WO2022029897A1 - 最適化方法、最適化装置及びプログラム - Google Patents

最適化方法、最適化装置及びプログラム Download PDF

Info

Publication number
WO2022029897A1
WO2022029897A1 PCT/JP2020/029861 JP2020029861W WO2022029897A1 WO 2022029897 A1 WO2022029897 A1 WO 2022029897A1 JP 2020029861 W JP2020029861 W JP 2020029861W WO 2022029897 A1 WO2022029897 A1 WO 2022029897A1
Authority
WO
WIPO (PCT)
Prior art keywords
optimization
price
optimization problem
consent
function
Prior art date
Application number
PCT/JP2020/029861
Other languages
English (en)
French (fr)
Inventor
友也 引間
匡宏 幸島
康紀 赤木
健 倉島
浩之 戸田
Original Assignee
日本電信電話株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to US18/004,958 priority Critical patent/US20230237389A1/en
Priority to PCT/JP2020/029861 priority patent/WO2022029897A1/ja
Priority to JP2022541383A priority patent/JPWO2022029897A1/ja
Publication of WO2022029897A1 publication Critical patent/WO2022029897A1/ja

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Definitions

  • the present invention relates to an optimization method, an optimization device and a program.
  • crowdsourcing markets have been built due to the spread of information technology.
  • Examples of the crowdsourcing market include a platform for allocating a specific task to an unspecified number of workers via the Internet, a platform for matching a taxi driver located in space with an orderer, and the like.
  • a service provider that provides a service in a process such as (c) assigning a task or a worker to a target that has accepted the price.
  • Services provided in such a process include, for example, a matching service between a taxi driver and an orderer (requester), a crowdsourcing service in which tasks are assigned at once after collecting workers, and the like.
  • the service provider is a platform provider.
  • Non-Patent Document 1 and Non-Patent Document 2 As existing studies described in Non-Patent Document 1 and Non-Patent Document 2 as existing studies for determining the price of crowdsourcing under the same or similar problem setting as (a) to (c) above. In these existing studies, the optimum price is determined by formulating an optimization problem and then solving this optimization problem.
  • Non-Patent Document 1 and Non-Patent Document 2 satisfy the two requirements of (1) that the value of each matching can be grasped as a continuous value and (2) that supply and demand are matched. No. Therefore, it may cause a decrease in the profit of the service provider.
  • each worker and task can be matched.
  • the value of each matching was captured by 0 or 1 indicating whether or not matching is possible.
  • each worker has a task that he / she is good at, or that there is a worker that is compatible with each task, and matching is performed by continuous values indicating the goodness of these compatibility. It is thought that the quality of the tasks achieved and the satisfaction of the workers can be improved by grasping the value of.
  • the price is determined for each task without considering the situation of the worker corresponding to the task. This can lead to a mismatch between supply and demand for workers and tasks. For example, suppose there is a German translation task to translate Japanese materials into German and an English translation task to translate Japanese materials into English in the cloud sourcing market. Also, there are more English-speaking workers than German-speaking workers in the crowdsourcing market. At this time, if the price is set for these tasks without considering the number of workers, the German translation tasks may be gathered in excess of the task amount that the German speaker worker can achieve, or the English translation may be performed. The amount of tasks can be inadequate for English-speaking workers. On the contrary, by considering the balance between supply and demand, it is considered possible to set a price at which supply and demand match.
  • Non-Patent Document 1 and Non-Patent Document 2 propose approximate solution methods for the optimized optimization problems, the approximation rate of the solution is not guaranteed by a constant. For this reason, the accuracy of the solution may be impaired in certain situations, and the price may be set so as to impair the interests of the service provider.
  • One embodiment of the present invention has been made in view of the above points, and an object thereof is to determine an optimum price in consideration of matching value and supply and demand balance in the crowdsourcing market.
  • the optimization method includes a consent probability function indicating the probability that each participant participating in the crowdsourcing market will consent to the price, and the cloud for each participant.
  • Optimum to maximize the profit of the crowdsourcing market provider by using the input procedure for inputting the matching value indicating the value when each resource of the sourcing market is allocated, and the consent probability function and the matching value.
  • Optimization to calculate the optimum price by solving the first optimization problem according to the characteristics of the consent probability function and the formulation procedure for formulating the first optimization problem for determining the price. It is characterized by the procedure and the execution of the computer.
  • the number of participants in the crowdsourcing market is n, and there are m limited resources.
  • Each participant i has an acceptance probability S i (x) for the price x.
  • This consent probability S i (x) is a function representing the probability of accepting the price x when the price x is presented to the participant i, and the amount of demand is stochastically determined by this function.
  • the acceptance probability S i (x) is generally accepted as the price x is lower in a cloud sourcing platform in which workers and tasks are used as resources and participants, and a taxi dispatching platform in which taxi drivers and orderers are used as resources and participants, respectively.
  • this value w ij is a continuous value indicating the good compatibility between the participant i and the resource j, for example, the degree to which the worker j indicates how good the translation task i is, the current location of the taxi driver j, and the orderer. Examples include a value indicating how far the current location of i is.
  • a vector having the price pi ⁇ R presented to each participant i as the i -th element is expressed as p ⁇ R n as a price vector.
  • the service provider shall maximize the profit by solving the optimization problem shown in the following equation (1).
  • the price pi represents the amount collected from the participant i by the service provider (however, the amount paid to the participant i in the case of a negative value), and wij represents the value when the resource j is allocated to the participant i. Therefore, (pi + wij ) in the objective function of the optimization problem shown in the above equation (1) represents the profit when the resource j is allocated to the participant i .
  • the case where the price pi is negative corresponds to, for example, the case where the participant side is a worker and the service provider pays the wage to the worker side.
  • the first constraint is a constraint that allows resources to be allocated only to the participants who have consented
  • the second constraint is a constraint that allows only one resource to be allocated to each resource (a constraint that allows each resource to be allocated only one). That is, it is a constraint that prevents one resource from being allocated to a plurality of participants).
  • f (p, a) represents the optimum value of the optimization problem shown in the equation (1) under a and p, that is, the profit of the service provider. That is, the optimization problem shown in the above equation (2) finds p that maximizes the expected value (expected profit) of the profit f (p, a) when sampling a according to the probability Pr ( ⁇
  • the optimization problem shown in the above equation (2) includes the optimization problem formulated in the above non-patent document 2.
  • the approximate solution method proposed in the present embodiment branches to either procedure 1-2a, 1-2b, or 1-2c according to the characteristics of the acceptance probability Si .
  • the optimum solution p * obtained by solving the optimization problem shown in the above equation (4) is guaranteed to have an approximation degree of 3 with respect to the optimization problem shown in the above equation (2). It can be shown that it is an approximate solution. That is, it can be shown that the ratio of the optimum solution of the optimization problem shown in the above equation (4) to the optimum solution of the optimization problem shown in the above equation (2) is 3 or less.
  • the optimization problem shown in the above equation (4) is equivalent to the following optimization problem.
  • the optimization problem shown in this equation (5) is a minimum-convex secondary cost flow problem, it can be solved at high speed by the existing solution method.
  • the minimum-convex secondary cost flow problem can be illustrated as a flow diagram on the network.
  • Q i '(x) is a function (derivative) obtained by differentiating Q i (x) with respect to x.
  • the above assumption is a relatively weak assumption including that Qi is a cumulative distribution function of normal distribution, uniform distribution, exponential distribution, and the like.
  • Qi is a cumulative distribution function of normal distribution, uniform distribution, exponential distribution, and the like.
  • the first constraint condition of the optimization problem shown in the above equation (4) is that the equation always holds in a certain optimal solution p * .
  • the optimization problem shown in this equation (6) is a capacity-constrained minimum cost flow problem. At this time, it can be shown from the above assumption that the objective function of the optimization problem shown in the above equation (6) is a convex function. Therefore, since the optimization problem shown in this equation (6) is a minimum-cost flow problem, it can be solved at high speed by the existing solution method.
