苗剛?cè)?/p>

摘 要：華北理工大學(xué)數(shù)學(xué)建模創(chuàng)新實(shí)驗(yàn)室1 華北理工大學(xué)以升創(chuàng)新教育基地2 華北理工大學(xué)信息工程學(xué)院3華北理工大學(xué)理學(xué)院4 河北省唐山市 063210

關(guān)鍵詞：勞務(wù)眾包任務(wù)定價(jià)；模糊神經(jīng)網(wǎng)絡(luò)模型；回歸方程；任務(wù)完成率；

0 引言

伴隨著網(wǎng)絡(luò)眾包平臺(tái)的興起，“拍查和信息搜集，相比傳統(tǒng)的市場(chǎng)調(diào)查方式可以大大節(jié)省調(diào)查成本，而且有效地保照賺錢”是移動(dòng)互聯(lián)網(wǎng)下的一種自助式服務(wù)模式。用戶下載APP，注冊(cè)成為APP的會(huì)員，然后從APP上領(lǐng)取需要拍照的任務(wù)（比如上超市去檢查某種商品的上架情況），賺取APP對(duì)任務(wù)所標(biāo)定的酬金。這種基于移動(dòng)互聯(lián)網(wǎng)的自助式勞務(wù)眾包平臺(tái)，為企業(yè)提供各種商業(yè)檢證了調(diào)查數(shù)據(jù)真實(shí)性，縮短了調(diào)查的周期。因此APP成為該平臺(tái)運(yùn)行的核心，而APP中的任務(wù)定價(jià)又是其核心要素。如果定價(jià)不合理，有的任務(wù)就會(huì)無人問津，而導(dǎo)致商品檢查的失敗。

由于在不同的地域，多個(gè)任務(wù)可能因?yàn)槲恢帽容^集中，導(dǎo)致用戶會(huì)爭(zhēng)相選擇，一種考慮是將這些任務(wù)聯(lián)合在一起打包發(fā)布?；诖?，本文建立基于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)打包分配方法，模擬在一個(gè)包內(nèi)裝有不同任務(wù)數(shù)量，然后將此任務(wù)包絡(luò)分配給一個(gè)用戶，分析任務(wù)的完成情況。研究不同任務(wù)包內(nèi)任務(wù)數(shù)量與任務(wù)完成情況的關(guān)系，為眾包平臺(tái)提供更優(yōu)的定價(jià)策略。

1 基于模糊神經(jīng)網(wǎng)絡(luò)的任務(wù)打包定價(jià)模型

1.1 任務(wù)打包方案

如果任務(wù)比較集中，而會(huì)員也在此區(qū)域內(nèi)比較集中，則在該區(qū)域中，會(huì)員會(huì)爭(zhēng)相選擇任務(wù)，可能導(dǎo)致惡意搶奪，進(jìn)而造成任務(wù)完成率低，于是，可以考慮一種將任務(wù)聯(lián)合打包發(fā)布的方案，即將若干個(gè)任務(wù)捆綁，交由一個(gè)用戶完成。

由于任務(wù)點(diǎn)相距不是很遠(yuǎn)，可以將鄰近的任務(wù)點(diǎn)打包，在此通過繪制附件一中任務(wù)點(diǎn)分布的散點(diǎn)圖選取100個(gè)任務(wù)點(diǎn)中心，將任務(wù)中心點(diǎn)方圓16km的任務(wù)點(diǎn)進(jìn)行打包，作為一個(gè)任務(wù)包發(fā)布，而任務(wù)執(zhí)行人則根據(jù)會(huì)員得到任務(wù)發(fā)布情況時(shí)間的早晚、會(huì)員與任務(wù)點(diǎn)之間的距離、會(huì)員信譽(yù)度、限額情況等進(jìn)行綜合考量得到最終結(jié)果。

1.2 模糊神經(jīng)網(wǎng)絡(luò)模型的建立與求解

用非線性預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)通常為反傳神經(jīng)模型（BP模型），該模型選用基本3層拓?fù)浣Y(jié)構(gòu)，即輸入層、隱含層和輸出層，其中輸入層為7個(gè)節(jié)點(diǎn)，分別代表影響任務(wù)價(jià)格的7個(gè)相關(guān)因素，輸出層有一個(gè)節(jié)點(diǎn)去構(gòu)建和模型的關(guān)系，中間層各神經(jīng)元之間互相不連接，而相鄰層的神經(jīng)元?jiǎng)t通過權(quán)重連接。

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程可分為兩個(gè)階段：第一階段是按向前的傳播方向，從輸入層到隱含層直到輸出層，可以得到各神經(jīng)元的輸入值，最后得到輸出層的輸出值。第二階段按照與階段一反向的傳播方向，即根據(jù)輸出層的實(shí)際輸出和期望輸出之間的誤差，調(diào)整節(jié)點(diǎn)之間的連接權(quán)值，最終使誤差取到最小值。

