Este estudio se centra en el modelado de estrategias automáticas de fijación de precios y reabastecimiento para productos perecederos con tasas de deterioro variables en el tiempo basadas en un modelo híbrido mejorado SVR-LSTM-ARIMA. Esta investigación tiene como objetivo apoyar a los supermercados en la planificación de estrategias futuras, optimizando la estructura de categorías, reduciendo las tasas de pérdida y mejorando los márgenes de beneficio y la calidad del servicio. Específicamente, el estudio selecciona verduras perecederas como categoría de investigación y calcula la relación de costo más margen para cada categoría de verduras. Se realiza un análisis de correlación con las ventas totales, y se obtiene una curva de relación no paramétrica utilizando regresión de vectores de soporte para el ajuste no lineal. Luego se utiliza una red neuronal recurrente de memoria larga y corta para predecir el volumen de ventas, y se calcula una estrategia de fijación de precios basada en la curva de ajuste. Además, el estudio establece una correlación entre la tasa de pérdida y la vida útil, corrige el índice de volumen de ventas diarias promedio y resuelve el problema de cantidad y categoría de reabastecimiento utilizando un enfoque de problema de mochila. Al considerar múltiples restricciones, se obtiene un volumen de reabastecimiento de categoría cuantitativo y una estrategia de fijación de precios. El modelo matemático propuesto en este estudio aborda los desafíos de reabastecimiento y fijación de precios a los que se enfrentan los supermercados, con el objetivo de mejorar los ingresos y reducir las pérdidas cumpliendo con los requisitos del mercado.