  • FIG. 4 is a diagram showing an example of the functional configuration of the price optimization device 10 according to the present embodiment.
  • the price optimization device 10 has an input unit 101, a formulation unit 102, an optimization unit 103, and an output unit 104.
  • the input unit 101 inputs various parameters (acceptance probability S i (x) and value w ij when the resource j is allocated to the participant i) given to the price optimization device 10.
  • the input unit 101 may input these various parameters from any input source.
  • the input unit 101 may input these various parameters by reading them from an auxiliary storage device or the like, or may input them by receiving them from another device or the like connected via a communication network or the like. However, it may be input by accepting an input operation by a user or the like.
  • the formulation unit 102 formulates the optimization problem shown in the above equation (2) using various parameters input by the input unit 101.
  • the optimization unit 103 calculates an approximate solution of the optimization problem shown in the equation (2) formulated by the formulation unit 102. At this time, the optimization unit 103 transforms the optimization problem shown in the equation (2) into the optimization problem shown in the equation (4), and then performs the procedure 1-2a according to the characteristics of the acceptance probability Si (x). An approximate solution is calculated by either 1-2b or 1-2c. As described above, the solution of the optimization problem shown in the equation (4) is an approximate solution in which the degree of approximation 3 is guaranteed with respect to the optimization problem shown in the equation (2).
  • the output unit 104 outputs an approximate solution calculated by the optimization unit 103 (that is, a price vector p having the price pi for each participant i as an element).
  • the output unit 104 may output an approximate solution to an arbitrary output destination.
  • the output unit 104 may output (save) the approximate solution to an auxiliary storage device or the like, output (transmit) to another device or the like connected via a communication network or the like, or display. It may be output (displayed) to a display device such as.
  • each functional unit is distributed and possessed by a plurality of devices.
  • the present invention is not limited to this, and each functional unit is distributed and possessed by a plurality of devices.
  • each functional unit is distributed and possessed by a plurality of devices.
  • FIG. 5 is a flowchart showing an example of the flow of the price optimization process according to the present embodiment.
  • the input unit 101 inputs various parameters given to the price optimization device 10 (that is, the acceptance probability S i (x) and the value w ij when the resource j is allocated to the participant i) (step S101). ).
  • the formulation unit 102 formulates the optimization problem shown in the above equation (2) using various parameters input in the above step S101 (step S102).
  • the optimization unit 103 calculates an approximate solution of the optimization problem shown in the equation (2) formulated in step S102 above (an approximate solution in which the degree of approximation 3 is guaranteed with respect to the optimal solution) (the approximate solution). Step S103). The details of the processing flow in step S103 will be described later.
  • the output unit 104 outputs the approximate solution calculated in step S103 (that is, the price vector p having the price pi for each participant i as an element) (step S104).
  • FIG. 6 is a flowchart showing an example of the flow of the solution calculation process of the optimization problem according to the present embodiment.
  • the optimization unit 103 transforms the optimization problem shown in the formula (2) formulated in step S102 into the optimization problem shown in the above formula (4) (step S201). That is, the optimization unit 103 transforms the optimization problem shown in the equation (2) into the optimization problem shown in the equation (4) by the above procedure 1-1.
  • the optimization unit 103 determines whether or not the consent probability S i (x) input in step S101 above is represented by a linear function with an upper and lower limit (step S202).
  • step S202 When it is determined in step S202 above that the acceptance probability S i (x) is represented by a linear function with upper and lower limits (YES in step S202), the optimization unit 103 solves the problem by the above procedure 1-2a. Calculate (step S203). That is, the optimization unit 103 transforms the optimization problem shown in the equation (4) into the optimization problem shown in the equation (5), and then shows it in the equation (5) by the existing solution method for the minimum convex secondary cost flow problem. Calculate the optimal solution for the optimization problem.
  • step S202 determines whether or not x) is bijective and 1-S i (x) is the Monotone hazard rate function (step S204).
  • step S204 When it is determined in step S204 above that the consent probability S i (x) is bijective and 1-S i (x) is the Monotone hazard rate function (YES in step S204), the optimization unit 103. Calculates the solution according to the above procedure 1-2b (step S205). That is, the optimization unit 103 transforms the optimization problem shown in the equation (4) into the optimization problem shown in the equation (6), and then uses the existing solution method for the minimum convex cost flow problem to perform the optimization shown in the equation (6). Calculate the optimal solution to the problem.
  • the optimization unit 103 calculates a solution according to the above procedure 1-2c (step S206). That is, the optimization unit 103 calculates the optimum solution or the approximate solution of the optimization problem shown in the equation (4) by a heuristic solution method such as Bayesian optimization or simulated annealing.
  • the price optimization device 10 is optimized for the crowdsourcing market in which the services are provided by the processes (a) to (c) above, in consideration of the matching value and the balance between supply and demand. After formulating the optimization problem, it is possible to calculate and determine the optimum price by solving this optimization problem. Moreover, the price finally obtained (that is, the solution calculated in steps S203, S205, and S206 above) is the optimum solution of the optimization problem formulated in consideration of the matching value and the balance between supply and demand. The degree of approximation 3 is guaranteed. As a result, for example, in the crowdsourcing market, it becomes possible to stably determine the price in consideration of the compatibility of each task and each worker and the balance between supply and demand.
  • FIG. 7 is a diagram showing an example of the hardware configuration of the price optimization device 10 according to the present embodiment.
  • the price optimization device 10 is realized by a general computer or a computer system, and includes an input device 201, a display device 202, an external I / F 203, and a communication I / F 204. , The processor 205 and the memory device 206. Each of these hardware is connected so as to be communicable via the bus 207.
  • the input device 201 is, for example, a keyboard, a mouse, a touch panel, or the like.
  • the display device 202 is, for example, a display or the like.
  • the price optimization device 10 does not have to have at least one of the input device 201 and the display device 202.
  • the external I / F 203 is an interface with an external device such as a recording medium 203a.
  • the price optimization device 10 can read or write the recording medium 203a via the external I / F 203. Even if the recording medium 203a stores, for example, one or more programs that realize each functional unit (input unit 101, formulation unit 102, optimization unit 103, and output unit 104) of the price optimization device 10. good.
  • the recording medium 203a includes, for example, a CD (Compact Disc), a DVD (Digital Versatile Disk), an SD memory card (Secure Digital memory card), a USB (Universal Serial Bus) memory card, and the like.
  • the communication I / F 204 is an interface for connecting the price optimization device 10 to the communication network. It should be noted that one or more programs that realize each functional unit of the price optimization device 10 may be acquired (downloaded) from a predetermined server device or the like via the communication I / F 204.
  • the processor 205 is, for example, various arithmetic units such as a CPU (Central Processing Unit) and a GPU (Graphics Processing Unit). Each functional unit included in the price optimization device 10 is realized, for example, by a process in which one or more programs stored in the memory device 206 are executed by the processor 205.
  • a CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • the memory device 206 is, for example, various storage devices such as HDD (Hard Disk Drive), SSD (Solid State Drive), RAM (Random Access Memory), ROM (Read Only Memory), and flash memory.
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • RAM Random Access Memory
  • ROM Read Only Memory
  • the price optimization device 10 can realize the above-mentioned price optimization process by having the hardware configuration shown in FIG. 7.
  • the hardware configuration shown in FIG. 7 is an example, and the price optimization device 10 may have another hardware configuration.
  • the price optimization device 10 may have a plurality of processors 205 or a plurality of memory devices 206.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一実施形態に係る最適化方法は、クラウドソーシング市場に参加する各参加者が価格に対して承諾する確率を示す承諾確率関数と、前記各参加者に対して前記クラウドソーシング市場の各資源を割り当てた場合の価値を示すマッチング価値とを入力する入力手順と、前記承諾確率関数と前記マッチング価値とを用いて、前記クラウドソーシング市場の提供者の利益を最大化する最適価格を決定するための第１の最適化問題を定式化する定式化手順と、前記承諾確率関数の特徴に応じて前記第１の最適化問題を解くことで、前記最適価格を算出する最適化手順と、をコンピュータが実行することを特徴とする。