具體步驟如下所示：

step 1：初始化

根據(jù)APP平臺(tái)的利潤(rùn)最大化目標(biāo)，對(duì)輸入層與價(jià)格相關(guān)的因素按重要性排序，分別給輸入層到隱含層的單位連接權(quán)值qij，隱含層到輸出層的連接權(quán)值wij，隱含層單元閥值Qi和輸出層單元閥值Rj為[-1，1]的隨機(jī)值。

step 2：計(jì)算

選取激活函數(shù)sigmoid函數(shù)f（x）=1/1+e-X，計(jì)算隱含層單位激活值bj=f（∑qijai+Qj），計(jì)算輸出層單元激活值：ck=f（∑qijbj+Rk），計(jì)算誤差函數(shù)Ek=∑（Mk-Ck）2/2。

step 3：調(diào)整

（1）調(diào)整隱含層到輸出層單元之間的單元連接權(quán)值：△wjk=abjdk其中α為學(xué)習(xí)率，0<α<1。

（2）調(diào)整輸出層單元的閥值：△Rk=αdk。

（3）調(diào)整輸入層到隱含層的連接權(quán)值：△Vjk=βαiej，其中β為學(xué)習(xí)率，0<β<1。

（4）調(diào)整隱含單元閥值：△Qj=βej。

step 4：預(yù)測(cè)

計(jì)算全局誤差E=∑Ek，如果E≥ε，則重復(fù)進(jìn)行step2，step3，否則學(xué)習(xí)結(jié)束。在系統(tǒng)中輸入預(yù)測(cè)對(duì)象，則系統(tǒng)聯(lián)結(jié)到相應(yīng)的數(shù)據(jù)庫、模型庫知識(shí)庫中，并利用調(diào)出的神經(jīng)網(wǎng)絡(luò)權(quán)值數(shù)據(jù)庫進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果通過動(dòng)態(tài)報(bào)表表現(xiàn)出來。

1.3 任務(wù)包定價(jià)回歸方程模型

將任務(wù)打包，即將若干個(gè)任務(wù)捆綁發(fā)布，使得原本需要分配給多個(gè)會(huì)員的任務(wù)均由同一個(gè)會(huì)員完成，打包后的任務(wù)包定價(jià)會(huì)略低于未打包時(shí)的單個(gè)定價(jià)之和。

當(dāng)任務(wù)包內(nèi)的任務(wù)數(shù)量一定時(shí)，通過上述函數(shù)關(guān)系得到的定價(jià)與通過模糊神經(jīng)網(wǎng)絡(luò)所建立的模型得到的定價(jià)相近，因此，可以說明本問建立的模型具有一定的合理性，可以用以打包任務(wù)的定價(jià)。

1.4 打包方案對(duì)任務(wù)完成情況的影響

通過與原方案的完成率進(jìn)行對(duì)比，可知任務(wù)打包發(fā)布能提高任務(wù)完成率，即對(duì)任務(wù)完成情況有積極影響。同時(shí)，用戶完成同樣件數(shù)任務(wù)的總酬金較之前有所降低，但其單次得到的酬金大大增加，有利于提升用戶積極性，對(duì)任務(wù)完成率的提高有一定的積極影響。

2 結(jié)論

拍照賺錢在實(shí)際情況下，多個(gè)任務(wù)可能因?yàn)槲恢帽容^集中，導(dǎo)致用戶會(huì)爭(zhēng)相選擇，一種考慮是將這些任務(wù)聯(lián)合在一起打包發(fā)布。在這種考慮下，我們運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法修改前面的定價(jià)模型，通過與原方案的完成率進(jìn)行對(duì)比，可知在新的定價(jià)模型能提高任務(wù)完成率，即對(duì)任務(wù)完成情況有積極影響。同時(shí)，用戶完成同樣件數(shù)任務(wù)的總酬金較之前有所降低，但其單次得到的酬金大大增加，有利于提升用戶積極性，對(duì)任務(wù)完成率的提高有一定的積極影響。

參考文獻(xiàn) （References）

[1]吳孟達(dá). 數(shù)學(xué)建模教程[M]. 高等教育出版社， 2011.

[2]韓中庚. 數(shù)學(xué)建模方法及其應(yīng)用[M]. 高等教育出版社， 2005.

[3]李曉忠. 模糊神經(jīng)網(wǎng)絡(luò)[D]. 北京師范大學(xué)， 1991.

[4]張啟銳. 實(shí)用回歸分析[M]. 地質(zhì)出版社， 1988.

[5]孫增圻， 徐紅兵. 基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)[J]. 清華大學(xué)學(xué)報(bào)（自然科學(xué)版）， 1997（3）：76-80.endprint