n=1;

for k=1:8 for j=2:5

for i=1:j-1 if k<4

B(i,j,k)=b(k,n); B(j,i,k)=1/b(k,n); n=n+1; else

C(i,j,k-3)=c(k-3,n); C(j,i,k-3)=1/c(k-3,n); n=n+1; end end end n=1; end

%一致性检验

blmd=zeros(1,3); clmd=zeros(1,5); bci=zeros(1,3); cci=zeros(1,5); bcr=zeros(1,3); ccr=zeros(1,5); almd=max(eig(A1)); aci=(almd-3)/2; acr=aci/0.58; for k=1:8 if k<4

blmd(k)=max(eig(B(:,:,k))); bci(k)=(blmd(k)-5)/4; bcr(k)=bci(k)/1.12; else

k=k-3;

clmd(k)=max(eig(C(:,:,k))); cci(k)=(clmd(k)-5)/4; ccr(k)=cci(k)/1.12; end end

16

%计算权向量与组合权向量 aw=zeros(3,1); bww=zeros(5,3); cww=zeros(5); [V,D]=eig(A1); for i=1:3

if abs(A1*V(:,i)-max(max(D))*V(:,i))<1e-5; sum=0; for m=1:3

sum=sum+V(m,i); end

for m=1:3

V(m,i)=V(m,i)/sum; end

aw=V(:,i); break; end end

for k=1:8 if k<4

[V,D]=eig(B(:,:,k)); for i=1:5

if abs(B(:,:,k)*V(:,i)-blmd(k)*V(:,i))<1e-5; sum=0; for m=1:5

sum=sum+V(m,i); end

for m=1:5

V(m,i)=V(m,i)/sum; end

bww(:,k)=V(:,i); break; end end else

[V,D]=eig(C(:,:,k-3)); for i=1:5

if abs(C(:,:,k-3)*V(:,i)-clmd(k-3)*V(:,i))<1e-5; for j=1:5 sum=0; for m=1:5

sum=sum+V(m,i); end

17

for m=1:5

V(m,i)=V(m,i)/(sum); end

cww(:,k-3)=V(:,i); break; end end end end end

w31=cww*(bww*aw); %组合一致性检验 cr=zeros(1,3);

bri=[1.12 1.12 1.12];

cri=[1.12 1.12 1.12 1.12 1.12]; cr(1)=acr;

cr(2)=bci*aw/(bri*aw);

cr(3)=cci*(bww*aw)/(cri*(bww*aw)); crr=0; for m=1:3

crr=crr+cr(m); end

figure(); pie(w31);

title('各类服装销售比例图');

gtext({'A类服装';'B类服装';'C类服装';'D类服装';'E类服装'}); num=20*w31; for i=1:5

num1=ceil(num); sum=0; for m=1:5

sum=sum+num1(m); end

if sum>20

hl=num1-num;

[val,ind]=min(hl);

num(ind)=num1(ind)+1e-11; num2=floor(num); sum=0; for m=1:5

sum=sum+num2(m); end

if sum==20

18

num=floor(num); break; end else

break; end end

figure(); bar(num);

title('各类服装单天预测销售图');

gtext({'A类服装';'B类服装';'C类服装';'D类服装';'E类服装'}); sum=0;

prep=[200 100 300 240 160;300 150 400 320 240]; mprice=zeros(3,5); for i=1:3 for j=1:5

mprice(i,j)=prep(2,j)-bww(3,i)*(prep(2,j)-prep(1,j)); end end

price=aw'*mprice; incoming=price*num; figure(); bar(mprice');

title('各类服装预测销售价格');

gtext({'A类服装';'B类服装';'C类服装';'D类服装';'E类服装'}); legend('老年顾客','中年顾客','青年顾客');

19

因篇幅问题不能全部显示,请点此查看更多更全内容