高中数学选择性必修二《数学建模》教学设计：基于电商促销规则的最优决策研究

高中数学选择性必修二《数学建模》教学设计：基于电商促销规则的最优决策研究一教材与标准解读《普通高中数学课程标准（2017年版2020年修订）》将“数学建模”列为选择性必修模块，明确要求学生经历从实际问题到数学模型的建立、求解、验证与应用的完整过程，重点培养建模观念、逻辑推理、直观想象、数学运算与数据分析五大核心素养。教材选择性必修二第三章“数学建模的基本步骤与方法”，以“确定变量、建立关系、数学处理、结果解释、模型评价”为主线，强调模型构建的迭代性与假设条件的合理性论证。本教学设计依托“品牌日店铺限免活动8折3次”这一真实商业场景，剥离非数学表层，聚焦“多约束条件下的离散组合优化”这一数学本质，旨在引导学生完成从具体商业规则到抽象数学结构的重构，体现课标倡导的“从现实世界走向数学世界，再回到现实世界”的双向运动。二学情分析与学习准备目标学习者为高二年级理科实验班学生，已系统学习集合、函数、导数、排列组合、概率统计等核心知识模块，具备基础的代数运算与逻辑推理能力。但前期调研显示，学生在面对非结构化、多变量耦合的实际问题时，普遍存在“模型建立难、假设设定虚、参数估计盲、结果验证弱”四大痛点。特别是对“分段函数建模”、“整数规划松弛”、“贪心算法与动态规划边界”的理解停留在教科书典型例题层面，缺乏面对开放性规则体系时的拆解与重组能力。本课设计分层任务：基础层完成单目标优化建模，进阶层攻克多目标帕累托前沿分析，拓展层引入博弈论视角下的商家策略预判，兼顾共性提升与个性生长。三教学目标1．核心素养目标：能识别电商促销规则中的决策变量、约束条件与目标函数，建立整数规划模型或动态规划递推关系，运用Matlab或Python求解并解释最优购买策略，批判性评价模型局限性，形成“用数学眼光看世界”的建模素养。2．知识与能力目标：掌握分段线性规划的线性化处理技巧，理解“8折3次”规则在集合论与组合数学中的等价表达，熟练应用贪心策略证明最优性或构建反例，提升复杂条件下的符号化表达与算法实现能力。3．情感态度与价值观目标：体验数学建模解决现实消费决策的实用价值，培养理性消费、精准计算的数据思维，树立严谨求实、敢于创新的科学精神。四教学重难点重点：多重叠加优惠规则（品牌日满减、店铺限免、会员8折、单品最多3次）的数学化建模与最优解搜索算法设计。难点：非凸、非连续、整数约束下的全局最优性证明；动态规划状态空间压缩与贪心选择性质的严格论证；模型参数不确定性下的鲁棒性分析。五教学资源与环境准备硬件：多媒体教室，学生人手一台安装Anaconda环境（含Numpy,Pandas,PuLP,Matplotlib）的笔记本电脑。软件：教师端准备可视化演示系统，实时渲染搜索树与收敛曲线。素材：某头部电商平台脱敏订单数据集（含SKU价格、库存、优惠券面额、用户等级），规则文档PDF原件。六教学过程设计（一）情境引入与问题重构（15分钟）教师投影展示某品牌日促销页面截图：全场满300减40，店铺券满200减20，会员专享8折，单品限购3件，优惠叠加顺序为“满减后再打折”。提出核心驱动问题：“给定购物清单与预算上限，如何决定每款商品的购买数量，使实付金额最小化或获取商品总价值最大化？”学生分组三人，领取规则文档与商品清单（15个SKU，价格区间291299元），用自然语言描述决策逻辑。教师巡视，重点捕捉学生对“叠加顺序”“限购约束”“预算硬性/软性”的不同理解，引导全班达成共识：这是一个离散非线性优化问题，核心难点在于折扣非线性与整数约束的耦合。（二）变量定义与假设设定（20分钟）教师主导全班讨论，确立建模假设：①忽略运费与赠品价值，仅考虑商品标价与实付金额；②库存充足不构成约束；③优惠券不可拆分，满减门槛基于商品原价小计计算；④预算为软约束，允许微幅超支换取更高价值。学生独立完成变量定义表：决策变量x_i∈{0,1,2,3}表示第i款商品购买件数，i=1,2,…,15。中间变量y_i∈{0,1}表示是否触发店铺满减，z_i∈{0,1}表示是否触发品牌满减。目标函数MinF=∑(p_ix_i0.8)20y40z，其中p_i为原价。约束条件：∑(p_ix_i)≥200y∑(p_ix_i)≥300z∑(p_ix_i0.8)20y40z≤Budget+εx_i≤3,∀i教师点拨：满减触发条件为“大于等于”，引入大M法或指示器约束线性化，将非线性乘积项转化为线性不等式组，引出混合整数线性规划（MILP）框架。（三）模型构建与算法设计（45分钟）1.基础建模层：MILP标准形式书写教师演示将上述模型代入PuLP求解器，代码投屏讲解关键语句：prob+=lpSum(price[i]x[i]0.8foriinrange(n))20y40z。学生动手修改预算参数，观察最优解随预算变化的阶跃特性。教师提问：“为何最优解在预算299元与301元处发生剧烈跳变？”引导学生发现满减门槛导致可行域拓扑结构突变，理解“临界点分析”的必要性。2.进阶建模层：动态规划状态压缩针对预算较大、商品种类扩展至百级时MILP求解时间指数级增长的问题，教师引导构建动态规划模型。状态定义：dp[j][k][m]表示前i件商品决策后，品牌满减已省金额为j，店铺满减已省金额为k，当前累计原价小计模200余数为m时的最大实付价值。