首先根据给定的数据计算每个单品的利润率和销量。然后定义目标函数为总利润约束函数为每天单品销售种类在27到33种。接下来使用模拟退火算法进行优化。首先随机生成一个解作为初始解并将其设为当前解和最优解。然后初始化温度和冷却率。在迭代过程中随机交换当前解中的两个单品计算新解的目标函数值。根据一定的概率接受新解更新当前解和最优解。最后降低温度继续迭代直到温度降低到一定程度。最后输出最优解和总利润并输出最优

这个问题可以被建模为一个优化问题，目标是最大化商超的收益。首先，需要计算每个单品的利润率和销量。利润率可以通过将每个单品的利润除以售价得到。销量可以通过给定的数据得到。

接下来，可以定义目标函数为总利润，约束函数为每天单品销售种类在27到33种。这样，优化的目标就是在满足销售种类约束的情况下，最大化总利润。

使用模拟退火算法可以进行优化。首先，随机生成一个解作为初始解，并将其设为当前解和最优解。然后，初始化温度和冷却率。

在迭代过程中，可以随机交换当前解中的两个单品，计算新解的目标函数值。根据一定的概率接受新解，更新当前解和最优解。这个概率可以根据新解和当前解的目标函数值之差以及当前的温度来计算，可以使用Boltzmann函数来表示。

最后，降低温度，继续迭代，直到温度降低到一定程度。这样，就可以得到一个较优的解。

最后，输出最优解和总利润，并输出最优解对应的销量。这样，商超就可以根据这个最优解制定单品的补货计划，以使得收益最大化。