Description

最適化方法、最適化装置及びプログラム
　本発明は、最適化方法、最適化装置及びプログラムに関する。
　近年、情報技術の普及により、様々なクラウドソーシング市場が構築されている。クラウドソーシング市場の例としては、インターネットを介して不特定多数のワーカに特定のタスクを割り振るためのプラットフォーム、空間上に位置するタクシードライバーと注文者のマッチングを行うためのプラットフォーム等がある。
　クラウドソーシング市場には様々なプロセスでサービスを提供するものが存在するが、その１つとして、（ａ）一定量のタスク又はワーカが存在する状況で、（ｂ）それに対応するワーカ又はタスクの価格をサービス提供者が決定し、（ｃ）価格を受け入れた対象にタスク又はワーカを割り当てる、といったプロセスでサービスを提供するものが存在する。このようなプロセスで提供されるサービスとしては、例えば、タクシードライバーと注文者（リクエスタ）のマッチングサービス、ワーカを集めた後に一度にタスクを振り分ける形式のクラウドソーシングサービス等がある。なお、サービス提供者とはプラットフォームの提供者のことである。
　ところで、クラウドソーシング市場の参加者に対して課す報酬や料金の決定に関する研究が従来から行われている。例えば、上記の（ａ）～（ｃ）と同様又は似た問題設定の下でクラウドソーシングの価格を決定する既存研究として非特許文献１や非特許文献２に記載されているものがある。これらの既存研究では、最適化問題に定式化した上で、この最適化問題を解くことで最適な価格を決定している。
Haipeng Chen, Yan Jiao, Zhiwei Qin, Xiaocheng Tang, Hao Li, Bo An, Hongtu Zhu, and Jieping Ye. Inbede: Integrating contextual bandit with td learning for joint pricing and dispatch of ride-hailing platforms. In ICDM, pp. 61-70, 2019. Yongxin Tong, Libin Wang, Zimu Zhou, Lei Chen, Bowen Du, and Jieping Ye. Dynamic pricing in spatial crowdsourcing: A matching-based approach. In SIGMOD, pp. 773-788, 2018.
　しかしながら、上記の非特許文献１や非特許文献２では、（１）各マッチングの価値を連続値で捉えることができることと、（２）需要と供給を一致させること、の２つの要件を満たしていない。このため、サービス提供者の利益の低下を引き起こしてしまう場合がある。
　例えば、上記の非特許文献２では各ワーカとタスクについて、それぞれをマッチングさせることが可能かどうかのみを考慮している。言い換えれば、各マッチングの価値を、マッチング可能か否かを示す０又は１で捉えていた。しかしながら、実際には、各ワーカには得意なタスクが存在していたり、各タスクにとって相性の良いワーカが存在していたりすることが知られており、これらの相性の良さを表す連続値でマッチングの価値を捉えることで、達成したタスクの品質やワーカの満足度を向上させることができると考えられる。
　また、例えば、上記の非特許文献１では各タスクに対して、当該タスクに対応するワーカの状況を考慮せずに価格を決定している。このため、ワーカとタスクの需要と供給の不一致を招いてしまう場合ある。例えば、クラウドソーシング市場で日本語の資料をドイツ語に翻訳するドイツ語翻訳タスクと日本語の資料を英語に翻訳する英語翻訳タスクとがあったとする。また、クラウドソーシング市場にはドイツ語話者のワーカよりも英語話者のワーカの方が多いとする。このとき、これらのタスクに対してワーカの数を考慮せずに価格を設定しまうと、ドイツ語翻訳タスクがドイツ語話者のワーカが達成できるタスク量を超過して集まってしまったり、英語翻訳タスクの量が英語話者のワーカに対して不十分となってしまったりする可能性がある。逆に、これらの需要と供給のバランスを考慮することで、需要と供給が一致する価格を設定することができると考えられる。
　更に、上記の非特許文献１や非特許文献２ではそれぞれ定式化した最適化問題に対する近似解法が提案されているが、解の近似率が定数で保証されていない。このため、特定の状況において解の精度が損なわれ、サービス提供者の利益が損なわれるような価格設定が行われる可能性がある。
　本発明の一実施形態は、上記の点に鑑みてなされたもので、クラウドソーシング市場におけるマッチング価値と需給バランスを考慮した最適な価格を決定することを目的とする。
　上記目的を達成するため、一実施形態に係る最適化方法は、クラウドソーシング市場に参加する各参加者が価格に対して承諾する確率を示す承諾確率関数と、前記各参加者に対して前記クラウドソーシング市場の各資源を割り当てた場合の価値を示すマッチング価値とを入力する入力手順と、前記承諾確率関数と前記マッチング価値とを用いて、前記クラウドソーシング市場の提供者の利益を最大化する最適価格を決定するための第１の最適化問題を定式化する定式化手順と、前記承諾確率関数の特徴に応じて前記第１の最適化問題を解くことで、前記最適価格を算出する最適化手順と、をコンピュータが実行することを特徴とする。
　クラウドソーシング市場におけるマッチング価値と需給バランスを考慮した最適な価格を決定することができる。
参加者に資源を割り当てる際の価値の一例を示す図である。 最小凸二次費用流問題の一例を示す図である。 最小凸費用流問題の一例を示す図である。 本実施形態に係る価格最適化装置の機能構成の一例を示す図である。 本実施形態に係る価格最適化処理の流れの一例を示すフローチャートである。 本実施形態に係る最適化問題の解算出処理の流れの一例を示すフローチャートである。 本実施形態に係る価格最適化装置のハードウェア構成の一例を示す図である。
　以下、本発明の一実施形態について説明する。本実施形態では、（ａ）一定量のタスク又はワーカが存在する状況で、（ｂ）それに対応するワーカ又はタスクの価格をサービス提供者が決定し、（ｃ）価格を受け入れた対象にタスク又はワーカを割り当てる、といったプロセスでサービスを提供するクラウドソーシング市場を想定し、このクラウドソーシング市場におけるマッチング価値と需給バランスを考慮した最適な価格を算出することが可能な価格最適化装置１０について説明する。
　＜本実施形態の理論的構成＞
　本実施形態に係る価格最適化装置１０によってマッチング価値と需給バランスを考慮した最適な価格を算出する際の理論的な構成について説明する。
　　≪サービス提供者の利益最大化問題の定式化≫
　本実施形態で想定するクラウドソーシング市場には２つのサイドが存在しているものとする。一方のサイドには限られた一定量の資源が存在しており、もう一方のサイドの参加者が価格に応じて参加するという状況を考える。例えば、一定量のワーカ（資源）が市場に存在する状況において、翻訳タスク（参加者）が設定された料金に応じて現れるようなクラウドソーシングプラットフォームや、街中で一定量のタクシードライバー（資源）が働いている中、各タクシードライバーに設定された料金に応じて注文者（参加者）が現れるといったタクシー配車プラットフォーム等が、上記の状況に該当するクラウドソーシング市場にあたる。
