检索结果-内蒙古大学图书馆

郑州大学学报（工学版） 2019年第4期40卷 86-91,96页

作者：邓少鸿李玲桂斌长沙理工大学经济与管理学院湖南长沙410114 淮阴师范学院计算机科学与技术学院江苏淮安223300

对空间众包这一新型分布式解决方案而言,提高众包绩效是亟须解决的问题,而任务的定价策略与众包绩效的提升具有密切相关性.提出等效任务代表点的概念,研究原有任务定价规律与任务密度、会员密度、会员平均信誉度、最邻近可达距离4个因... 详细信息

对空间众包这一新型分布式解决方案而言,提高众包绩效是亟须解决的问题,而任务的定价策略与众包绩效的提升具有密切相关性.提出等效任务代表点的概念,研究原有任务定价规律与任务密度、会员密度、会员平均信誉度、最邻近可达距离4个因素的关系.在此基础上从发包方、平台以及接包方3个角度出发,针对任务实现的4个步骤,分别建立了多目标的任务定价模型、会员动态抢单模型、任务分配模型以及任务完成概率预测模型.进而运用TOPSIS法计算不同方案的综合评价指数,排序选取最优任务定价方案.最后将优化后的方案与原方案进行对比,在保证发包方总成本尽可能低的情况下,平台任务完成率、会员个人平均收益以及单位信誉值转换的酬金均显著提高,即众包绩效得以提升.结果验证了该模型的可行性与有效性,为空间众包平台的任务定价提供了借鉴与参考.

关键词：空间众包任务定价绩效提升多目标规划

来源：评论

学校读者我要写书评

暂无评论

移动众包平台的任务定价模型优化策略研究

引用

科技管理研究 2022年第1期42卷 149-155页

作者：陈咏晖胡矗明暨南大学管理学院广东广州510632

采用BP神经网络建立基于定位的定价模型,分析任务完成度的影响因素,根据影响因素引入奖励函数和抢任务的概率分布函数以提高会员积极性及改进人力资源匹配,同时采用PID负反馈网络优化完成度优化,最终实现众包双方效益平衡的目标,提出定... 详细信息

采用BP神经网络建立基于定位的定价模型,分析任务完成度的影响因素,根据影响因素引入奖励函数和抢任务的概率分布函数以提高会员积极性及改进人力资源匹配,同时采用PID负反馈网络优化完成度优化,最终实现众包双方效益平衡的目标,提出定价调整方案。实验结果对比表明,优化后的任务定价模型有效地降低了任务发布方的成本支出,在提高会员的参与积极性的同时,保证整体任务的完成度。

关键词：移动众包任务定价 BP神经网络 PID负反馈网络

来源：评论

学校读者我要写书评

暂无评论

基于纳什竞价的空间众包任务定价算法

引用

计算机科学 2023年第10期50卷 184-192页

作者：林韦达董红斌赵炳旭哈尔滨工程大学计算机科学与技术学院哈尔滨150001

任务定价是众包平台解决利润驱动的任务分配、最大化利润的重要步骤。然而关于工人期望的任务定价研究相对较少,现有大多数研究并不考虑工人与任务的动态需求。此外,出于工人隐私和传感器限制,获取完整的工人信息是困难的。为解决上述难... 详细信息

任务定价是众包平台解决利润驱动的任务分配、最大化利润的重要步骤。然而关于工人期望的任务定价研究相对较少,现有大多数研究并不考虑工人与任务的动态需求。此外,出于工人隐私和传感器限制,获取完整的工人信息是困难的。为解决上述难题,提出了基于纳什竞价的空间众包任务定价算法。首先通过机器学习算法获取任务的价格范围,然后在价格区间上进行纳什竞价。为了解决动态供需造成的价格大幅波动问题,设计调整机制来稳定任务均价。最后为模拟纳什均衡点,采用了两种不同的梯度递减函数,来搜索匹配数最大的任务定价。分别在gMission数据集和合成数据集进行了实验,结果表明所提算法的匹配数量和任务均价分别是MCMF算法的60%和1.57倍,时间花费是MCMF算法的9.6%,验证了所提算法的有效性。

