基于聚类分析的劳务众包平台任务定价模型

使用聚类分析与优化模型,对劳务众包平台上的任务定价进行分析,以此来提高平台的任务完成率,同时降低平台的定价成本.首先,对原有的定价方案及定价结果进行聚类分析,找到现有定价方案的缺点.然后,提出新的定价方案,引进任务打包的定价方式,构建双目标优化模型,给出新的定价模型.最后,利用新的方案进行仿真模拟,与原有方案进行对比,结果验证了所建模型的有效性.     

众包任务定价模型与人员匹配方式研究

以广东省为例,研究"拍照赚钱"的市场任务定价和运作规律.首先,通过Logistic回归分析确定任务未完成的原因.然后,通过建立和分析任务标价与5个因素的多元非线性回归模型和任务标价与完成率的双目标规划模型,得出新的定价方案.最后,用K-means聚类对任务进行打包处理,得出改进后的定价方案和该方案对完成情况的影响,并将3种定价方案进行比较,确定众包任务的最优定价方案.     

基于贪婪算法的众包平台定价规律的研究

针对"拍照赚钱"任务定价,利用数据可视化、K-means聚类等方法,分析定价规律和任务未完成的原因.对任务完成度低的区域,使用贪婪算法优化任务分配,并重新调整定价方案.最后,以广州市为例进行线性定价,验证了调整后定价方案的合理性.本文模型具有较好的可行性和有效性,能够为一般的定价机制提供参考.     

众包模式下任务的定价算法及打包发布方案

研究了众包模式下企业发布任务的定价方案和打包发布方式。对于单个任务的定价,首先通过K-means算法,按照地理位置对任务进行聚类;然后根据每个任务与聚类中心的距离,借助历史价格极差得到任务的新定价。对于任务的打包发布方式,根据任务和会员之间的距离及会员的任务完成能力、信誉度,给出任务打包方案。最后通过"拍照赚钱"这个具体实例实现了两种算法,验证了它们的可行性及有效性。     

基于动态配额的众包定价+指派模型研究

为提高众包模式下任务的完成率,同时降低发布者的成本,针对非标准形式的指派问题,提出动态配额任务定价+指派模型。利用cumcm官网给出的数据进行试验,进行与传统的固定配额方式的对比实验,实验结果显示任务完成率达到89.1%,提高26.6%,平均任务发布成本69元,降低了4元,证明动态配额方式更加高效。     

考虑服务定价的选择性众包配送优化

提出众包服务定价与选择性众包配送方案联合优化方法.根据众包服务价格与众包供给量关系，构建众包供给-价格函数，进而构建出优化众包服务价格、客户分配方案以及配送路径的混合整数非线性规划模型，并采用大M法将其处理成混合整数线性规划模型.依据问题领域知识设计局部搜索规则，并结合节约算法、禁忌搜索算法和模拟退火算法设计出求解大规模案例的自适应大邻域搜索算法.自适应大邻域搜索算法的性能优于GUROBI、最早配送规则以及节约算法；选择性众包配送服务模式在降低配送成本上优于无众包配送服务模式和全众包配送模式；众包配送服务模式适用于众包供给价格敏感度高、客户服务时间窗紧的场景；适当增加中转点或者拓宽客户服务时间窗可以降低配送成本.     

众包技术研究综述

针对众包系统质量控制方法设计需要提供理论依据的问题,通过分析当前典型的众包分层组织管理模式,建立了众包虚拟组织间任务协作的演化博弈模型. 基于该模型分析众包质量的演化稳定性,讨论众包任务参与者协作行为的动态特征,并给出制约众包质量演化稳定性的3个关键因素,即完成众包任务获取的经济利益、任务请求者的消费效用以及任务完成者参与众包带来的安全风险对实现众包质量最大化的作用机理.

     

众包国外研究现状

针对许多跨国公司和企业在将其生产经营活动全球化的同时,积极寻求外部资源以提高自身竞争力的情况,从众包的概念、基础要素和应用3个方面概述了国外企业众包的研究和应用现状,正确认识国外众包研究的动态,对于推动我国开放式创新研究的深入开展、服务企业创新战略具有一定的理论意义和现实意义。     

具有隐私保护的车联网空间众包任务分配方法

为了解决传统车联网空间众包中集中式空间众包服务器不可信和易遭受攻击给用户隐私带来极大威胁的问题,提出区块链架构下具有隐私保护的车联网空间众包任务分配方法. 基于区块链技术,设计分布式可信的车联网空间众包系统. 采用多密钥全同态加密算法实现任务分配,支持对不同车辆用户 (密钥) 的密文数据进行任务分配,降低隐私泄露的可能性. 实验分析表明,采用该方法能够有效地保护用户隐私信息,任务分配的计算时间开销与现有研究方法相比下降了34.3%,提高了任务分配的效率.     