　本実施形態では、クラウドソーシング市場の参加者をｎ人とし、限りある資源がｍ個存在するものとする。このとき、ｉ＝１，２，・・・，ｎが各参加者のインデックスを表し、ｊ＝１，２，・・・，ｍが各資源のインデックスを表すものとする。各参加者ｉは価格ｘに対する承諾確率Ｓｉ（ｘ）を持つ。この承諾確率Ｓｉ（ｘ）は参加者ｉに対して価格ｘが提示された際にその価格ｘを承諾する確率を表す関数であり、この関数によって需要の量が確率的に決定される。承諾確率Ｓｉ（ｘ）は、例えば、ワーカ及びタスクをそれぞれ資源及び参加者としたクラウドソーシングプラットフォームやタクシードライバー及び注文者をそれぞれ資源及び参加者としたタクシー配車プラットフォームでは一般に価格ｘが低いほど承諾確率が高く、価格ｘが高いほど承諾確率が低くなる。
　また、参加者ｉに資源ｊを割り当てることには正又は負の価値（つまり、マッチング価値）が存在しており、それをｗｉｊ∈Ｒ（ただし、Ｒは実数全体の集合）で表す。なお、この価値ｗｉｊは参加者ｉと資源ｊの相性の良さ等を表す連続値であり、例えば、ワーカｊが翻訳タスクｉをどの程度得意かを表す度合い、タクシードライバーｊの現在地と注文者ｉの現在地がどの程度離れているかを示す値等が挙げられる。一例として、ｎ＝２，ｍ＝３の場合において、参加者ｉに資源ｊを割り当てる際の価値ｗｉｊを図１に示す。図１に示すように、各参加者ｉに各資源ｊを割り当てる際の価値ｗｉｊがそれぞれ存在する。
　また、各参加者ｉに提示された価格ｐｉ∈Ｒをｉ番目の要素として持つベクトルを価格ベクトルとして、ｐ∈Ｒｎと表す。このとき、サービス提供者は以下の式（１）に示す最適化問題を解くことで利益の最大化を行うものとする。
Figure JPOXMLDOC01-appb-M000001
 　ここで、ａ∈｛０，１｝ｎは各参加者の承諾可否を表すベクトルであるものとし、ｉ番目の要素をａｉとする。ａｉ＝１であれば参加者ｉは価格ｐｉを承諾していることを表し、ａｉ＝０であれば許否していることを表す。また、ｚｉｊは参加者ｉに資源ｊを割り当てるかどうかを表しており、ｚｉｊ＝１であれば割り当てを行い、ｚｉｊ＝０であれば割り当てを行わないことを表す。
　価格ｐｉはサービス提供者が参加者ｉから徴収する金額（ただし、負の場合は参加者ｉに支払う金額）を表し、ｗｉｊは参加者ｉに資源ｊを割り当てたときの価値を表しているため、上記の式（１）に示す最適化問題の目的関数における（ｐｉ＋ｗｉｊ）は参加者ｉに資源ｊを割り当てたときの利益を表す。なお、価格ｐｉが負の場合とは、例えば、参加者側がワーカであり、サービス提供者からワーカ側に賃金が支払われる場合等に相当する。
　また、１つ目の制約条件は承諾した参加者にのみ資源を割り当てることができるようにする制約であり、２つ目の制約条件は各資源が１つまでしか割り当てられないようにする制約（つまり、１つの資源を複数の参加者に割り当てることができないようにする制約）である。
　このとき、本実施形態では、以下の式（２）に示す最適化問題を解くことを考える。
Figure JPOXMLDOC01-appb-M000002
 　ここで、
Figure JPOXMLDOC01-appb-M000003
 である。
　また、ｆ（ｐ，ａ）はａ及びｐの下での式（１）に示す最適化問題の最適値、すなわちサービス提供者の利益を表す。つまり、上記の式（２）に示す最適化問題は、確率Ｐｒ（・｜ｐ）に従ってａをサンプリングする際の利益ｆ（ｐ，ａ）の期待値（期待利益）を最大化するｐを求める問題である。なお、上記の式（２）に示す最適化問題は、上記の非特許文献２で定式化されている最適化問題を内包している。
　　≪式（２）に示す最適化問題の解法≫
　上記の式（２）に示す最適化問題を解くことで、最適な価格を算出及び決定することが可能となる。この式（２）に示す最適化問題の最適な解や近似解を導出できれば、どのような最適化手法を用いてもよい。例えば、遺伝的アルゴリズムやベイズ最適化等によって解を求めてもよいし、今後、新たに提案されたアルゴリズム等を用いてもよい。
　しかしながら、上記の式（２）に示す最適化問題を高速に解くことができる従来手法が現状は存在しないため、以下に近似解法を提案する。なお、上記の式（２）に示す最適化問題は、上記の非特許文献２で定式化されている最適化問題を内包しているため、以下で提案する近似解法は、この非特許文献２で定式化されている最適化問題にも適用することが可能である。
　本実施形態で提案する近似解法は共通の手続き１－１を終えた後、承諾確率Ｓｉの特徴に応じて手続き１－２ａ、１－２ｂ又は１－２ｃのいずれかに分岐する。
　・手続き１－１：目的関数Ｅａ～Ｐｒ（・｜ｐ）［ｆ（ｐ，ａ）］の近似
　上記の式（２）に示す最適化問題の目的関数Ｅａ～Ｐｒ（・｜ｐ）［ｆ（ｐ，ａ）］の近似値を得るために、以下の式（３）に示す最適化問題を考える。
Figure JPOXMLDOC01-appb-M000004
 　この式（３）に示す最適化問題の特定のｐに関する最適値を
Figure JPOXMLDOC01-appb-M000005
 とすると、いかなるｐについても
Figure JPOXMLDOC01-appb-M000006
 が成り立つ。なお、以降、明細書のテキスト中では、上記の式（３）に示す最適化問題の特定のｐに関する最適値を「＾ｆ（ｐ）」と表記する。
　Ｅａ～Ｐｒ（・｜ｐ）［ｆ（ｐ，ａ）］として＾ｆ（ｐ）を用いた場合、上記の式（２）に示す最適化問題は、以下の式（４）のようになる。
Figure JPOXMLDOC01-appb-M000007
 　いかなるｐについても
Figure JPOXMLDOC01-appb-M000008
 が成り立つことにより、上記の式（４）に示す最適化問題を解くことで得られた最適解ｐ＊は、上記の式（２）に示す最適化問題に対して近似度３が保証された近似解であることが示せる。つまり、上記の式（４）に示す最適化問題の最適解と、上記の式（２）に示す最適化問題の最適解との比が３以下であることが示せる。
　したがって、以降では、承諾確率Ｓｉの特徴に応じて上記の式（４）に示す最適化問題を高速に解き、近似解を得ることを考える。
　・手続き１－２ａ：承諾確率Ｓｉが上下限付きの線形関数で表される場合の式（４）に示す最適化問題の解法
　承諾確率Ｓｉ（ｘ）が或るＬｉ，ｃｉ，ｄｉ，ｐｉ ｋ，ｐｉ ｕを用いて、
Figure JPOXMLDOC01-appb-M000009
 と表現できる連続関数であるものとする。ただし、ｃｉは正である。また、ｐｉ ｋをｉ番目の要素に持つベクトルをｐｋとし、ｐｉ ｕをｉ番目の要素に持つベクトルをｐｕとする。
　このとき、上記の式（４）に示す最適化問題の最適解の中で、ｐｋ≦ｐ＊≦ｐｕを満たした上で、全てのｉに関して１つ目の制約条件（つまり、ｉ＝１，２，・・・，ｎに対して、全てのｊに関するｚｉｊの和はＳｉ（ｐｉ）以下であるという制約条件）で等号を成り立たせる最適解ｐ＊が存在することが示せる。よって、上記の式（４）に示す最適化問題は以下の最適化問題と等価である。
