CN106204117A - 多任务环境下众包平台定价方法 - Google Patents
多任务环境下众包平台定价方法 Download PDFInfo
- Publication number
- CN106204117A CN106204117A CN201610509294.XA CN201610509294A CN106204117A CN 106204117 A CN106204117 A CN 106204117A CN 201610509294 A CN201610509294 A CN 201610509294A CN 106204117 A CN106204117 A CN 106204117A
- Authority
- CN
- China
- Prior art keywords
- mass
- rent
- task
- platform
- price
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多任务环境下众包平台定价方法,克服了现有技术中,众包平台收益仍须最大化的问题。该发明含有众包任务发布者制定任务发布策略、众包平台迭代更新其价格策略,包含步骤A、众包任务发布者通知各众包平台其任务需求,各众包平台分别初始化其价格策略;步骤B、t时刻,众包任务发布者根据众包平台的价格策略P(t)计算其任务发布策略X(t),使自身收益最大;步骤C、t+1时刻,各众包平台根据众包任务发布者的任务发布策略X(t)更新其价格策略为P(t+1);步骤D、重复步骤B、C,经迭代得到纳什均衡下各众包平台的最优价格策略。该发明中多个众包平台之间的价格竞争关系,通过建立博弈模型,求解其纳什均衡点下多个平台之间的最优价格策略。
Description
技术领域
该发明涉及一种众包平台优化定价方法,特别是涉及一种多任务环境下众包平台定价方法。
背景技术
众包是指一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式,外包给非特定的网络大众的做法。众包的一般流程主要包括三个部分:众包任务发布者、众包任务平台和参与者。当任务发布者需要完成一些众包任务时,他会把相应的任务需求发送给众包任务平台,接着众包任务平台根据实际需要招募参与者去完成众包任务并且根据一定的方案给参与者回报。之后参与者把完成的任务传回众包平台,众包平台最后把成果传给任务发布者。一个有多个任务的任务发布者可能会在不同的众包平台上发布任务,而这些平台可能会基于不同的任务需求收取不同的服务费用。并且面对众包任务发布者,多个平台之间存在竞争关系,而竞争主要体现为服务费用的定价,即平台的价格策略。
发明内容
本发明克服了现有技术中,众包平台收益仍须最大化的问题,提供保证各个众包平台收益最大化一种多任务环境下众包平台定价方法。
本发明的技术解决方案是,提供一种具有以下步骤的多任务环境下众包平台定价方法:含有众包任务发布者制定任务发布策略、众包平台迭代更新其价格策略,包含以下步骤:
步骤A、众包任务发布者通知各众包平台其任务需求,各众包平台分别初始化其价格策略;步骤B、在t时刻,众包任务发布者根据众包平台的价格策略P(t)计算其任务发布策略X(t),使自身收益最大;步骤C、在t+1时刻,各众包平台根据众包任务发布者的任务发布策略X(t)更新其价格策略为P(t+1);步骤D、重复步骤B,步骤C,经迭代得到纳什均衡下各众包平台的最优价格策略。
步骤A包括:步骤A1、众包任务发布者通知各众包平台其任务发布需求;步骤A2、各众包平台分别初始化其价格策略。
步骤B包括:步骤B1、在t时刻,众包任务发布者根据各众包平台的价格策略P(t),通过遗传算法计算出粗略的任务发布策略;步骤B2、在t时刻,基于B1得出的粗略任务发布策略,进一步通过牛顿法计算出精确的众包任务发布者的任务发布策略X(t)。
步骤C包括:步骤C1、在t+1时刻,各众包平台根据步骤B在t时刻得到众包任务发布者的任务发布策略X(t)计算其基于价格的边际收益;步骤C2、在t+1时刻,各众包平台通过价格分别迭代更新其价格策略P(t+1)。
步骤D包括:步骤D1、重复步骤B,步骤C,众包任务发布者根据更新后的众包平台的价格策略P(t+1), 重新调整任务发布策略为X(t+1),众包平台的价格策略随之更新;步骤D2、迭代计算I次停止,得到各个众包平台纳什均衡下的最优价格策略,即任一众包平台单方面的改变其价格策略都不能提升其收益。
