考虑时空效率的任务匹配定价模型与算法-教育部中国大学生在线.pdf

考虑时空效率的任务匹配定价模型与算法 摘要 本文运用FCM 聚类方法和多阶段轮盘赌算法，解决了 “拍照赚钱”APP 平台日常 业务中不同任务和会员分布条件下的任务定价问题。 对于问题一，首先将平台数据导入 MapInfo Pro15.0 软件，观察得出平台定价以城 市中心区为重心，以距离大小向周围辐射梯度递增的规律。建立FCM 地理中心聚类模 型，确定了6 个定价中心；建立中心梯度线性定价模型并通过一元线性回归分别得到6 个城市的定价模型参数。 对于问题二，从会员客户关系定价的时间、空间和效率三维影响因素着手，首先对 会员信誉度进行分级，并对各任务整合时空高效和时空可抵两类距离构建了备选会员集， 建立了时空效率定价模型和任务匹配规划模型；考虑任务预订开始时间和任务配额等约 束，设计二维多阶段轮盘赌多项式时间算法，运用Matlab2015b 编程求解模型，结果说 20.2 明提出的时空效率定价模型较原定价方案优化完成了 %的未完成任务。 对于问题三，考虑区域任务打包策略，构建了供需平衡模型，获得最优打包任务数 规模为 3 ；并以打包规模区间[2,5]为参数，构建了会员信誉等级定价模型，增大具有高 信誉度的会员获得打包任务的概率；求解结果较不打包模式下成功完成的任务规模优化 了6.5%的比例。 对于问题四，首先将新项目数据导入MapInfo Pro15.0 软件，观察得任务匹配具有 “供大于求，高聚集态”等特征，构建了歧视激励定价模型；通过提升定价激励高信誉 度会员高质量选择并完成任务，通过歧视定价为低信誉度会员设置保留价格和准入门槛； 将新项目通过会员信誉等级定价和提出的歧视激励定价模型分别求解，求得 34.7%和 46.9%的完成率，验证了歧视激励定价的有效性。 本文通过查阅、引用、自主推导、编程模拟等多种方式，深入分析了 “拍照赚钱” APP 平台定价机制，并取得一定程度的优化效果，具备相应参考借鉴价值。 关键字: FCM 聚类；中心梯度定价；时空效率定价；匹配；多阶段轮盘赌算法 第1章 问题重述 1.1 问题背景 目前，基于移动互联网的自助式劳务众包平台已经成为一种调查数据的新方式，这种模式大大 节省了调查成本，保证了调查数据的真实性，缩短了调查的周期。例如：“拍照赚钱”的运营模式就 是会员从APP 上领取需要拍照的任务，赚取APP 对任务所标定的酬金。在这种模式中，APP 成为该 平台运行的核心，而APP 中的任务定价又是其最为关键的要素。 1.2 问题提出 1. 研究 “拍照赚钱”APP一个已结束项目的任务数据，包括每个任务的位置、定价和完成情况，来 分析 “拍照”APP的任务定价规律和任务未完成的原因。 2. 设计一种新的定价方案，通过对已结束项目数据的仿真运算，与原定价方案进行对比。 3. 考虑多个任务可能因为位置比较集中的情况，提出将这些任务联合在一起打包发布的方法。在这 种考虑下修改问题二的定价方案，并对其结果进行分析评价。 4. 结合附件三中给出的新项目，给出一种新方案，并检验其实施效果。 第2章 模型假设及符号说明 2.1 模型假设 1.假设任务的定价在匹配过程中始终不变。 2.假设每个任务被匹配后仅有 “成功执行”和 “未执行”两种状态，任务匹配后因 “未执行” 不再重新返回平台进行再匹配。 3.假设会员选择任务时，不受外界因素干扰，只受其信誉度、开始预订时间和配额确定的选择概 率影响。 2.2 符号说明 序号 符号 符号说明 1 xi 数据集，i 1,2,...,n 2 uij U 中的元素，uij (0,1) 3 ci 模糊组I 聚类中心，i 1, 2,..., c 4 J FCM 的价值函数 5 d