Figure JPOXMLDOC01-appb-M000010
 　ここでは、上記の式（４）に示す最適化問題の１つ目の制約条件の等式を代入することで目的関数からｐを消去している。
　このとき、新たな添え字ｓ，ｔを用意する。全てのｉについて、ｚｓｉ：＝Σｊｚｉｊとし、全てのｊについて、ｚｊｔ：＝Σｉｚｉｊとする。また、ｚｓｔをスラック変数として用意すると、上記の最適化問題は以下の式（５）のように書き直すことができる。
Figure JPOXMLDOC01-appb-M000011
 　この式（５）に示す最適化問題の最適解ｚ＊について、
Figure JPOXMLDOC01-appb-M000012
 とすると、（ｐ＊，ｚ＊）は上記の式（４）に示す最適化問題の最適解となることが示せるため、上記の式（５）に示す最適化問題を解くことで解を求めることができる。
　この式（５）に示す最適化問題は最小凸二次費用流問題となるため、既存解法により高速に解くことが可能である。なお、最小凸二次費用流問題はネットワーク上のフロー図として図示可能であり、一例として、ｎ＝２，ｍ＝３の場合に上記の式（５）に示す最小凸二次費用流問題を図示したものを図２に示す。
　・手続き１－２ｂ：承諾確率Ｓｉが全単射で、１－ＳｉがMonotone hazard rate functionである場合の式（４）に示す最適化問題の解法
　確率Ｑｉ（ｘ）：＝１－Ｓｉ（ｘ）について以下の仮定が成り立つとき、Ｑｉ（ｘ）はｘに関するMonotone hazard rate functionであるという。
　仮定：
Figure JPOXMLDOC01-appb-M000013
 がｘに関して単調非増加である。なお、Ｑｉ'（ｘ）はｘに関してＱｉ（ｘ）を微分した関数（導関数）である。
　上記の仮定は、Ｑｉが正規分布、一様分布、指数分布の累積分布関数等であることも含む比較的弱い仮定である。ここでは、承諾確率Ｓｉ（ｘ）が全単射で、１－Ｓｉ（ｘ）がMonotone hazard rate functionである場合を考える。
　まず、上記の式（４）に示す最適化問題の１つ目の制約条件は或る最適解ｐ＊において必ず等式が成り立つため、
Figure JPOXMLDOC01-appb-M000014
 とした以下の最適化問題を考える。
Figure JPOXMLDOC01-appb-M000015
 　ここで、Ｘは関数Ｓｉ －１の定義域である。この最適化問題の最適解ｚ＊について、
Figure JPOXMLDOC01-appb-M000016
 としたとき、（ｐ＊，ｚ＊）が上記の式（４）に示す最適化問題の最適解となる。
　このとき、新たな添え字ｓ，ｔを用意する。全てのｉについて、ｚｓｉ：＝Σｊｚｉｊとし、全てのｊについて、ｚｊｔ：＝Σｉｚｉｊとする。また、ｚｓｔをスラック変数として用意すると、上記の最適化問題は以下の式（６）のように書き直すことができる。
Figure JPOXMLDOC01-appb-M000017
 　この式（６）に示す最適化問題は容量制約付きの最小費用流問題である。このとき、上記の仮定により、上記の式（６）に示す最適化問題の目的関数は凸関数となることが示せる。よって、この式（６）に示す最適化問題は最小凸費用流問題となるため、既存解法により高速に解くことが可能である。なお、最小凸費用流問題はネットワーク上のフロー図として図示可能であり、一例として、ｎ＝２，ｍ＝３の場合に上記の式（６）に示す最小凸費用流問題を図示したものを図３に示す。
　・手続き１－２ｃ：承諾確率Ｓｉがそれ以外の場合の式（４）に示す最適化問題の解法
　承諾確率Ｓｉが上記の１－２ａ及び１－２ｂの条件に当てはまらない一般的な関数である場合、上記の式（４）に示す最適化問題は非凸な最適化問題となる。よって、ベイズ最適化やシミュレーテッドアニーリング等のヒューリスティック解法を用いることで、上記の式（４）に示す最適化問題の最適解又は近似解を求めることができる。
　なお、本実施形態では、上記の（ａ）～（ｃ）のプロセスでサービスを提供するクラウドソーシング市場において参加者に対する最適な価格を算出する場合について説明するが、これに限られず、上記の式（２）に示す最適化問題に帰着できる任意の問題に対して適用することが可能である。
　＜価格最適化装置１０の機能構成＞
　次に、本実施形態に係る価格最適化装置１０の機能構成について、図４を参照しながら説明する。図４は、本実施形態に係る価格最適化装置１０の機能構成の一例を示す図である。
　図４に示すように、本実施形態に係る価格最適化装置１０は、入力部１０１と、定式化部１０２と、最適化部１０３と、出力部１０４とを有する。
　入力部１０１は、価格最適化装置１０に与えられた各種パラメータ（承諾確率Ｓｉ（ｘ）と参加者ｉに資源ｊを割り当てたときの価値ｗｉｊ）を入力する。なお、入力部１０１は、これらの各種パラメータを任意の入力元から入力すればよい。例えば、入力部１０１は、これらの各種パラメータを補助記憶装置等から読み出すことで入力してもよいし、通信ネットワーク等を介して接続された他の装置等から受信することで入力してもよいし、ユーザ等の入力操作を受け付けることで入力してもよい。
　定式化部１０２は、入力部１０１によって入力された各種パラメータを用いて、上記の式（２）に示す最適化問題を定式化する。
　最適化部１０３は、定式化部１０２によって定式化された式（２）に示す最適化問題の近似解を算出する。このとき、最適化部１０３は、式（２）に示す最適化問題を式（４）に示す最適化問題に変形した上で、承諾確率Ｓｉ（ｘ）の特徴に応じて手続き１－２ａ、１－２ｂ又は１－２ｃのいずれかにより近似解を算出する。なお、上述したように、式（４）に示す最適化問題の解は、式（２）に示す最適化問題に対して近似度３が保証された近似解となる。
　出力部１０４は、最適化部１０３によって算出された近似解（つまり、各参加者ｉに対する価格ｐｉを要素とする価格ベクトルｐ）を出力する。なお、出力部１０４は、任意の出力先に近似解を出力すればよい。例えば、出力部１０４は、近似解を補助記憶装置等に出力（保存）してもよいし、通信ネットワーク等を介して接続される他の装置等に出力（送信）してもよいし、ディスプレイ等の表示装置に出力（表示）してもよい。
　なお、図４に示す例では、各機能部を１つの価格最適化装置１０が有している場合を示したが、これに限られず、各機能部を複数台の装置が分散して有していてもよい。例えば、定式化装置と最適化装置の２台の装置が存在し、定式化部１０２を定式化装置が有しており、最適化部１０３を最適化装置が有していてもよい。
　＜価格最適化処理の流れ＞
　次に、本実施形態に係る価格最適化装置１０が実行する価格最適化処理の流れについて、図５を参照しながら説明する。図５は、本実施形態に係る価格最適化処理の流れの一例を示すフローチャートである。
　まず、入力部１０１は、価格最適化装置１０に与えられた各種パラメータ（つまり、承諾確率Ｓｉ（ｘ）と参加者ｉに資源ｊを割り当てたときの価値ｗｉｊ）を入力する（ステップＳ１０１）。
