基于遺傳—LSSVM算法的定價模型研究

冉慶波 李宇晗 賈寬寬 孔凡備 劉璐

摘要：“拍照賺錢”作為自助式服務(wù)方式之一，研究其合理定價，將保證企業(yè)及時有效獲取各商品真實(shí)信息，且提高任務(wù)完成度?；诖耍疚睦眠z傳-LSSVM算法對合理定價問題梯次遞進(jìn)的進(jìn)行分析研究。首先建立了基于統(tǒng)計分析的競爭度定價基本理論模型，分析了任務(wù)未完成的原因。其次建立了基于遺傳-LSSVM算法的定價最優(yōu)化模型，確定了新的定價方案，改善了任務(wù)完成情況。采集任務(wù)完成的數(shù)據(jù)作為初始樣本集，初始化任務(wù)距離半徑R，然后結(jié)合LSSVM算法對競爭度與定價之間的關(guān)系進(jìn)行訓(xùn)練模擬，進(jìn)而求解出未完成任務(wù)的總定價M，最后以M為目標(biāo)函數(shù)，利用遺傳算法對任務(wù)距離半徑R進(jìn)行逐步優(yōu)化，確定最新的定價方案：R=9.8933km方案最優(yōu)，較原方案，每個任務(wù)新定價平均上漲0.6元，整體上升499元，漲幅較小，且保證了所有任務(wù)全部完成。

關(guān)鍵詞：博弈論；遺傳-LSSVM算法；定價模型；競爭度

0 引言

“拍照賺錢”是移動互聯(lián)網(wǎng)下的一種自助式服務(wù)模式。用戶下載APP，注冊成為APP的會員，然后從APP上領(lǐng)取需要拍照的任務(wù)，賺取APP對任務(wù)所標(biāo)定的酬金?；谝苿踊ヂ?lián)網(wǎng)的自助式勞務(wù)眾包平臺，為企業(yè)提供各種商業(yè)檢查和信息搜集，相比傳統(tǒng)的市場調(diào)查方式可以大大節(jié)省調(diào)查成本[1]，而且有效地保證了調(diào)查數(shù)據(jù)真實(shí)性，縮短了調(diào)查的周期。

1基于統(tǒng)計分析的競爭度定價基本理論模型

1.1 數(shù)據(jù)統(tǒng)計描述

對已有數(shù)據(jù)進(jìn)行簡單的統(tǒng)計分析，發(fā)現(xiàn)集中在廣州市、東莞市以及佛山市等市中心周圍區(qū)域的任務(wù)完成情況較好，而未完成任務(wù)分散在離市中心較遠(yuǎn)的區(qū)域，說明任務(wù)地理位置對任務(wù)完成有影響，任務(wù)越靠近繁華地帶，店鋪門戶越多，任務(wù)完成量就高，情況越好[4]。

1.2 競爭度定義

首先定義競爭度J，競爭度即為以某一任務(wù)Xi為圓心，以R為半徑的圓內(nèi)所有會員可以預(yù)定任務(wù)的總和。

（1）

其中，n表示以xi為圓心以R為半徑的圓內(nèi)會員的總數(shù)；Yj表示第j 個會員所能預(yù)定的任務(wù)量。

1.3 未完成任務(wù)分析

如圖4所示，橫坐標(biāo)為為按競爭度由小至大過程中的序列號，縱坐標(biāo)為任務(wù)定價：

由圖可知隨著競爭度的增加，任務(wù)定價整體呈降低趨勢，但已完成任務(wù)部分價格過高，同時，對未完成任務(wù)定價與圖4定價整體趨勢變化相比，發(fā)現(xiàn)未完成任務(wù)競爭度相對較小，價格相對過低，導(dǎo)致任務(wù)未完成。因此，任務(wù)未完成是由于任務(wù)發(fā)布位置較偏，會員相對較少，會員任務(wù)預(yù)定限額較低所導(dǎo)致的。