所述价格策略制定的任务发布策略为:模型中有N个相互竞争的众包平台,其价格策略为P=(p1,p2,…,pj,…pN),Cj为众包平台j的容量;一个众包任务发布者共有有M个众包任务,众包任务发布策略为X=(x1,x2,…,xi,…xM),其中xi=(xi1,xi2,…,xij,…xiN),xij为第i个众包任务在第j个众包平台的发布数量;众包任务发布者的总收益函数为:
第i个众包任务的收益函数为:
其中,αi为第i个任务的收益系数;βj为第j个众包平台的任务完成质量系数,取值范围为(0,1)。
众包平台j收益为
所述各众包平台分别初始化其价格策略分为以下步骤:步骤1、众包任务发布者通知各众包平台其任务发布需求并初始化其收益函数;步骤2、各众包平台初始化其价格策略。
所述任务发布策略为模拟众包任务发布者在理性前提下做出任务发布策略的过程,在给定各众包平台价格策略的条件下,众包任务发布者求解最优任务发布策略,即求解如下优化问题:
为提高求解最优策略的收敛速度,本模块主要分遗传算法,牛顿法两步骤计算:步骤1、在t时刻,众包任务发布者根据众包平台的价格策略,通过遗传算法计算出粗略任务发布策略;步骤2、在t时刻,基于上一步得出的粗略任务发布策略,进一步通过牛顿法计算出精确地众包任务发布者任务发布策略X(t)。
所述众包平台迭代更新其价格策略:在获知任务发布策略信息后,众包平台即可完成其价格策略的更新,其主要步骤如下:
步骤1、各众包平台根据众包任务发布者的任务发布策略X(t),计算其t时刻基于价格的边际收益:
其中,ε为一个很小的变化量,例如ε=10-3;
步骤2、各众包平台分别更新其t+1时刻的价格策略:
其中vj>0表示其价格策略调整的步长。
所述众包平台的价格策略在采用迭代计算方法对众包平台价格不断更新,最终得到纳什均衡下的众包平台最优价格策略,其主要步骤如下:步骤1、重复步骤B中众包任务发布者的任务发布策略和步骤C中众包平台的价格策略,即,众包任务发布者根据更新后的众包平台价格策略P(t+1),重新调整任务发布策略为X(t+1),众包平台定价接着随之更新;步骤2、迭代I,得出纳什均衡下的各个众包平台最优价格策略,即任一众包平台单方面的改变其价格策略都不能提升其收益。
与现有技术相比,本发明多任务环境下众包平台定价方法具有以下优点:本发明所使用的方法,根据斯坦科尔伯格博弈模型通过迭代计算,遗传算法,牛顿法计算平台价格。与现有技术相比,首先本方法考虑了众包平台与众包任务发布者之间的关系以及多个众包平台之间的价格竞争关系,通过建立博弈模型,求解其纳什均衡点下多个平台之间的最优价格策略,而其他相关技术中则将众包任务发布者与众包平台作为一个整体考虑,但任务发布者和平台应该区别对待,因为它们是两个独立的经济实体。其次,本发明中,众包平台定价使用的迭代方法,平台仅需要获知一些局部信息,如上一时刻众包任务发布者发布策略、上一时刻平台价格策略,而不需要获知众包任务发布者的收益函数,收益系数等信息,并且这些信息在实际中也是无法得到的。
本发明假定若干个众包平台通过价格策略竞争一个众包任务发布者,吸引众包任务者使用其服务进而最大化收益。众包平台需要考虑与其他众包平台之间的竞争关系对于众包任务发布者发布策略的影响,本方法通过博弈模型以最大化各个众包平台收益为目标,平台通过预估众包任务发布者的策略而制定最优价格策略。
附图说明
图1是本发明多任务环境下众包平台定价方法的系统模型图;
图2是本发明多任务环境下众包平台定价方法的系统流程图;
图3是本发明多任务环境下众包平台定价方法中众包平台纳什均衡下的最优价格策略。
具体实施方式
下面结合附图和具体实施方式对本发明多任务环境下众包平台定价方法作进一步说明:
如图所示,本实施例中的方法是:一种基于斯坦科尔伯格博弈模型的多任务环境下众包平台定价方法,该方法通过迭代计算,遗传算法,牛顿法等方法,得出众包平台最优价格策略,使其收益最大化。
本方法基于斯坦科尔伯格博弈模型,其中各众包任务发布平台为领导者,众包任务发布者为跟随者, 即众包任务平台先通过制定价格策略以吸引众包任务发布者使用其服务,而后众包任务发布者再根据众包平台的价格策略制定其发布策略。
模型中有N个相互竞争的众包平台,其价格策略为P=(p1,p2,…,pj,…pN),Cj为众包平台j的容量。
一个众包任务发布者共有有M个众包任务,任务发布策略为X=(x1,x2,…,xi,…xM),其中xi=(xi1,xi2,…,xij,…xiN),xij为第i个众包任务在第j个平台的发布数量。
众包任务发布者的总收益函数为:
第i个众包任务的收益函数为:
其中,αi为第i个任务的收益系数;βj为第j个众包平台的任务完成质量系数,取值范围为(0,1)。
众包平台j收益为
一、模型初始化模块:
本模块初始模块,主要分为一下步骤:
步骤1、众包任务发布者通知各平台其任务发布需求并初始化其收益函数
