CN112418931B - 一种基于多单位预算限制的采购激励方法 - Google Patents

Abstract

本发明提供了一种基于多单位预算限制的采购激励方法，首先，采集卖家或者众包平台中的工作者出价信息，所述报价信息包括工作者对单位物品的出价；然后设计分配函数；采用基于贪心分配算法的改进算法，根据卖家的出价和其可以提供的内容，由分配函数计算获得胜出方；所述改进算法包括确定性算法和随机性算法；随后进入支付步骤，基于胜出方集合，设计支付函数，决定支付价格；最后完成交割；卖家提供物品，买家支付金钱；当买家完成对待交割物品的验证后，完成物品交割，交易完成；本发明提供的采购激励方法，解决了众包服务中如果将众包任务定价过高，在财务限制下招募的工作者会相应减少，这将导致众包的预期效果降低的问题。

Description

一种基于多单位预算限制的采购激励方法

技术领域

本发明涉及数据采集拍卖技术领域，主要涉及一种基于多单位预算限制的采购激励方法。

背景技术

众包是Howe Jeff在2006年提出的一种商业模式，具体是指一个企业或组织通过互联网把过去由内部员工执行的工作，以自愿的形式外包给特定的大众，从而达到多边共赢。根据众包目标的不同，众包可分为Crowd Wisdom、Crowd Creation、Crowd Voting、Crowd Funding四种。

从任务分配是否需要支付费用进行分类，有的众包是免费协作式，比如Wikipedia；更多的众包是需要支付费用给工作者，具体可分为现金悬赏模式、招标模式、速配模式等。从任务类型进行分类，有的众包平台应用是面向普适任务的，比如AmazonMechanical Turk、时与中众包网、任务中国等；更多的众包平台应用是针对具体某类任务的，比如面向创意设计的猪八戒网，面向信息搜集的搜狗号码通、微差事、数据堂等，面向软件测试的腾讯众测、人人测、乌云众测等。随着互联网的高速发展，众包模式逐渐深入人们的生活，根据不同的应用场景可进一步细分为公民创造媒体模式、软件合作开发模式、产品设计模式、在线社会筹资模式、工作者报告模式、知识基础构建模式等。众包在不同应用场景得到成功应用的同时，围绕众包应用引发的新问题也引起了学术界的关注。激励机制设计是决定众包成功与否的关键因素之一。如果想要通过众包服务获得良好的结果，众包发起人需要采用适当的激励机制来吸引更多的工作者参与到众包活动中来。由于众包发起人会有其相应的财务成本约束，如果将众包任务定价过高，在财务限制下招募的工作者会相应减少，这将导致众包的预期效果降低。效率与工作者激励之间的权衡使得众包市场中的定价决策变问题得异常复杂，因此机制设计者需要设计新的同时考虑众包效率与工作者自私性的算法。

在预算限制下的数据采购众包系统中，有预算限制为B的众包发起人为买家，买家预期从卖家采购一批数据计算某些统计值。众包平台存在一群工作者为卖家N＝{1，...，n}。对于每一个工作者i，令c_i表示工作者i私密成本，在拍卖系统中所有的数据单位为Z。在本发明中，假设所有的单位数据为同质的。问题的求解目标为在卖家会谎报自己成本c_i时，如何在预算限制下采购相对多的收益的商品，收益函数u随着采购数量的上升单调上升。

发明内容

发明目的：本发明提供了一种基于多单位预算限制的采购激励方法，提出了一种基于效用率排序的贪心方法，又提出了额外保证机制如实性的分配函数。此场景下，机制优化了现有的多单位预算可行的算法机制设计。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于多单位预算限制的采购激励方法，包括以下步骤：

1、一种基于多单位预算限制的采购激励方法，其特征在于，包括以下步骤：

步骤S1、数据采集；采集卖家或者众包平台中的工作者出价信息，所述报价信息包括工作者对单位物品的出价；

步骤S2、设计分配函数；采用基于贪心分配算法的改进算法，根据卖家的出价和其可以提供的内容，由分配函数计算获得胜出方；所述改进算法包括确定性算法和随机性算法；

步骤S3、支付步骤，基于步骤S2获得的胜出方集合，设计支付函数，决定支付价格；

步骤S4、完成交割；基于步骤S2-S3，卖家提供物品，买家支付金钱；当买家完成对待交割物品的验证后，完成物品交割，交易完成。

所述步骤S2中设计了一种贪心选择算法，首先定义每个单位服务商品的收益，对于单位商品(i，j)，在给定单位服务集合D时，其边际效用的形式化定义如下：

u_D((i，j))＝u(D)-u(D∪(i，j))