2 基于遺傳-LSSVM模型的定價方案設(shè)計

2.1遺傳算法模型的建立

根據(jù)已有的數(shù)據(jù)，認(rèn)為已經(jīng)完成的任務(wù)定價大部分是合理的。對已完成任務(wù)，利用遺傳算法以半徑R為自變量，以已完成任務(wù)的競爭度J為因變量，以半徑R范圍內(nèi)的的總定價為目標(biāo)，建立目標(biāo)函數(shù)[5]：

（2）

其中，f為所有任務(wù)總價格，n為任務(wù)點(diǎn)總數(shù)量。

算法基本步驟如下：

a.隨機(jī)產(chǎn)生搜索空間內(nèi)100個個體s1，s2.…s100組成初始種群S，置代數(shù)計數(shù)器t=1；

b.計算S中每一個個體si的適應(yīng)度fi=f（si）；

c. 按交叉率Pc所決定的參加交叉的染色體數(shù)c，從S2中隨機(jī)選出c個染色體，配對進(jìn)行交叉操作，并用新得到的染色體代替原染色體，得到群體S3。

d.按變異率Pm所決定的變異次數(shù)m，從S3中隨機(jī)選出m個染色體進(jìn)行變異操作，并用新得到的染色體代替原染色體，得到群體S4[6～8]。

2.2最小二乘支持向量機(jī)模型的建立

最小二乘支持向量機(jī)（LSSVM）是專門針對線性可分的二分類問題提出的，在線性可分的最優(yōu)分類超平面基礎(chǔ)上產(chǎn)生，采用結(jié)構(gòu)風(fēng)險最小化原則，構(gòu)建分類超平面，保證分類正確的同時，使兩類樣本之間的間距最大化[9]。x（i）支持向量機(jī) 和輸入空間抽取的向量 之間的內(nèi)積核概念是算法的關(guān)鍵。

本文設(shè) ，其中， 為不同位置任務(wù)選取最優(yōu)半徑時對應(yīng)的競爭度取值， 是最優(yōu)半徑對應(yīng)的最低定價，目標(biāo)函數(shù)如下：

（3）

約束條件為：

（4）

定義拉格朗日函數(shù)[11]為：

（5）

式中，拉格朗日乘子 ，對上式進(jìn)行優(yōu)化，則最終可得到矩陣方程如下：

（6）

將Mercer條件帶入 中，最終求得最小二乘支持向量機(jī)的決策函數(shù)為[13]：

（7）

3.1遺傳算法初次求解及數(shù)據(jù)初步篩選

遺傳算法實(shí)現(xiàn)過程中相關(guān)參數(shù)設(shè)置如下：變量范圍為[5，80]，種群大小為100，迭代次數(shù)為100，交叉概率為0.4，變異概率為0.2。經(jīng)過多次求取，得出初步最優(yōu)半徑 。

3.2遺傳算法二次求優(yōu)及數(shù)據(jù)二次篩選

對篩選后的數(shù)據(jù)再次利用遺傳算法求得最優(yōu)半徑R2=9.8933km。當(dāng)半徑為R2時，得出其對應(yīng)的競爭度，初步對競爭度與任務(wù)定價之間的關(guān)系進(jìn)行處理. 表1 二次篩選濾除數(shù)據(jù)

對最終篩選得到的數(shù)據(jù)，利用最小二乘支持向量機(jī)對全部任務(wù)定價進(jìn)行預(yù)測，核函數(shù)的作用是抽取競爭度取值特征，將樣本映射為高維特征空間中的向量，解決原始競爭度取值線性不可分的問題。

4結(jié)論

本文針對“拍照賺錢”作為自助式服務(wù)合理定價問題，運(yùn)用遺傳-LSSVM算法對任務(wù)合理定價進(jìn)行研究，最終在保證任務(wù)順利完成的前提下得出合理定價。該模型在有效的降低平臺的運(yùn)營成本，提高任務(wù)完成率和會員活躍度的同時提高了會員的收益，實(shí)現(xiàn)的是雙贏，所以不管從會員角度還是平臺角度出發(fā)，該模型都具有一定的實(shí)用價值。。