　次に、定式化部１０２は、上記のステップＳ１０１で入力された各種パラメータを用いて、上記の式（２）に示す最適化問題を定式化する（ステップＳ１０２）。
　次に、最適化部１０３は、上記のステップＳ１０２で定式化された式（２）に示す最適化問題の近似解（最適解に対して近似度３が保証された近似解）を算出する（ステップＳ１０３）。このステップＳ１０３の処理の流れの詳細については後述する。
　そして、出力部１０４は、上記のステップＳ１０３で算出された近似解（つまり、各参加者ｉに対する価格ｐｉを要素とする価格ベクトルｐ）を出力する（ステップＳ１０４）。
　ここで、上記のステップＳ１０３で式（２）に示す最適化問題の近似解を算出する処理の流れについて、図６を参照しながら説明する。図６は、本実施形態に係る最適化問題の解算出処理の流れの一例を示すフローチャートである。
　まず、最適化部１０３は、上記のステップＳ１０２で定式化された式（２）に示す最適化問題を、上記の式（４）に示す最適化問題に変形する（ステップＳ２０１）。すなわち、最適化部１０３は、上記の手続き１－１により、式（２）に示す最適化問題を式（４）に示す最適化問題に変形する。
　次に、最適化部１０３は、上記のステップＳ１０１で入力された承諾確率Ｓｉ（ｘ）が上下限付きの線形関数で表されるか否かを判定する（ステップＳ２０２）。
　上記のステップＳ２０２で承諾確率Ｓｉ（ｘ）が上下限付きの線形関数で表されると判定された場合（ステップＳ２０２でＹＥＳ）、最適化部１０３は、上記の手続き１－２ａにより解を算出する（ステップＳ２０３）。すなわち、最適化部１０３は、式（４）に示す最適化問題を式（５）に示す最適化問題に変形した上で、最小凸二次費用流問題に対する既存解法により式（５）に示す最適化問題の最適解を算出する。
　一方で、上記のステップＳ２０２で承諾確率Ｓｉ（ｘ）が上下限付きの線形関数で表されると判定されなかった場合（ステップＳ２０２でＮＯ）、最適化部１０３は、承諾確率Ｓｉ（ｘ）が全単射で、かつ、１－Ｓｉ（ｘ）がMonotone hazard rate functionであるか否かを判定する（ステップＳ２０４）。
　上記のステップＳ２０４で承諾確率Ｓｉ（ｘ）が全単射で、かつ、１－Ｓｉ（ｘ）がMonotone hazard rate functionであると判定された場合（ステップＳ２０４でＹＥＳ）、最適化部１０３は、上記の手続き１－２ｂにより解を算出する（ステップＳ２０５）。すなわち、最適化部１０３は、式（４）に示す最適化問題を式（６）に示す最適化問題に変形した上で、最小凸費用流問題に対する既存解法により式（６）に示す最適化問題の最適解を算出する。
　一方で、上記のステップＳ２０４で承諾確率Ｓｉ（ｘ）が全単射で、かつ、１－Ｓｉ（ｘ）がMonotone hazard rate functionであると判定されなかった場合（ステップＳ２０４でＮＯ）、最適化部１０３は、上記の手続き１－２ｃにより解を算出する（ステップＳ２０６）。すなわち、最適化部１０３は、ベイズ最適化やシミュレーテッドアニーリング等のヒューリスティック解法により式（４）に示す最適化問題の最適解又は近似解を算出する。
　以上のように、本実施形態に係る価格最適化装置１０は、上記の（ａ）～（ｃ）のプロセスでサービスを提供するクラウドソーシング市場を対象として、マッチング価値と需給バランスとを考慮した最適化問題を定式化した上で、この最適化問題を解くことで最適な価格を算出及び決定することが可能となる。しかも、最終的に得られる価格（つまり、上記のステップＳ２０３、ステップＳ２０５及びステップＳ２０６で算出される解）は、マッチング価値と需給バランスとを考慮して定式化した最適化問題の最適解に対して近似度３が保証される。これにより、例えば、クラウドソーシング市場において、各タスクと各ワーカの相性等と需給バランスとを考慮した価格を安定的に決定することが可能となる。
　＜ハードウェア構成＞
　最後に、本実施形態に係る価格最適化装置１０のハードウェア構成について、図７を参照しながら説明する。図７は、本実施形態に係る価格最適化装置１０のハードウェア構成の一例を示す図である。
　図７に示すように、本実施形態に係る価格最適化装置１０は一般的なコンピュータ又はコンピュータシステムで実現され、入力装置２０１と、表示装置２０２と、外部Ｉ／Ｆ２０３と、通信Ｉ／Ｆ２０４と、プロセッサ２０５と、メモリ装置２０６とを有する。これら各ハードウェアは、それぞれがバス２０７を介して通信可能に接続されている。
　入力装置２０１は、例えば、キーボードやマウス、タッチパネル等である。表示装置２０２は、例えば、ディスプレイ等である。なお、価格最適化装置１０は、入力装置２０１及び表示装置２０２のうちの少なくとも一方を有していなくてもよい。
　外部Ｉ／Ｆ２０３は、記録媒体２０３ａ等の外部装置とのインタフェースである。価格最適化装置１０は、外部Ｉ／Ｆ２０３を介して、記録媒体２０３ａの読み取りや書き込み等を行うことができる。記録媒体２０３ａには、例えば、価格最適化装置１０が有する各機能部（入力部１０１、定式化部１０２、最適化部１０３及び出力部１０４）を実現する１以上のプログラムが格納されていてもよい。なお、記録媒体２０３ａには、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等がある。
　通信Ｉ／Ｆ２０４は、価格最適化装置１０を通信ネットワークに接続するためのインタフェースである。なお、価格最適化装置１０が有する各機能部を実現する１以上のプログラムは、通信Ｉ／Ｆ２０４を介して、所定のサーバ装置等から取得（ダウンロード）されてもよい。
　プロセッサ２０５は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等の各種演算装置である。価格最適化装置１０が有する各機能部は、例えば、メモリ装置２０６に格納されている１以上のプログラムがプロセッサ２０５に実行させる処理により実現される。
　メモリ装置２０６は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ等の各種記憶装置である。
　本実施形態に係る価格最適化装置１０は、図７に示すハードウェア構成を有することにより、上述した価格最適化処理を実現することができる。なお、図７に示すハードウェア構成は一例であって、価格最適化装置１０は、他のハードウェア構成を有していてもよい。例えば、価格最適化装置１０は、複数のプロセッサ２０５を有していてもよいし、複数のメモリ装置２０６を有していてもよい。
　本発明は、具体的に開示された上記の実施形態に限定されるものではなく、請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。
　１０　　　　価格最適化装置
　１０１　　　入力部
　１０２　　　定式化部
　１０３　　　最適化部
　１０４　　　出力部
　２０１　　　入力装置
　２０２　　　表示装置
　２０３　　　外部Ｉ／Ｆ
　２０３ａ　　記録媒体
　２０４　　　通信Ｉ／Ｆ
　２０５　　　プロセッサ
　２０６　　　メモリ装置
　２０７　　　バス

