基于聚類(lèi)分析的“拍照賺錢(qián)”科學(xué)定價(jià)

張澤 張?zhí)熨R 李瑤

【摘 ?要】采用聚類(lèi)分析的方法，篩選任務(wù)較為集中的區(qū)域并進(jìn)行分類(lèi)。然后，計(jì)算吸引度矩陣與閾值，設(shè)定最大吸引準(zhǔn)則、信譽(yù)優(yōu)先分配準(zhǔn)則為約束條件，并建立雙目標(biāo)優(yōu)化定價(jià)模型。最后，求解得到任務(wù)完成率為90.91%，與問(wèn)題最初方案相比，成本降低10.96%，任務(wù)完成率提高45.42%;與問(wèn)題二定價(jià)方案相比，成本降低5.7%，任務(wù)完成率提高7.52%。

【關(guān)鍵詞】聚類(lèi)分析;拍照賺錢(qián)

引言

為提高任務(wù)完成效率，考慮將任務(wù)位置比較集中的這些聯(lián)合打包發(fā)布。因此，我們首先根據(jù)任務(wù)位置信息判斷分布較為集中的任務(wù)包括哪些，從而制定打包方案。附件一中任務(wù)的位置信息是經(jīng)緯度數(shù)據(jù)，以經(jīng)緯度數(shù)據(jù)為地理位置的定量分析數(shù)據(jù)。采用聚類(lèi)分析的方法，對(duì)任務(wù)的位置分布進(jìn)行精準(zhǔn)的分類(lèi)。

1.第一次聚類(lèi)分析

首先，大致估算聚類(lèi)分析的類(lèi)數(shù)，因?yàn)槿蝿?wù)總數(shù)是845個(gè)，若將任務(wù)按照位置信息分成150類(lèi)，平均每類(lèi)約5-6個(gè)任務(wù)，個(gè)數(shù)較為合理。因此，初次聚類(lèi)時(shí)，把任務(wù)分布分成150類(lèi)，利用MATLAB中K-Means命令作出聚類(lèi)分析圖：

任務(wù)位置分類(lèi)及150個(gè)分類(lèi)中心點(diǎn)

根據(jù)任務(wù)的位置信息，把任務(wù)按照分布的集中程度分為150類(lèi)，最多的類(lèi)別包含18個(gè)任務(wù)，最少的類(lèi)別只包含1個(gè)任務(wù)。對(duì)于只包含1個(gè)任務(wù)的情況，因?yàn)槲恢梅植驾^零散，不對(duì)其進(jìn)行打包處理。對(duì)于任務(wù)數(shù)量超過(guò)15個(gè)的類(lèi)別，將這些任務(wù)的位置信息提取處理，對(duì)其進(jìn)行二次聚類(lèi)分析。

2.第二次聚類(lèi)分析

對(duì)這四類(lèi)進(jìn)行嵌套聚類(lèi)分析后，每個(gè)類(lèi)別都由兩小類(lèi)組成，每小類(lèi)包含的任務(wù)數(shù)量如下：

3.問(wèn)題三經(jīng)調(diào)整后的雙目標(biāo)優(yōu)化定價(jià)模型的建立

任務(wù)聯(lián)合打包發(fā)布條件下，新定價(jià)方案的設(shè)計(jì)問(wèn)題轉(zhuǎn)化成雙目標(biāo)優(yōu)化問(wèn)題，雙目標(biāo)函數(shù)表示如下：

在利用雙層嵌套聚類(lèi)分析得出合理的打包方案后，任務(wù)書(shū)變?yōu)?54。問(wèn)題是在對(duì)任務(wù)聯(lián)合打包的基礎(chǔ)上優(yōu)化模型進(jìn)行修稿，在把多個(gè)位置較為集中的任務(wù)聯(lián)合打包發(fā)布的前提下，得到最優(yōu)的定價(jià)方案。

4.雙目標(biāo)優(yōu)化定價(jià)模型的求解

（1）聚類(lèi)打包

采用聚類(lèi)算法，對(duì)任務(wù)分類(lèi)，較為相似的任務(wù)分為一類(lèi)成為一個(gè)任務(wù)包。部分為歸入聚類(lèi)類(lèi)別的個(gè)體單獨(dú)劃分為一個(gè)任務(wù)包。

（2）預(yù)先設(shè)置任務(wù)標(biāo)價(jià)

采用和問(wèn)題二不同的定價(jià)模式，根據(jù)聚類(lèi)算法，分別得到每個(gè)任務(wù)包總單個(gè)任務(wù)的最高、平均和最低價(jià)格，進(jìn)而分為三種情況，將每個(gè)包中最高、平均和最低價(jià)格作為打包任務(wù)的整體均值。

（3）吸引度矩陣

計(jì)算會(huì)員與每個(gè)任務(wù)包之間的距離，由吸引度計(jì)算公式，重新計(jì)算每個(gè)任務(wù)對(duì)于每個(gè)會(huì)員的吸引度矩陣。

（4）沖突判斷

判斷位置記錄矩陣是否存在數(shù)值相等的情況，即判斷是否存在沖突。若發(fā)生，比較會(huì)員信譽(yù)值，確定一個(gè)優(yōu)先選擇，即信譽(yù)值高的會(huì)員得到本次任務(wù)預(yù)定權(quán)。

5.問(wèn)題結(jié)果的分析

通過(guò)對(duì)時(shí)間和任務(wù)預(yù)定數(shù)的觀察，得到最終任務(wù)完成率的矩陣，輸出任務(wù)完成率數(shù)值和預(yù)先設(shè)定的任務(wù)定價(jià)矩陣。接下來(lái)設(shè)定幾組不同價(jià)格調(diào)整比例，得到835個(gè)任務(wù)的定價(jià)及完成率，因數(shù)據(jù)較多，此處只展示部分結(jié)果：

問(wèn)題最優(yōu)定價(jià)方案下，成本為51382，任務(wù)完成率為0.9091。

與原方案相比，成本降低了10.96%，任務(wù)完成率提高了45.42%。

與問(wèn)題二定價(jià)方案相比，成本降低了5.7%，任務(wù)完成率提高了7.52%。

參考文獻(xiàn)：

[1]孫建新，石鵬翔，吳一凡.基于遺傳-RBF神經(jīng)網(wǎng)絡(luò)的“拍照賺錢(qián)”定價(jià)方案的優(yōu)化[J].數(shù)碼設(shè)計(jì)，2017，6（8）：15-16.

[2]朱可，歐陽(yáng)建新，劉艷，等.“拍照賺錢(qián)”任務(wù)定價(jià)的分析[J].貴州師范學(xué)院學(xué)報(bào)，2018，v.34;No.205（3）：28-31.

[3]鄧明華.“拍照賺錢(qián)”問(wèn)題的任務(wù)定價(jià)解題思路[J].數(shù)學(xué)建模及其應(yīng)用，2018（1）：33-36.

作者簡(jiǎn)介：

張澤，性別：男，出生年月：2000年2月，民族：漢，籍貫：河南省濟(jì)源市，學(xué)歷：大學(xué)本科，學(xué)校：華北理工大學(xué)，學(xué)校郵編：063210，專(zhuān)業(yè)：金融學(xué)