关键词：纳什均衡任务定价工人期望动态供需不完整信息

来源：评论

学校读者我要写书评

暂无评论

众包平台任务定价的一类新方法

引用

工业工程与管理 2018年第4期23卷 145-149页

作者：冯云乔严灵毓中国石油大学(华东)理学院山东青岛266580 湖北工业大学计算机学院湖北武汉430068

以众包平台中的“拍照赚钱”任务为例，分析影响这一任务定价和完成率的影响因素。采用更加精确的距离模型代替经纬度。通过建立logistic回归模型来拟合先前任务的完成率，建立了指数型多元回归定价模型。采用基于聚类分析的任务打包算... 详细信息

以众包平台中的“拍照赚钱”任务为例，分析影响这一任务定价和完成率的影响因素。采用更加精确的距离模型代替经纬度。通过建立logistic回归模型来拟合先前任务的完成率，建立了指数型多元回归定价模型。采用基于聚类分析的任务打包算法。将会员按信誉度高低排序，依次分发任务。借助双目标优化模型实现最优打包方案。仿真结果表明，该方法的任务完成增长率相对于传统方案增长了40．06％，总成本减少了12．549／6。

关键词：任务定价信誉度聚类分析双目标优化模型

来源：评论

学校读者我要写书评

暂无评论

不完全信息场景下空间众包任务定价算法研究

不完全信息场景下空间众包任务定价算法研究

引用

作者：林韦达哈尔滨工程大学

学位级别：硕士

在数字化时代的浪潮中,众包已经转变为一种创新的工作模式,它突破了传统工作的界限,将任务分散到全球各地的人们手中。作为众包形式之一的空间众包,特别强调了地理位置的重要性,它依赖于工人的空间分布和流动性来完成具体任务。在这一... 详细信息

在数字化时代的浪潮中,众包已经转变为一种创新的工作模式,它突破了传统工作的界限,将任务分散到全球各地的人们手中。作为众包形式之一的空间众包,特别强调了地理位置的重要性,它依赖于工人的空间分布和流动性来完成具体任务。在这一过程中,众包平台扮演着至关重要的角色,不仅作为任务发布者与众包工人之间的纽带,更是确保任务高效完成的关键因素。空间众包中的任务定价是一个关键环节,合理的定价策略能够显著提升任务的完成率和质量。目前,大多数研究聚焦于平台分配任务模式(SAT),在该模式下,研究者通常从工人与任务的空间关系(例如距离、时间等)出发,计算工人执行任务的成本,以此为基础进行任务分配和定价。与SAT模式相比,工人选择任务模式(WST)的应用场景更为广泛。WST模式通常依赖于收集到的工人个人信息来向工人推荐适合的任务和报酬,但由于数据安全和传感器技术的限制,工人的个人信息往往是不完整的,这给任务定价和匹配带来了挑战。针对这一问题,本研究提出了一种适用于信息不完全环境下的众包任务定价算法。研究内容包括: (1)构建了一个基于不完全信息的空间众包场景,定义了工人的行为模式和任务属性,并提出了相应的约束条件和优化目标,以反映现实世界的复杂性和不确定性,为算法的开发提供了坚实的理论基础。 (2)提出了基于WST模式的空间众包定价算法(CTP),适用于信息不完全的环境。CTP算法分为两个阶段:首先,利用支持向量机回归(SVR)预测任务价格,提出并使用降维函数的灰狼优化算法优化超参数,以提高SVR的预测精度;其次,在价格调整阶段,引入基于最佳响应策略的价格调整机制,以平衡工人冗余选择,最大化任务与工人的匹配数量,降低平均价格。在纽约出租车数据集上的测试结果显示,CTP算法在处理信息不完全的空间众包任务时,性能优于传统方法。 (3)提出了变长步长众包任务定价算法(VCTP)。VCTP算法采用深度强化学习中的软演员-评论家(SAC)算法来自适应地选择价格调整步长。实验证明,VCTP算法在保持出色性能的同时,显著减少了运行时间,并能进一步平衡工人与平台的收益分配,这对于实时众包平台具有重要价值。