其中u表示集合所产生的收益；单位服务的边际效用率是边际效用和单位成本的比值；按单位服务的边际效用率的降序，对所有Z个单位进行排序，当两个单位商品的边际效用率相同时，按照它们任意其他属性的字典序排列，具体排列方式如下：

采用来表示排序完毕的数列，贪心选择算法在给定预算下从序列/>中选择尽可能多的单位。

进一步地，所述步骤S2中，分别采用确定性算法和随机性算法以进行商品服务的最终选择，具体地，

在确定性算法中，记上述贪心算法选择的单位商品服务集合为W，确定性算法会比较(i^*，j^*)和W，其中(i^*，j^*)为字典序排列中排列第一的商品；当u((i^*，j^*))≥(u(W)/(1+R))时，选择(i^*，j^*)，否则选择W；其中Z代表所有商品服务的数量；

在随机性算法中，以1+lnZ/3+2lnZ的概率去选择最优单位数据(i^*，j^*)，以2+lnZ/3+2lnZ的概率选择W。

进一步地，所述步骤S3中支付步骤中，对于任意一个卖家i，支付函数首先删除卖家i的所有可提供的商品，后将其他单位商品按照边际效益率进行降序排列；对于索引为j的其他卖家，对于其在序列在支付函数排序排列在最前和最后的单位数据记为f_j和l_j，具体排列如下：

f₁＜l₁＜f₂＜l₂＜...＜f_i-1＜l_i-1＜f_i+1＜l_i+1＜...＜l_Z

在下面的区间搜索出支付价格

搜索出所有卖家i对于其单位服务的报价，替换区间中的单位；通过卖家i现在阶段的报价，单位服务(i，j)可被插入在区间(l_i-1，f_i+1]中；卖家想被插入到这之前时，需要报出更低的价格；

首选按照支付函数，逐个对排序好的商品进行支付；针对每个需要支付的商品，算法会在排序序列中，找到如果此商品i还保留在原来位置的最大报价h_i，然后在保证不超过总预算限制的情况下支付其h_i。

有益效果：本发明针对非隐私场景的传统拍卖机制，提出了一种基于效用率排序的贪心方法，又提出了额外保证机制如实性的分配函数。解决了众包服务中由于众包发起人会有其相应的财务成本约束，如果将众包任务定价过高，在财务限制下招募的工作者会相应减少，这将导致众包的预期效果降低的问题。所提出的确定性算法和和随机性算法相较于之前的随机采样算法，效果分别提升22％和30％。

附图说明

图1是本发明提供的采购激励方法流程图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示的一种基于多单位预算限制的采购激励方法，包括以下步骤：

1、一种基于多单位预算限制的采购激励方法，其特征在于，包括以下步骤：

步骤S1、数据采集；采集卖家或者众包平台中的工作者出价信息，所述报价信息包括工作者对单位物品的出价；

步骤S2、设计分配函数；采用基于贪心分配算法的改进算法，根据卖家的出价和其可以提供的内容，由分配函数计算获得胜出方；所述改进算法包括确定性算法和随机性算法。

具体地，首先定义每个单位服务商品的收益，对于单位商品(i，j)，在给定单位服务集合D时，其边际效用的形式化定义如下：

u_D((i，j))＝u(D)-u(D∪(i，j))

其中u表示集合所产生的收益；单位服务的边际效用率是边际效用和单位成本的比值；按单位服务的边际效用率的降序，对所有Z个单位进行排序，当两个单位商品的边际效用率相同时，按照它们任意其他属性的字典序排列，具体排列方式如下：

采用来表示排序完毕的数列，贪心选择算法在给定预算下从序列/>中选择尽可能多的单位。

分别采用确定性算法和随机性算法以进行商品服务的最终选择：

在确定性算法中，记上述贪心算法选择的单位商品服务集合为W，确定性算法会比较(i^*，j^*)和W，其中(i^*，j^*)为字典序排列中排列第一的商品；当u((i^*，j^*))≥(u(W)/(1+R))时，选择(i^*，j^*)，否则选择W；其中Z代表所有商品服务的数量；