Claims (7)

  1. 　クラウドソーシング市場に参加する各参加者が価格に対して承諾する確率を示す承諾確率関数と、前記各参加者に対して前記クラウドソーシング市場の各資源を割り当てた場合の価値を示すマッチング価値とを入力する入力手順と、
    　前記承諾確率関数と前記マッチング価値とを用いて、前記クラウドソーシング市場の提供者の利益を最大化する最適価格を決定するための第１の最適化問題を定式化する定式化手順と、
    　前記承諾確率関数の特徴に応じて前記第１の最適化問題を解くことで、前記最適価格を算出する最適化手順と、
    　をコンピュータが実行することを特徴とする最適化方法。
  2. 　前記最適化手順は、
    　前記第１の最適化問題の目的関数の近似値を用いて、前記第１の最適化問題を第２の最適化問題に変形し、前記第２の最適化問題を解くことで、前記最適価格を算出する、ことを特徴とする請求項１に記載の最適化方法。
  3. 　前記第２の最適化問題の最適解は、前記第１の最適化問題の最適解に対して近似度３が保証された解である、ことを特徴とする請求項２に記載の最適化方法。
  4. 　前記各参加者の各々を表すインデックスをｉ、前記価格を表す変数をｘ、参加者ｉの承諾確率関数をＳｉ（ｘ）として、
    　前記最適化手順は、
    　前記承諾確率関数Ｓｉ（ｘ）が上下限付きの線形関数で表される場合、前記第２の最適化問題を最小凸二次費用流問題に変形し、前記最小凸二次費用流問題を解くことで、前記最適価格を算出し、
    　前記承諾確率関数Ｓｉ（ｘ）が全単射、かつ、１－Ｓｉ（ｘ）で表される各関数がMonotone hazard rate functionである場合、前記第２の最適化問題を最小凸費用流問題に変形し、前記最小凸費用流問題を解くことで、前記最適価格を算出する、ことを特徴とする請求項２又は３に記載の最適化方法。
  5. 　前記最適化手順は、
    　前記承諾確率関数Ｓｉ（ｘ）が上下限付きの線形関数で表すことができず、かつ、前記承諾確率関数Ｓｉ（ｘ）が全単射でない又は１－Ｓｉ（ｘ）で表される各関数がMonotone hazard rate functionでない場合、前記第２の最適化問題を、ベイズ最適化及びシミュレーテッドアニーリングを含むヒューリスティック解法により解くことで、前記最適価格を算出する、ことを特徴とする請求項４に記載の最適化方法。
  6. 　クラウドソーシング市場に参加する各参加者が価格に対して承諾する確率を示す承諾確率関数と、前記各参加者に対して前記クラウドソーシング市場の各資源を割り当てた場合の価値を示すマッチング価値とを入力する入力部と、
    　前記承諾確率関数と前記マッチング価値とを用いて、前記クラウドソーシング市場の提供者の利益を最大化する最適価格を決定するための第１の最適化問題を定式化する定式化部と、
    　前記承諾確率関数の特徴に応じて前記第１の最適化問題を解くことで、前記最適価格を算出する最適化部と、
    　を有することを特徴とする最適化装置。
  7. 　コンピュータに、請求項１乃至５の何れか一項に記載の最適化方法を実行させるプログラム。
PCT/JP2020/029861 2020-08-04 2020-08-04 最適化方法、最適化装置及びプログラム WO2022029897A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/004,958 US20230237389A1 (en) 2020-08-04 2020-08-04 Optimization method, optimization apparatus and program
PCT/JP2020/029861 WO2022029897A1 (ja) 2020-08-04 2020-08-04 最適化方法、最適化装置及びプログラム
JP2022541383A JPWO2022029897A1 (ja) 2020-08-04 2020-08-04