关键词：任务定价空间众包不完全信息维度扩展

来源：评论

学校读者我要写书评

暂无评论

MCSN中基于逆向拍卖和情境因素的任务定价机制研究

MCSN中基于逆向拍卖和情境因素的任务定价机制研究

引用

作者：罗茜内蒙古大学

学位级别：硕士

移动群智感知网络(Mobile Crowdsensing Network,MCSN)是一种新的数据获取模式,致力于为人们提供普适的物联网服务。合理的任务定价机制不仅能够激励更多的用户参与感知任务,还有助于平台的良性发展,因而,逐渐成为群智感知领域的研究热... 详细信息

移动群智感知网络(Mobile Crowdsensing Network,MCSN)是一种新的数据获取模式,致力于为人们提供普适的物联网服务。合理的任务定价机制不仅能够激励更多的用户参与感知任务,还有助于平台的良性发展,因而,逐渐成为群智感知领域的研究热点。现有的研究大多是根据历史交易情况或者MCSN中的某种主体交互进行定价,均未考虑两者协同定价。此外,还普遍存在未充分分析任务定价规律、定价预测模型偏差较大以及未考虑在线场景中感知任务精细定价等问题。为了解决上述问题,本文提出基于逆向拍卖和情境因素的任务定价机制。首先,提出基于情境因素的任务区间定价机制IPCF,通过分析影响价格变化的情境因素预测感知任务的价格区间。以真实的历史交易价格集为数据源,构建基于情境因素的任务定价标准数据集;通过两步聚类探索约束关系复杂多变的感知任务定价规律,实现任务价格的自然分组和归类描述;在此基础上,实现基于深度神经网络的价格区间预测模型。实验结果表明,该定价机制的预测准确率高于82.7%。其次,提出一种在线场景下基于逆向拍卖的任务个性定价机制DPRA,通过主体交互实时确定任务价格。任务参与者以IPCF为指导向平台提交报价信息用以获取参与任务的资格;平台通过逆向拍卖策略选择随时到达的任务参与者并确定其报酬,同时引入情境阈值变更报酬。结果表明该机制能够满足计算有效性等特征条件,并提高了任务参与者的收益,能够激励其积极参与感知任务。最后,设计并实现基于IPCF&DPRA的MCSN原型系统。该系统包含:MCSN平台管理者发布感知任务和价格区间的Web客户端、任务参与者完成感知任务并获取报酬的Android移动终端以及用于业务处理的服务器端。融合两种定价机制实现MCSN原型系统,从实际应用角度完善定价机制。

关键词： MCSN 任务定价情境因素两步聚类分析逆向拍卖

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的众包任务定价与分配方法研究

基于强化学习的众包任务定价与分配方法研究

引用

作者：车博大连海事大学

学位级别：硕士

众包是一种应用场景十分广泛的商业模式,高效便捷的特点吸引了大量请求者与工人来到众包平台发布或完成任务。因此,众包平台需要一种合理的激励和分配机制满足双方的利益,提高众包平台的用户活跃度。激励是工人完成任务的主要目的,可以... 详细信息