步骤2、各众包平台初始化其价格策略
二、众包任务发布者制定任务发布策略:
此模块为模拟众包任务发布者在理性前提下做出任务发布策略的过程。在给定各平台价格策略的条件下,众包任务发布者求解最优发布策略,即求解如下优化问题:
为提高求解最优策略的收敛速度,本模块主要分遗传算法,牛顿法两步骤计算:
步骤1、在t时刻,众包任务发布者根据平台价格策略,通过遗传算法计算出粗略任务发布策略
步骤2、在t时刻,基于上一步得出的粗略发布策略,进一步通过牛顿法计算出精确地众包任务发布者的任务发布策略X(t)
三、众包平台计算价格策略:
本模块中,众包平台不需要获知众包任务发布者发布任务的具体的收益系数,收益函数等信息,并且这些信息在实际应用场景中也是基本无法获取到的。本方法仅需要获知众包任务发布者的部分信息,例如众包任务发布者的任务发布策略信息,众包平台即可完成价格策略的制定。其主要步骤如下:
步骤1、各众包平台根据众包任务发布者任务发布策略,计算其t时刻基于价格的边际收益:
其中,ε为一个很小的变化量,例如ε=10-3。
步骤2、各众包平台分别更新其t+1时刻的价格策略:
其中vj>0表示平台价格策略调整的步长。
四、迭代计算,得出平台最优价格策略
本发明中采用迭代计算方法对众包平台价格不断更新,最终得到纳什均衡下平台最优价格策略,其主要步骤如下:
步骤1、重复发布者发布策略的计算步骤和平台价格策略的计算步骤,即,众包任务发布者根据更新后的平台价格策略P(t+1),重新调整任务发布策略为X(t+1),平台定价接着随之更新。
步骤2、迭代I次,得出纳什均衡点下各个众包平台最优价格策略,即任一平台单方面的改变其价格策略都不能提升其收益。
具体实验过程:
本例中,通过MATLAB软件仿真整个定价方法。为方便计算和展示,设置场景为N=2个众包发布平台竞争一个有M=5个中午任务的众包任务发布者。并且设置两个众包平台容量C1=C2=50,数据质量系数分别为β1=0.6,β2=0.8。
本发明实施例中的基于斯坦科尔伯格博弈的众包平台定价系统包含以下步骤:
步骤一:初始化模块。具体实施过程如下:
众包任务发布者初始化其5个任务的收益函数:
其中,α服从[1,10]区间上的均匀分布。
各众包平台初始化其定价p1=p2=0.2,迭代步长为v1=v2=0.0003,迭代次数I=20。
步骤二:众包任务发布者制定任务发布策略,具体实施过程如下:
计算众包任务发布者的发布策略等价于求解以下最优化问题:
众包任务发布者利用遗传算法计算(式2.2)的粗略任务发布策略。遗传算法参数设置如下:群体大小取30,终止进化迭代次数取100,交叉概率取0.95,变异概率为0.06。
基于上一步的粗略任务发布策略,利用牛顿法计算出其t时刻精确的任务发布策略X(t)。
步骤三:众包平台迭代计算其最优价格策略,其具体步骤如下:
各众包平台根据(式1.5)计算出其t时刻边际收益
各众包平台根据(式1.6)更新其t+1时刻的价格策略pj(t+1)
步骤四:迭代计算,得到纳什均衡下的各众包平台的最优价格策略。
重复步骤二和步骤三,迭代计算I=20次;得到各众包平台纳什均衡下的最优价格策略。
以下给出仿真结果:图3为仿真环境中的众包平台定价过程,得到纳什均衡下平台最优价格策略,即 在该价格策略下任一平台单方面改变自身价格策略都不会提升自身收益。
Claims (10)
1.一种多任务环境下众包平台定价方法,其特征在于:含有众包任务发布者制定任务发布策略、众包平台迭代更新其价格策略,包含以下步骤:
步骤A、众包任务发布者通知各众包平台其任务需求,各众包平台分别初始化其价格策略;
步骤B、在t时刻,众包任务发布者根据众包平台的价格策略P(t)计算其任务发布策略X(t),使自身收益最大;
步骤C、在t+1时刻,各众包平台根据众包任务发布者的任务发布策略X(t)更新其价格策略为P(t+1);
步骤D、重复步骤B,步骤C,经迭代得到纳什均衡下各众包平台的最优价格策略。
2.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:步骤A包括:
步骤A1、众包任务发布者通知各众包平台其任务发布需求;
步骤A2、各众包平台分别初始化其价格策略。
3.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:步骤B包括:
步骤B1、在t时刻,众包任务发布者根据各众包平台的价格策略P(t),通过遗传算法计算出粗略的任务发布策略;
步骤B2、在t时刻,基于B1得出的粗略任务发布策略,进一步通过牛顿法计算出精确的众包任务发布者的任务发布策略X(t)。