转移方程：dp[i+1][j'][k'][m']=max(dp[i+1][j'][k'][m'],dp[i][j][k][m]+value_add)其中value_add需分情况讨论：新增商品是否跨越满减门槛，是否触发8折优惠。教师现场编写状态压缩代码，利用字典存储稀疏状态，演示从O(nB^3)降至O(nStates)的复度优化过程。学生分组完成“预算5000元，商品50款”的扩展实验，对比MILP与DP运行时间与内存占用，填写实验记录表。3.拓展建模层：贪心策略与最优性反例教师抛出猜想：“按单价折扣率从高到低排序购买是否总能得最优解？”学生直觉多认为可行。教师给出反例构造：商品A单价101元，商品B单价99元，预算200元。按单价排序买2件A，原价202元，触发店铺满减实付(2020.820)=141.6元；买1件A+1件B，原价200元，触发满减实付(2000.820)=140元。后者更优，揭示“门槛效应”破坏贪心选择性质。进一步证明：若所有商品单价均为200的整数倍，且无品牌满减，则贪心成立。学生尝试给出充分必要条件，教师补充“次模函数最大化”理论视角，指出目标函数非单调非次模，NPhard本质决定精确算法指数复杂度，工程上常用遗传算法或模拟退火求近似解。（四）模型求解与敏感性分析（30分钟）学生分组完成三大实验任务：任务一：固定清单，预算从1000元增至10000元，绘制“实付金额预算”阶跃函数图，标注每个满减门槛触发点，计算边际节省率。任务二：引入价格波动参数δ_i∈[0.05,0.05]，采用蒙特卡洛采样1000次，绘制最优购买方案的稳定性热力图，识别“关键商品”（购买概率>0.9）与“弹性商品”。任务三：商家视角逆向建模。假设商家可调节满减门槛（200/300）与折扣力度（8折/85折），目标为最大化GMV在保证毛利率不低于25%前提下，构建双层规划模型：上层商家决策，下层消费者最优响应。教师演示用KKT条件将下层问题替换为互补松弛条件，转化为单层MPEC，启发学生思考“机制设计”中的激励相容性。（五）结果解释与模型评价（20分钟）各组汇报核心发现：4.满减门槛产生“凹陷区间”：预算略低于门槛时强行凑单反而增加实付，需计算“凑单临界价格”p=(门槛当前小计)/(1折扣率)。5.8折与满减叠加存在“边际替代效应”：高单价商品受益于8折，低单价商品受益于满减，最优组合呈现“高低搭配”特征。6.限购3件约束在高预算下成为瓶颈，迫使引入次优商品，边际价值递减曲线呈阶梯状下降。教师组织批判性评价：模型假设“优惠券必领必用”，忽略了领券成本与心理账户效应；假设“商品独立”，忽略了套装捆绑销售与互补替代关系；静态单期模型无法捕捉“预售尾款膨胀”“退货运费险套利”等动态博弈。引导学生撰写《模型局限性声明》，规定适用边界：单用户、单时段、单店铺、非套装商品、理性决策主体。（六）迁移拓展与核心素养沉淀（15分钟）教师抛出三个迁移场景：场景一：跨店满减“每满300减50”引入耦合约束，变量维度爆炸，引出列生成算法与DantzigWolfe分解。场景二：直播间限时秒杀“前100名半价”，引入随机到达过程与最优停问题，联系概率论与随机控制。场景三：企业采购“阶梯报价+返利”，联系供应链协调中的批量折扣模型与契约设计。学生口头速写：若将“8折3次”推广为“折扣率随购买量分段递减”，模型如何修改？引导学生写出分段线性函数的SOS2建模方法，或引入二进制变量表示区间选择，完成从离散组合到分段线性规划的认知跨越。教师总结：数学建模的核心不在于求解器调用，而在于“结构识别——抽象建模——算法匹配——批判迭代”的完整认知链条，今日课堂即是该链条的微缩演练。七板书设计板书采用双栏对照结构：左栏“商业规则层”，右栏“数学模型层”，中间“建模转化链”贯穿始终。左栏：品牌日满30040→指示变量z+大M约束店铺券满20020→指示变量y+大M约束会员8折→目标函数系数0.8限购3件→x_i∈{0,1,2,3}叠加顺序→分段线性化处理右栏：MILP标准形式→PuLP求解验证DP状态压缩→字典稀疏存储O(States)贪心反例构造→次模性破坏NPhard敏感性分析→蒙特卡洛稳定性热力图双层规划逆向→MPEC与机制设计中间链：问题剖析→假设设定→变量定义→模型建立→算法求解→结果检验→模型修正→结论表达八作业设计与分层评价基础作业（必做）：完成教材P45习题3，改良“图书购买优惠”模型，增加“满100减10可叠加使用”规则，提交建模报告PDF与Python代码。进阶作业（选做）：利用课堂数据集，实现遗传算法求解100SKU规模问题，对比CPLEX精确解与遗传算法近似解的Gap，分析收敛代数与种群多样性关系。拓展作业（挑战）：阅读《OperationsResearch》近三年关于“联合定价与库存优化”的高被引论文，综述电商促销优化前沿进展，提出一个可研究的改进方向。评价量表包含四维度：建模规范性（30%）、算法实现度（30%）、结果解释力（20%）、批判创新性（20%），采用“同伴互评+教师终评”机制，结果计入学业水平合格性考核与综合素质档案。九教学反思与后续迭代课后复盘发现：学生对“大M法”取值敏感性理解不足，导致部分组求解器返回非最优整数解。下轮教学将增加“数值稳定性专题”，对比大M法、指示器约束、SOS1建模三种线性化手段的数值表现。动态规划状态定义环节，学生易混淆“累计原价”与“累计实