众包是一种应用场景十分广泛的商业模式,高效便捷的特点吸引了大量请求者与工人来到众包平台发布或完成任务。因此,众包平台需要一种合理的激励和分配机制满足双方的利益,提高众包平台的用户活跃度。激励是工人完成任务的主要目的,可以提高工人的工作积极性,分配是工人与任务的匹配,影响任务的完成质量。现有研究的激励机制仅考虑一方的利益,而且任务分配时缺乏考虑任务种类与工人技能类型的匹配度,因此需要更深入的研究和改进。针对现有研究存在上述的问题,本文主要完成了以下工作: (1)提出一种基于强化学习的众包任务定价方法。在任务定价方面,请求者的预算区间与工人的预期报酬之间经常出现矛盾,众包平台需要在请求者与工人二者利益之间取得平衡,因此本文设计了一种基于强化学习的众包任务定价模型,使用神经网络综合考量当前环境中的工人质量和预期报酬,动态调控价格系数,为动态环境中的任务定价。使用知名众包网站Free Lancer的真实数据集进行多组实验,从工人质量、质量差、最优定价任务数和任务成本等多个指标评估,证明我们的方法与目前研究的激励机制相比,平均工人质量与备选工人质量高,最优定价任务数多,任务成本低。 (2)提出一种基于强化学习的众包任务分配方法。在任务分配方面,众包平台需要在任务能够成功分配的同时,还要将任务依类分配,因此本文设计了一种基于强化学习的众包任务分配模型,通过分析当前环境中的任务与工人信息,将任务分配给匹配程度最高的工人,使得任务能够被高水平地完成。然后在滴滴出行的真实数据集上进行了多组实验,从分配数、工人质量和工人可靠度等多个指标评估,我们的方法与其它方法相比,成功分配数量最多,工人质量与工人可靠度最高。

关键词：任务定价任务分配强化学习众包

来源：评论

学校读者我要写书评

暂无评论

任务定价规律的改进及基于大数定理的任务仿真算法

引用

中国商论 2018年第1期 163-164页

作者：贾月恬钟妍梁定康南京邮电大学

本文首先对原方案的指标系数进行修正,使得项目整体的完成度尽可能大且总花费尽可能小。其次,"因地制宜",根据项目聚集的地区具体分析各个地区的任务完成情况,建立奖励机制或适当改变价格。最后运用仿真算法解出结果与原方案... 详细信息

本文首先对原方案的指标系数进行修正,使得项目整体的完成度尽可能大且总花费尽可能小。其次,"因地制宜",根据项目聚集的地区具体分析各个地区的任务完成情况,建立奖励机制或适当改变价格。最后运用仿真算法解出结果与原方案进行比较。

关键词：任务定价奖励机制任务模拟大数定理

来源：评论

学校读者我要写书评

暂无评论

任务定价规律的反演与分析

引用

中国集体经济 2018年第9期 81-82页

作者：贾月恬钟妍梁定康南京邮电大学

对于任务的定价,文章以会员密度、任务难度、会员活跃度为指标,反演推出项目的任务定价模型。最后结合拟合程度与实际情况,分析任务未完成的原因。

关键词：任务定价任务难度二项logistic回归

来源：评论

学校读者我要写书评

暂无评论

劳务众包的“拍照赚钱”任务定价研究

引用

四川工商学院学术新视野 2018年第4期3卷 60-65,70页

作者：高源蒲治宇王玉四川工商学院计算机学院四川成都611745 四川工商学院电子信息工程学院四川成都611745

"拍照赚钱"是互联网时代下的一种自助式服务模式。文章针对"拍照赚钱"的劳务众包问题提出了一种任务定价方案。首先通过Matlab绘制结合经纬度坐标与定价的三维拟合图,从定性角度分析会员信息数据和项目任务数据,发... 详细信息

"拍照赚钱"是互联网时代下的一种自助式服务模式。文章针对"拍照赚钱"的劳务众包问题提出了一种任务定价方案。首先通过Matlab绘制结合经纬度坐标与定价的三维拟合图,从定性角度分析会员信息数据和项目任务数据,发现定价髙的任务都分布在较远的区域。然后从定量角度,将位置数据进行地理网格式等划分,对2500个区域运用K-Means聚类算法求解,得出影响任务定价的四个主要因子。最后采用灰色关联矩阵来分析定价与四个影响因子的相关度。

关键词：劳务众包拍照赚钱聚类分析任务定价

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：