阿里买家的支付宝交易流程

阿里巴巴的供应信息分为三类:一口价信息、拍卖信息、普通商品信息。一口价信息和普通商品信息混合位于商品列表上方,拍卖信息位于普通列表的下方。本文将详细说明一口价商品的支付宝购买流程。第一步找到中意的商品,点击“立即购买”。第二步确认购买信息点击“立即购买”之后     

面向资源最优分配的深度学习双边拍卖算法

针对拍卖过程中计算效率低和利益分配不合理等问题, 本文提出了一种基于深度学习的迭代双边拍卖算法. 该算法通过买卖双方的初始报价数据训练基于神经网络的资源最优分配模型, 调用训练好的模型对实时报价数据快速响应, 直接求解经纪人最优分配问题(BAP)以实现计算资源分配, 显著地减小了计算代价, 提高了算法的计算效率. 进一步, 针对利益分配不合理等问题, 在迭代双边拍卖框架的支出规则和收入规则中引入调节因子用于调节买卖双方的利益, 解决已有算法在实现社会福利最大化过程中利益分配不合理的问题. 实验结果验证了该算法的有效性和优越性, 在运行时间、社会福利、买家利益、卖家利益和经纪人利益等多项指标均明显优于已有的迭代双边拍卖算法     

网上拍卖的风险防范机制及其发展研究

网络经济的发展促使电子商务得到快速应用,而网上拍卖是电子商务中最成功的一种形式。网上拍卖有着传统拍卖所没有的一些优点。随着计算机技术和网络技术的发展,网上拍卖日益广泛与深入,同时也使得网上拍卖系统的风险问题日益突出。本文考虑的就是通过建立一些风险防范机制来降低网上拍卖的风险。     

不可不知的网拍知识

网络拍卖是网上购物的主要形式,它之所以盛行,或许并不仅仅在于拍家或者卖家可以在这占到多大便宜,体验拍卖的过程对每个参与者来说才是更为珍贵的。     

在线拍卖安全研究

该文介绍了在线拍卖存在的物理风险、逻辑风险和在线拍卖欺诈的三个主要特征和欺诈种类,并针对以上问题提出了解决对策,从技术措施、信誉系统、制订拍卖规则、法律法规等方面健全和完善,从而保证在线拍卖的安全。     

一种暗标叫价的多属性拍卖方法

分析了已有的多属性拍卖方法中存在的问题，给出了一种广义的多属性拍卖模型．进而提出了一种暗标叫价多属性拍卖方法——MAV，并证明了MAV的一些重要性质，如卖方激励相容性等，还给出了卖方的占优策略和买方的Bayes最优策略．论证了MAV中的买卖方总效用在Bayes均衡点上达到最大．最后与已有的多属性拍卖方法进行了比较，结果表明MAV改进了Esther等人的工作．     

一种安全的暗标叫价多属性拍卖方案

已有的多属性拍卖方法很少顾及网上拍卖的安全性及节点问题,而安全的电子拍卖方案又少顾及拍卖的效用和策略等问题.在已有的多属性拍卖方法和安全的电子拍卖方案的基础上,提出一种安全的暗标叫价多属性拍卖方案--SAMAV方案,对金NFDD8和秦波的工作进行了改进.SAMAV方案既是一种广义的多属性拍卖方法,又可以保证拍卖公平、公正的进行,因而更加具有适用性和广泛性.     

基于前景理论和模糊理论的在线多属性采购拍卖 供应商选择决策

在线多属性采购拍卖已在工程招标、政府采购等诸多领域有着广泛应用.由于在实际的采购拍卖活动中,往往采购方对采购商品的相关属性指标存在不同程度的不确定性,采购商在对采购品属性的描述及相应权重的确定上都存在困难,进而导致采购商在面临供应商选择决策上难度增大.为了解决这些问题,从采购方利益角度出发,考虑风险态度对决策者行为的影响,引入前景理论,研究4种模糊描述方式并存情况下的在线多属性采购拍卖的供应商选择决策问题;在综合考虑主客观因素确定属性权重的情况下,提出一种新的在线多属性采购拍卖供应商选择决策方法;最后通过相关的算例分析与比较说明所提出方法的有效性.     

基于间隔型双边拍卖的网格资源预留算法

针对已有基于竞价拍卖的网格资源预留方法存在的问题，提出了一种基于间隔型双边拍卖的网格资源预留算法。根据网格资源预留的需求和拍卖机制的特点，给出了网格系统模型；基于间隔型双边拍卖的思想，设计了适合网格系统的资源拍卖机制，给出了详细的网格资源预留算法；算法的最优性分析表明：在资源拍卖过程，提供真实信息对用户方和资源方均是唯一占优策略，且算法能够保证中标资源供需平衡。 最后，模拟实验结果证明了算法的有效性和正确性。     

基于混合组合双向拍卖的网格资源分配方案

针对组合双向拍卖中节点或实体在单次拍卖中分别扮演资源提供者和资源需求者时所具有的不同特点,提出了混合组合双向拍卖模式,即在拍卖中节点本身不单是资源提供者同样也是资源需求者。在此前提下,结合信任度在资源分配安全性以及服务质量方面的作用,将信任度引入到定价调整中,从而优化资源的分配。仿真实验结果表明,所提出的资源分配方法在提高拍卖效率和单位效用正向激励以及防止恶意节点方面均优于已有方案。     

一种安全的多属性拍卖模型

网络拍卖不仅成为电子商务不可分割的部分,而且是自治Agent和多Agent系统(MAS)技术的重要应用领域.同时,拍卖作为一种有效的资源分配形式,在联盟生成等MAS问题中有着重要的应用,因而受到学者们越来越多的关注.拍卖的安全性、隐私性特征是拍卖研究的重要方面.给出了一个一般的多属性拍卖模型和一个安全的多属性拍卖协议--SVAMA协议,并证明了SVAMA的一些重要性质,如Strategy-proof等.并与已有的多属性拍卖和使用的安全方法进行了比较,部分改进了David,Brandt等人的工作.     