4.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:步骤C包括:
步骤C1、在t+1时刻,各众包平台根据步骤B在t时刻得到众包任务发布者的任务发布策略X(t)计算其基于价格的边际收益;
步骤C2、在t+1时刻,各众包平台通过价格分别迭代更新其价格策略P(t+1)。
5.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:步骤D包括:
步骤D1、重复步骤B,步骤C,众包任务发布者根据更新后的众包平台的价格策略P(t+1),重新调整任务发布策略为X(t+1),众包平台的价格策略随之更新;
步骤D2、迭代计算I次停止,得到各个众包平台纳什均衡下的最优价格策略,即任一众包平台单方面的改变其价格策略都不能提升其收益。
6.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:所述价格策略制定的任务发布策略为:模型中有N个相互竞争的众包平台,其价格策略为P=(p1,p2,…,pj,…pN),Cj为众包平台j的容量;一个众包任务发布者共有有M个众包任务,众包任务发布策略为X=(x1,x2,…,xi,…xM),其中xi=(xi1,xi2,…,xij,…xiN),xij为第i个众包任务在第j个众包平台的发布数量;众包任务发布者的总收益函数为:
第i个众包任务的收益函数为:
其中,αi为第i个任务的收益系数;βj为第j个众包平台的任务完成质量系数,取值范围为(0,1)。众包平台j收益为
7.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:所述各众包平台分别初始化其价格策略分为以下步骤:
步骤1、众包任务发布者通知各众包平台其任务发布需求并初始化其收益函数;
步骤2、各众包平台初始化其价格策略。
8.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:所述任务发布策略为模拟众包任务发布者在理性前提下做出任务发布策略的过程,在给定各众包平台价格策略的条件下,众包任务发布者求解最优任务发布策略,即求解如下优化问题:
为提高求解最优策略的收敛速度,本模块主要分遗传算法,牛顿法两步骤计算:
步骤1、在t时刻,众包任务发布者根据众包平台的价格策略,通过遗传算法计算出粗略任务发布策略;
步骤2、在t时刻,基于上一步得出的粗略任务发布策略,进一步通过牛顿法计算出精确地众包任务发布者任务发布策略X(t)。
9.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:所述众包平台迭代更新其价格策略:在获知任务发布策略信息后,众包平台即可完成其价格策略的更新,其主要步骤如下:步骤1、各众包平台根据众包任务发布者的任务发布策略X(t),计算其t时刻基于价格的边际收益:
其中,ε为一个很小的变化量,例如ε=10-3;
步骤2、各众包平台分别更新其t+1时刻的价格策略:
其中vj>0表示其价格策略调整的步长。
10.根据权利要求1所述的多任务环境下众包平台定价方法,其特征在于:所述众包平台的价格策略在采用迭代计算方法对众包平台价格不断更新,最终得到纳什均衡下的众包平台最优价格策略,其主要步骤如下:
步骤1、重复步骤B中众包任务发布者的任务发布策略和步骤C中众包平台的价格策略,即,众包任务发布者根据更新后的众包平台价格策略P(t+1),重新调整任务发布策略为X(t+1),众包平台定价接着随之更新;
步骤2、迭代I,得出纳什均衡下的各个众包平台最优价格策略,即任一众包平台单方面的改变其价格策略都不能提升其收益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610509294.XA CN106204117A (zh) | 2016-06-30 | 2016-06-30 | 多任务环境下众包平台定价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610509294.XA CN106204117A (zh) | 2016-06-30 | 2016-06-30 | 多任务环境下众包平台定价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106204117A true CN106204117A (zh) | 2016-12-07 |
Family
