阿里云弹性供应链大赛库存安全策略分享

题目概述：提供阿里云产品过去一年的历史需求数据，需要给出未来三个月的补货策略。每周一为决策日，初赛下单以后14天补货到达，决赛到货时间不固定，满足均值和标准差都是14的泊松分布。

初赛给出了未来数据，决赛使用流数据方式给出未来数据，每个决策日补货策略收到以后给出下一阶段的需求数据。

首先，使用前5个20日的均值预测未来20日的需求，未来21天的需求就是预测的20日需求加决策日当天的需求

每周一为决策日，

对每个决策日，选取7个样本，即当前日之前3，4，5，6，7，8，9周的周一，每个样本都有预测值和实际值，

预测值为过去5个20天的平均值，实际值为每个样本未来20天的实际值，还有标准差，即所用的过去5个20天的标准差，
对于这7个样本，比较实际值和补货量，补货量为预测值加上标准差系数乘以对应的标准差，
对于某一个范围内的标准差系数，如1.2-3.5，共24个系数，对每个系数计算总的缺货数，
然后将系数和缺货数合并，按照缺货数，系数从小到大排列，取前7个系数的平均值作为要使用的标准差系数，
那么当前决策日需要的补货量就是预测值（过去5个20日平均值）加上标准差系数乘以过去5个20日的标准差，减去当前库存和补货在途
这里并不考虑库存，只计算缺货数，因为系数越小库存越小，系数越大库存越大，取前7个最小的缺货对应的最小系数就已经考虑了库存的影响；

之所以取前7个最好的，是为了避免偶然因素的影响，保持稳定性，如果取的数量太少，则可能是局部异常数据的影响，可能对总体上并不是最好的，取7个平均，虽然可能不是最好，但是稳定性大大增强

对于考核范围内的时间段，样本数可以适当增加，但是增加太多可能并不是很好，因为时间范围太大，数据可能已经发生变化

另外，如果到货时间不在固定，那么只需要在计算系数对应的缺货量时使用随机时间的需求即可，可以先生成一组到货时间，然后计算对应的实际需求，预测值仍然是均值加系数乘以标准差，只不过理论上标准差系数应该是增加的