一种基于移动代理的自主拍卖模型

Agent的自治性和移动性为网络环境下的电子商务活动提供了许多潜在优点.拍卖是一种典型的商务活动,基于Agent的自主拍卖是传统拍卖方式的一个发展趋势,具有广泛应用前景.重点研究了建立自主拍卖系统所涉及的主要问题,包括拍卖大厅建模、拍卖大厅查询、交易对象定位、拍卖过程同步和出价策略等.基于移动Agent和博奕理论,提出了一种自主拍卖模型.该模型支持一次价格密封标价拍卖和双边拍卖两种拍卖机制.模型中的Agent接受拍卖任务后能够自动搜寻拍卖大厅、自主参与拍卖过程并向其所有者返回拍卖结果.     

中国期货市场组合交易保证金算法研究

交易成本与风险控制是保证期货市场有效性的两个关键要素。中国是个信用体系尚未健全的国家,围绕如何保证在风险全面可控的前提下降低交易成本这个问题,研究了组合交易大边保证金算法与实现,提出在不依赖公共信用体系控制交易风险的情况下,对于相关度比较高的合约之间的组合交易行为,可以依照算法按相关性高低折抵收取组合保证金。实践证明,采用该算法后,组合交易保证金额度在大幅降低的同时仍足以覆盖风险,在类似信用状况的期货市场具有推广价值。     

P2P网络中的代理拍卖协议

提出一个点对点（P2P）网络中的二价代理拍卖协议。投标者在投放出价链之后即可自由进出协议，由P2P节点代理完成拍卖；在整个拍卖过程中，低的出价链会在未被完全解密的状态下先被淘汰，最后只留下最高出价链。与已有的其他协议相比，它兼具密闭拍卖和分布式拍卖的优点，不仅能做到异步出价，而且能保护所有出价者的出价隐私。     

基于模糊理论的最优序贯拍卖策略研究

基于模糊理论,通过将之前拍卖的类似物品回报进行模糊参数化,采用均值—方差对其进行收益和风险的刻画和度量。针对这两个准则提出基于柯布—道格拉斯生产函数的多准则优化函数,进而构建了基于模糊理论的序贯拍卖的顺序策略优化模型;其次,通过集成模糊模拟算法和多准则0-1遗传算法,用于求解该顺序策略优化模型;最后,算例分析比较了五种顺序策略以及优化策略,显示通过模型求解得到的最优策略能够以较低风险取得较高收益。     

辑毒乖怪谈

据可靠情报一例通过正规拍卖网站销售计算机病毒的案例。卖家声称：“本版本绝对方便实用！可以截取游戏账号和任何密码！”为了招揽顾客，卖家还编写成了一个简单明了的“木马病毒使用手册“。然而，专家提醒广大用户，不要贪圈便宜从网上购买病毒。2004年有人在网上买过本身带有后门的木马病毒，结果没等偷到别人的密码，自己的账号却先丢了。[编按]     

C2C信用评价体系的风险计算

目前,C2C电子商务网站纷纷建立了较合理的评价体系,但在交易中仍然存在风险问题。本文通过对C2C模式交易过程的分析,提出了一种根据历史交易的情况,综合考虑卖家的信用值、买家的信用等级以及商品价格等因素的信用风险计算方法。通过模拟实验表明,对目前网上购物的信用炒作起到了一定的防御作用,有助于交易者做出正确的交易决策,为电子商务网站提供了更有效的信用评价信息。     

基于软件人的在线多重拍卖研究

随着拍卖机构的增加,针对客户需要监视各个拍卖网站,选择一个拍卖参加,做出正确的投标,来保证他们能得到自己想要的东西.由于监视、选择、投标的过程既复杂又耗时,尤其是当各拍卖的开始和结束时间、协议都不相同时,问题更加复杂.提出了一种基于"软件人"的在线多莺拍卖选择策略,通过对各种不同拍卖环境的加权分析,使用遗传算法选出较优的拍卖队列及竞标策略.实验表明,策略能够有效提高竞标成功率.     

双边叫价拍卖中基于粒子群优化的策略学习模型

研究了1:1密封双边叫价拍卖中个体的学习行为,在模型中引入了买方和卖方两个群体,并且假设所有个体都是有限理性的,他们缺乏足够的分析计算能力,从而得不到理论的线性均衡报价策略,但是个体在重复的交易过程中将通过学习来调整自己的策略。相对于以前单一的个体学习方式或是基于遗传思想的模仿学习方式,采用的粒子群优化算法结合了个体与群体两种学习途径,有着更深刻、更合理的行为解释。最后仿真结果发现买卖双方的最终报价策略基本与理论的线性均衡水平一致。     

一种递增叫价的多属性拍卖方法

采用拍卖方法来进行资源分配是多Agent系统研究中的重要问题．基于广义的多属性拍卖模型，提出了一种递增叫价的多属性拍卖方法——MAE．对MAE中卖方和买方的策略和效用进行了分析，进而证明了MAE的一些重要性质．例如卖方和买方满足独立理性，且都有接近最优的策略，在这一组策略下买方和卖方的总效用接近最大．将MAE与已有的多属性拍卖方法进行了比较，结果表明MAE改进了Esther David的工作，并且说明MAE是一种可以取代MAV的递增叫价多属性拍卖方法．