ID=57463867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610509294.XA Pending CN106204117A (zh) | 2016-06-30 | 2016-06-30 | 多任务环境下众包平台定价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204117A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239689A (zh) * | 2017-05-11 | 2017-10-10 | 深圳市华傲数据技术有限公司 | 一种基于众包的验证信息的识别方法及系统 |
CN107301519A (zh) * | 2017-06-16 | 2017-10-27 | 佛山科学技术学院 | 一种众包快递系统中的任务重定价方法 |
CN108984479A (zh) * | 2017-06-02 | 2018-12-11 | 浙江师范大学 | 一种用于提高众包平台运行效率的新方法 |
CN109143159A (zh) * | 2018-07-16 | 2019-01-04 | 南京理工大学 | 基于联合定价和任务分配的指纹众包室内定位激励方法 |
CN109327494A (zh) * | 2018-02-26 | 2019-02-12 | 浙江理工大学 | 一种面向多任务合作应用的服务质量自适应激励方法 |
CN110533186A (zh) * | 2019-09-04 | 2019-12-03 | 武汉轻工大学 | 众包定价体系的评估方法、装置、设备及可读存储介质 |
CN111260161A (zh) * | 2018-11-30 | 2020-06-09 | 中移(杭州)信息技术有限公司 | 一种众包任务下发的方法及设备 |
CN111291973A (zh) * | 2020-01-17 | 2020-06-16 | 麦科思(苏州)数据科技有限公司 | 一种基于联盟的空间众包任务分配方法 |
CN113627765A (zh) * | 2021-08-01 | 2021-11-09 | 湖南大学 | 基于用户满意度的分布式空间众包任务分配方法和系统 |
-
2016
- 2016-06-30 CN CN201610509294.XA patent/CN106204117A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239689B (zh) * | 2017-05-11 | 2020-05-19 | 深圳市华傲数据技术有限公司 | 一种基于众包的验证信息的识别方法及系统 |
CN107239689A (zh) * | 2017-05-11 | 2017-10-10 | 深圳市华傲数据技术有限公司 | 一种基于众包的验证信息的识别方法及系统 |
CN108984479A (zh) * | 2017-06-02 | 2018-12-11 | 浙江师范大学 | 一种用于提高众包平台运行效率的新方法 |
CN108984479B (zh) * | 2017-06-02 | 2021-07-23 | 浙江师范大学 | 一种用于提高众包平台运行效率的方法 |
CN107301519A (zh) * | 2017-06-16 | 2017-10-27 | 佛山科学技术学院 | 一种众包快递系统中的任务重定价方法 |
CN109327494B (zh) * | 2018-02-26 | 2020-12-18 | 浙江理工大学 | 一种面向多任务合作应用的服务质量自适应激励方法 |
CN109327494A (zh) * | 2018-02-26 | 2019-02-12 | 浙江理工大学 | 一种面向多任务合作应用的服务质量自适应激励方法 |
CN109143159A (zh) * | 2018-07-16 | 2019-01-04 | 南京理工大学 | 基于联合定价和任务分配的指纹众包室内定位激励方法 |
CN111260161A (zh) * | 2018-11-30 | 2020-06-09 | 中移(杭州)信息技术有限公司 | 一种众包任务下发的方法及设备 |
CN111260161B (zh) * | 2018-11-30 | 2023-11-14 | 中移(杭州)信息技术有限公司 | 一种众包任务下发的方法及设备 |
CN110533186A (zh) * | 2019-09-04 | 2019-12-03 | 武汉轻工大学 | 众包定价体系的评估方法、装置、设备及可读存储介质 |
CN111291973A (zh) * | 2020-01-17 | 2020-06-16 | 麦科思(苏州)数据科技有限公司 | 一种基于联盟的空间众包任务分配方法 |
