随着生产力和生产水平的提高,商品的种类越来越多。顾客需要从商品集合中挑选合适的商品。商家也需要给顾客推荐合适的商品集合。品类优化研究关心的就是如何优化商家的推荐进而获得更高的收益。其研究方式为,充分的利用各种资源来刻画,消费者在面对相同功能商品的不同品类细分时的选择行为。并以此建立适当的顾客选择模型,从而设计合适的推荐策略,对于不同类型的顾客给出个性化的推荐方案,最终最大化自身的收益。本文借鉴了文献中的一次转移模型,在其基础上通过对商家赋予更多的推荐权利,给出了一个二次选择模型。在模型中,首先将初始预计购买不同商品的顾客分为不同的类。然后,商家对于每类顾客推荐一个商品供货的子集供其挑选。顾客再按照最大化效用的方式挑选商品,在模型中通过使用顾客对商品的偏好权重,来刻画推荐商品的购买概率。在文章中证明了模型是多项式可解的,并且通过数值模拟论证了模型相较于同类模型具有更高的预期收益。文章的最后讨论了更一般的带有空间约束的二次选择模型,证明了其是NP-hard的,并给出了一个近似算法。本文的主要贡献有:·提出二次选择模型。模型赋予了商家更多的推荐权利。通过数值模拟验证了,模型可以给商家带来更多的预期收益;·给出了二次选择模型的多项式时间算法。证明了更一般的带有空间约束的二次选择模型是NP-hard的,并给出了一个近似算法。