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/029861 WO2022029897A1 (ja) 2020-08-04 2020-08-04 最適化方法、最適化装置及びプログラム

Publications (1)

Publication Number Publication Date
WO2022029897A1 true WO2022029897A1 (ja) 2022-02-10

Family

ID=80117875

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/029861 WO2022029897A1 (ja) 2020-08-04 2020-08-04 最適化方法、最適化装置及びプログラム

Country Status (3)

Country Link
US (1) US20230237389A1 (ja)
JP (1) JPWO2022029897A1 (ja)
WO (1) WO2022029897A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024042718A1 (ja) * 2022-08-26 2024-02-29 日本電信電話株式会社 最適化装置、最適化方法、および最適化プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130253969A1 (en) * 2012-03-20 2013-09-26 International Business Machines Corporation Broadcast Messaging of Incentives Based on Value
WO2018100716A1 (ja) * 2016-12-01 2018-06-07 日本電気株式会社 移動計画装置、移動計画方法、およびプログラムを記憶した記憶媒体
CN108615165A (zh) * 2016-12-09 2018-10-02 乐视技术股份有限公司 用于共乘的动态计价的服务器装置、方法以及设备
WO2019113976A1 (en) * 2017-12-15 2019-06-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for optimizing online on-demand and service
JP2019521428A (ja) * 2017-06-23 2019-07-25 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド ユーザ行動に基づくサービスディスパッチのシステム及び方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130253969A1 (en) * 2012-03-20 2013-09-26 International Business Machines Corporation Broadcast Messaging of Incentives Based on Value
WO2018100716A1 (ja) * 2016-12-01 2018-06-07 日本電気株式会社 移動計画装置、移動計画方法、およびプログラムを記憶した記憶媒体
CN108615165A (zh) * 2016-12-09 2018-10-02 乐视技术股份有限公司 用于共乘的动态计价的服务器装置、方法以及设备
JP2019521428A (ja) * 2017-06-23 2019-07-25 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド ユーザ行動に基づくサービスディスパッチのシステム及び方法
WO2019113976A1 (en) * 2017-12-15 2019-06-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for optimizing online on-demand and service

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NAOKI IIJIMA; KENGO SAITO; MASASHI HAYANO; TOSHIHARU SUGAWARA: "Solution for Efficient Allocation of Continually Occurring Tasks by Priority Degree", IPSJ SIG TECHNICAL REPORT, vol. 2016-ICS-182, no. 9, 24 February 2016 (2016-02-24), JP , pages 1 - 7, XP009534672, ISSN: 2188-885X *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024042718A1 (ja) * 2022-08-26 2024-02-29 日本電信電話株式会社 最適化装置、最適化方法、および最適化プログラム

Also Published As

Publication number Publication date
US20230237389A1 (en) 2023-07-27
JPWO2022029897A1 (ja) 2022-02-10

Similar Documents

Publication Publication Date Title
US10686718B1 (en) Allocating resources
US8583799B2 (en) Dynamic cost model based resource scheduling in distributed compute farms
KR102147450B1 (ko) 프리랜서 서비스 플랫폼 제공방법, 장치 및 프로그램
JP5257975B2 (ja) 注文システム、注文プログラムおよび注文方法
CN110598183A (zh) 一种流量分配方法、装置、设备及存储介质
WO2022029897A1 (ja) 最適化方法、最適化装置及びプログラム
CN110689425A (zh) 基于收益进行额度定价的方法、装置和电子设备
CN109523326A (zh) 一种计费分润系统、方法、计算机设备及存储介质
US20210390481A1 (en) Allocating Resources
CN111798283A (zh) 订单派发方法、装置、电子设备及计算机可读存储介质
CN116091242A (zh) 推荐产品组合生成方法及装置、电子设备和存储介质
WO2021068585A1 (zh) 资源处理方法、装置、电子设备及介质
CN111091402A (zh) 一种价值数据调整方法、装置、电子设备及可读介质
JP2005191688A (ja) 通信帯域貸借システム
CN110633142B (zh) 区块链的共识方法、管理节点、电子设备以及存储介质
JP2019144775A (ja) 情報処理装置、情報処理方法および情報処理プログラム
KR102094438B1 (ko) 일감중개방법 및 장치
CN114741618A (zh) 线下服务点推荐方法、推荐装置、设备及介质
WO2020235520A1 (ja) 情報処理装置、情報処理システム、および情報処理プログラム
CN114648404A (zh) 贷款请求处理方法、装置、终端及存储介质
CN113592263A (zh) 基于动态资源归还增比的资源归还增量预测方法和装置
CN113570114A (zh) 一种资源服务智能匹配方法、系统和计算机设备
WO2021250831A1 (ja) 最適化方法、最適化装置及びプログラム
JP7257979B2 (ja) サーバ装置、プログラム、および情報処理方法
CN113822455A (zh) 一种时间预测方法、装置、服务器及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20948527

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022541383

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20948527

Country of ref document: EP

Kind code of ref document: A1