CN111291973B (zh) * | 2020-01-17 | 2023-09-29 | 麦科思(无锡)数据科技有限公司 | 一种基于联盟的空间众包任务分配方法 |
CN113627765A (zh) * | 2021-08-01 | 2021-11-09 | 湖南大学 | 基于用户满意度的分布式空间众包任务分配方法和系统 |
CN113627765B (zh) * | 2021-08-01 | 2024-01-05 | 湖南大学 | 基于用户满意度的分布式空间众包任务分配方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204117A (zh) | 多任务环境下众包平台定价方法 | |
Resnick | Adventures in stochastic processes | |
CN112631717B (zh) | 基于异步强化学习的网络服务功能链动态部署系统及方法 | |
CN102147727B (zh) | 一种新增软件项目的软件工作量预测方法 | |
CN102750427B (zh) | 基于多智能体活动模型的城市交通规划仿真方法及系统 | |
CN112580801B (zh) | 一种强化学习训练方法及基于强化学习的决策方法 | |
Mitridati et al. | Heat and electricity market coordination: A scalable complementarity approach | |
CN104851023A (zh) | 一种实时竞价在线反馈控制方法及系统 | |
CN106021366A (zh) | 一种基于异构信息的api标签推荐方法 | |
CN106453608A (zh) | 一种基于云端的移动应用的后台请求自适应调度算法 | |
Mahvi et al. | Optimal bidding strategy in a competitive electricity market based on agent-based approach and numerical sensitivity analysis | |
CN107341318A (zh) | 一种基于全河的月径流时间位移二维矩阵的模拟方法 | |
CN102645894B (zh) | 模糊自适应动态规划方法 | |
CN110059867A (zh) | 一种swlstm结合gpr的风速预测方法 | |
CN107292665A (zh) | 一种基于Stackelberg博弈模型的售电公司最优定价方法 | |
CN103106331A (zh) | 基于降维和增量式极限学习机的光刻线宽智能预测方法 | |
Roach | Reconciled boosted models for GEFCom2017 hierarchical probabilistic load forecasting | |
CN110413722B (zh) | 地址选择方法、装置以及非瞬时性存储介质 | |
CN103838964B (zh) | 一种基于人工交通系统的社交关系网络生成方法及装置 | |
CN106682934A (zh) | 一种购电竞价策略 | |
CN100420209C (zh) | 自动进行方案对比的可信网络仿真系统 | |
Chowdhury et al. | Estimation of reference evapotranspiration using artificial neural network for Mohanpur, Nadia District, West Bengal: a case study | |
Wannapan et al. | Sustainable international tourism demand in Thailand: The case of Chinese tourists | |
CN102760182B (zh) | 基于压缩感知技术的人口出行需求计算方法 | |
Waslander et al. | Lump-sum markets for air traffic flow control with competitive airlines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
RJ01 | Rejection of invention patent application after publication |