在随机性算法中，以1+ln Z/3+2ln Z的概率去选择最优单位数据(i^*，j^*)，以2+lnZ/3+2ln Z的概率选择W。

步骤S3、支付步骤，基于步骤S2获得的胜出方集合，设计支付函数，决定支付价格。

具体地，对于任意一个卖家i，支付函数首先删除卖家i的所有可提供的商品，后将其他单位商品按照边际效益率进行降序排列；对于索引为j的其他卖家，对于其在序列在支付函数排序排列在最前和最后的单位数据记为f_j和l_j，具体排列如下：

f₁＜l₁＜f₂＜l₂＜...＜f_i-1＜l_i-1＜f_i+1＜l_i+1＜...＜l_Z

在下面的区间搜索出支付价格

搜索出所有卖家i对于其单位服务的报价，替换区间中的单位；通过卖家i现在阶段的报价，单位服务(i，j)可被插入在区间(l_i-1，f_i+1]中；卖家想被插入到这之前时，需要报出更低的价格。具体支付函数如下所示：

首选按照支付函数，逐个对排序好的商品进行支付；针对每个需要支付的商品，算法会在排序序列中，找到如果此商品i还保留在原来位置的最大报价h_i，然后在保证不超过总预算限制的情况下支付其h_i。

步骤S4、完成交割；基于步骤S2-S3，卖家提供物品，买家支付金钱；当买家完成对待交割物品的验证后，完成物品交割，交易完成。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于多单位预算限制的采购激励方法，其特征在于，包括以下步骤：

步骤S1、数据采集；采集卖家或者众包平台中的工作者出价信息，报价信息包括工作者对单位物品的出价；

步骤S2、设计分配函数；采用基于贪心分配算法的改进算法，根据卖家的出价和其可以提供的内容，由分配函数计算获得胜出方；所述改进算法包括确定性算法和随机性算法；

步骤S3、支付步骤，基于步骤S2获得的胜出方集合，设计支付函数，决定支付价格；

步骤S4、完成交割；基于步骤S2-S3，卖家提供物品，买家支付金钱；当买家完成对待交割物品的验证后，完成物品交割，交易完成；

所述步骤S2中设计了一种贪心选择算法，首先定义每个单位服务商品的收益，对于单位商品(i，j)，在给定单位服务集合D时，其边际效用的形式化定义如下：

up((i，j))＝u(D)-u(DU(i,j))；

其中u表示集合所产生的收益；单位服务的边际效用率是边际效用和单位成本的比值；按单位服务的边际效用率的降序，对所有Z个单位进行排序，当两个单位商品的边际效用率相同时，按照它们任意其他属性的字典序排列，具体排列方式如下：

采用来表示排序完毕的数列，贪心选择算法在给定预算下从序列/>中选择尽可能多的单位；

所述步骤S2中，分别采用确定性算法和随机性算法以进行商品服务的最终选择，具体地，

在确定性算法中，记上述贪心算法选择的单位商品服务集合为W，确定性算法会比较(i*，j*)和W，其中(i*，j*)为字典序排列中排列第一的商品；当u((i*，j*))≥(u(W)/(1+R))时，选择(i*，j*)，否则选择W；其中：Z代表所有商品服务的数量；

在随机性算法中，以1+ln Z/3+2ln Z的概率去选择最优单位数据(i*，j*)，以2+ln Z/3+2ln Z的概率选择W；

所述步骤S3中支付步骤中，对于任意一个卖家i，支付函数首先删除卖家i的所有可提供的商品，后将其他单位商品按照边际效益率进行降序排列；对于索引为j的其他卖家，对于其在序列在支付函数排序排列在最前和最后的单位数据记为f_j和l_j，具体排列如下：

f₁＜l₁＜f₂＜l₂＜...＜f_i-1＜l_i-1＜f_i+1＜l_i+1＜...＜l_z

在下面的区间搜索出支付价格

搜索出所有卖家i对于其单位服务的报价，替换区间中的单位；通过卖家i现在阶段的报价，单位服务(i，j)可被插入在区间(l_i-1，f_i+1]中；卖家想被插入到这之前时，需要报出更低的价格；

首选按照支付函数，逐个对排序好的商品进行支付；针对每个需要支付的商品，算法会在排序序列中，找到如果此商品i还保留在原来位置的最大报价h_i，然后在保证不超过总预算限制的情况下支付其h_i。