基于信誉模型的众包质量控制算法

针对目前众包平台会产生大量恶意工人以及较少考虑激励工人多次提供可信服务的问题,提出一种基于信誉模型的众包质量控制算法——信誉期望最大化(reputation expectation maximum, Rep-EM)算法。根据可信因子和惩罚因子建立信誉模型;基于工人信誉值和对任务的熟悉度提出一种工人选择机制;将工人匹配度作为权重赋予相应的工人并使用多数投票方法进行初始值选取,解决期望最大化(expectation maximum, EM)算法对初始值敏感和收敛困难的问题,避免算法陷入局部最优,提高评估结果的准确率;利用公开的众包数据集Adult2和Duck对Rep-EM算法和本研究提出的机制进行验证。试验结果表明,Rep-EM算法在评估准确率和运行时间方面有很大的提升,也从任务完成率和平均数据质量验证了本研究提出的工人选择机制的有效性。     

基于契约理论的移动众包网络长期激励机制研究

针对移动众包网络中网络信息非对称的问题和移动众包任务参与者的自私性,提出一种基于契约的移动众包网络的长期激励机制。考虑到移动众包任务参与者的移动性和环境的动态特性,在建立软件服务商和移动用户模型基础上,研究两阶段动态契约激励模型。在移动用户满足激励相容和参与约束条件下,通过甄别移动用户完成移动众包任务的真实众包任务努力的能力,实现软件服务商期望效用最大化。实验结果表明,该机制能够有效提高移动众包网络的共享性能,为移动众包的发展提供新思路。     

基于蒙特卡洛树搜索的众包概率规划

概率规划问题描述的是一个马尔科夫决策过程,其中的动作具有并行性和不确定性,从而导致概率规划问题的状态空间产生组合爆炸。过大的状态空间会降低规划器的效率,同时也会提高求解的难度。基于蒙特卡洛树搜索的众包概率规划可以将规划任务动态分配给多个规划器,由多个规划器共同对规划问题进行求解;同时使用蒙特卡洛树搜索算法构建前瞻树,通过前瞻树评估不同规划器返回的动作的质量。实验结果表明,随着时间限制放宽,该方法所求得的解的质量呈上升趋势;即使在相同条件下,该方法在求解效率和标准差上都有优势。     

基于演化博弈的企业内部式众包模式激励策略研究

内部式众包可以在保护企业内部信息，维持企业竞争优势的基础上，更高效地汇集群体智慧，为企业带来群智创新.采取有效的措施促使企业与员工积极参与，是当前内部式众包面临的重要挑战.通过引入职业激励因素，探究企业与员工间的交互关系.构建演化博弈模型，分析博弈双方的稳定性策略与影响因素，并运用Matlab仿真分析不同参数变化对演化结果的影响.结果表明：演化结果受初始状态的影响，双方的初始状态越好，企业与员工的策略选择对激励参数的变化越敏感.提升职业激励正强化与负强化，降低评价成本与提升评价力度，降低员工的怠工效应，均可以有效提升企业与员工参与的积极性，使内部式众包进入良性循环.最后，为企业内部式众包管理提供了改进建议.     

群智感知中基于层次分析法的众包机制

针对节点移动性、社会性及复杂性给众包服务带来的挑战,研究了可信协作众包机制,提出基于层次分析法的服务节点发现和选择算法,定义服务质量因子、链路可靠性因子和区域热度因子等众包决策因子,实现基于分级激励的感知任务众包分配. 仿真实验进一步验证了所提方法的正确性和有效性.     

众包服务中基于公平性最大化的团队组建方法

众包服务已成为各个领域的主流服务计算范式。在众包服务中,如何选择合适的移动用户形成团队并用于众包服务是一个挑战性的问题。目前大多数研究都集中在使通信成本最小化的团队组建方法上,但在众包服务实际应用中,存在不基于沟通成本最小化的团队组建问题;因此,文章在社交网络框架下提出了基于公平性最大化的团队组建方法,给出了基于公平性最大化的团队组建方案和任务众包算法,并在实际社交网络中验证了基于公平性最大化的团队组建方案和任务众包算法。其结果表明,所提出的基于公平性最大化的团队组建方法是有效的,并在众包服务中具有实际应用价值。     

基于众包模式的两级开闭混合车辆路径优化

针对在需求井喷状态下的物流运力资源不足和物流企业自身与社会闲散资源利用率不高的问题,提出采用企业车辆完成一级配送,社会车辆完成二级配送的具有最优中转站的两级众包物流配送策略. 考虑客户对服务时间的要求,以路径成本与服务延迟惩罚成本总和最小为优化目标,建立带时间窗的两级开闭混合式车辆路径规划数学模型. 根据模型特点构建基于启发式策略的离散麻雀搜索算法,该算法在迭代过程中可以自适应选择操作算子. 通过与GUROBI精确求解器和遗传算法优化算例的结果对比,验证所提算法的有效性. 对比不同配送模式下的各项成本,结果表明所提策略能够有效降低物流运输成本和提高客户满意度.     

基于社会认知理论众包中接包方参与行为影响机理研究

基于社会认知理论,从环境和个人认知因素两个方面研究接包方参与众包行为的影响机理,构建了接包方参与行为影响机理研究模型,并通过调查问卷收集的数据,使用结构方程模型进行验证分析。结果表明,信任和互动对接包方参与行为有显著正向影响;信任对接包方的自我效能和结果预期有显著正向的影响;互动对接包方的自我效能有显著正向的影响。     

移动应用众包测试人员信誉度的模糊评估方法研究

移动应用众包测试因众包模式的匿名性和无监督性,使得移动应用测试人员容易对测试任务产生懈怠或有意欺骗行为,致使众包测试质量的下降。针对该问题,提出一种基于模糊数学的移动应用众包测试人员信誉度评估方法以衡量测试人员的信誉水平。此方法的特点在于紧密结合众包测试的特性,通过引入测试人员评价机制,构建信誉度评估模型并研究信誉度在众包测试过程中的计算与更新算法,以实现对众包测试人员信誉度的合理评估,有效选拔出高信誉测试人员,保证移动应用众包测试质量。