数模优秀论文总结 — 2017 “拍照赚钱的任务定价”

对2017年B题“拍照赚钱的任务定价”7篇优秀论文进行了学习总结（包括论文思路、方法、启发及亮点）

网盘链接：2017年B题优秀论文
提取码：ab51

---

1 “拍照赚钱”的任务定价

1.1思路

• 对于附件中的数据通过可视化的方式寻找规律
• 对于任务定价方案的制定，引入吸引力因子，参考库仑定律建立表达式，并引入模型的评估机制（任务完成率、总完成率、用户总盈利、平台总收益等指标）
• 对于打包策略，利用K-means聚类算法进行聚类，并对结合库仑定律引入的表达式进行推广，通过程序模拟发现规律
• 根据两个定价模型的公式以及分配机制和评估机制进行模拟，得出较好的定价公式

1.2 方法

选取指标结合库仑定律自定义计算公式、K-means聚类算法

1.3 亮点

---

2 “拍照赚钱”的任务定价

2.1 思路

• 利用“地图无忧”和“百度地图开放平台”进行不同价位的任务点分布图
• 提出任务对会员的吸引力指标函数来表达意愿，并提出坐标活跃度，通过$matlab$进行三维可视化，接着根据积分中值定理系列推导得出$p$值
• 引入行动力建立打包数的函数关系（在一次活动中消耗的行动力 = 行动到任务点的行动力 + 做任务的行动力），并定义0-1之间的相关系数u表示任务与会员之间的吸引力 ，接下来给出具体的打包算法
• 引入描述任务和用户匹配程度的变量区分不同用户，得到两个变量量化后的关系，并用$matlab$将用户按城市聚类，得到各个任务完成能力最大的用户分别从属于哪个城市（根据行动力进行打包）

2.2 方法

对所有任务采用ISODATA算法进行聚类分析、将会员的分布与会员等级通过位势函数法抽象为空间内分布的用户活跃度、包内采用最近邻法则实现聚类

聚类分析、回归分析、位势函数法、最近邻法则

---

3 基于聚类分析的双目标优化定价模型

3.1 思路

• 通过百度地图观察位置分布，并利用CFTool工具箱做出经纬度与定价的三维立体图；利用拉依达准则剔除异常数据，接着进行空间数据的离散化处理。随后确定任务定价的影响因子，并根据任务位置进行K-means聚类，最后利用灰色关联矩阵计算出任务定价情况与影响因子的相关度
• 定义吸引度矩阵及计算出吸引度阈值后，建立多目标优化模型（约束条件是最大吸引力准则、竞争准则、分配准则及时间序列准则）
• 双层嵌套聚类分析，并调整双目标定价优化模型
• 建立基于多层聚类的神经网络模型，对新任务也进行联合打包发布。以位置坐标经纬度和为输入层，以每包对应的价格和任务完成情况为输出层。

3.2 方法

K-Means聚类分析、双目标优化模型、多重搜索算法、BP神经网络

3.3 启发

1、异常数据的处理可以采用拉依达准则

2、探究影响因子与因变量的相关度时可以通过灰色关联矩阵进行分析
3、对于自己根据问题编写的算法需要写出具体流程

3.4 亮点

每道题目的分析都有一个思路流程图，清晰明了

---

4 考虑时空效率的任务匹配定价模型与算法

4.1 思路

• 在MapInfo Pro15.0观察定价和任务执行情况的空间地理分布特征，接着建立FCM地理中心聚类模型，并采用内部指标汇中的Calinski-Harabasz(CH)指标，Davies-Bouldin(DB)指标进行聚类有效性分析。然后对同一类别下不同定价标准的位点进行期望处理，得到距离与价格的线性关系
• 对商业模式进行解析后，从时间、空间、效率三个维度建立时空效率定价模型。基于时空效率定价模型重新定价后，参考竞争成功选择问题（WBDP）相关规律，构建以平台任务总定价提升比例最小和任务成功执行数最大为目标的会员任务匹配规划模型，采用二维多阶段轮盘赌求解算法
• 建立会员信誉等级定价模型
• 建立歧视激励定价模型，将二维多阶段轮盘赌算法加入配额极值修正规则，使得配额有剩余的高信誉度会员选中任务的概率显著增大，并自然淘汰低信誉度或配额不足的会员，求得高聚态极端分布匹配结果

4.2 方法

FCM聚类、中心梯度定价、时空效率定价、匹配、多阶段轮盘赌算法

4.3 启发

聚类有效性分析标准有两种：一是外部标准，通过测量聚类结果和参考标准的一致性来评价聚类结果的优良；另一种是内部指标，用于评价同一聚类算法在不同聚类数条件下聚类结果的优良程度，通常用来确定数据集的最佳聚类数。

4.4 亮点

对“拍照赚钱”的商业模式进行解析（图形呈现）

---

5 “拍照赚钱”的任务定价

5.1 思路

• 通过UML时序关系分析整个流程，并给出任务与用户交互流程图，采用LOF离群因子对于任务的密度进行刻画。提出因素：任务点附近用户限额因素、离任务点最近用户的平均距离因素、任务离群程度因素
• 建立多目标优化模型，利用层次分析法求出权重后，进行函数拟合
• 明确打包对执行率和定价有影响，建立联合打包划分模型，采用遗传算法进行求解
• 建立仿真模拟模型（申请任务的概率模型、仿真模拟算法），并进行回归灵敏度分析

5.2 方法

LOF离群检验度、回归分析法、多目标优化、DBSCAN算法

5.3 亮点

1、通过UML时序关系分析整个流程
2、先提出猜测，再从猜测出发一步步验证
3、K-means聚类、层次聚类一般适用于凸样本集的聚类，而该文采用改进的基于DBSCAN的聚类算法

---

6 “拍照赚钱”的任务定价

6.1 思路

• 数据导入谷歌地图进行分析，并将会员坐标点进行K-means聚类分析，根据影响因素建立回归方程，用最小二乘拟合法计算系数。接着引入博弈论思想，采取线性价格均衡法
• 提出打包策略，并给出具体的算法流程，利用$matlab$进行求解

6.2 方法

多元回归、K-means聚类、贝叶斯—纳什平衡

6.3 启发

结合题目背景寻找现实中真实案例，参考其进行分析

---

7 基于优化理论的任务定价与分配模型

7.1 思路

• 先进行经纬度—距离的转换，根据任务定价绘制热图。接着确定影响定价的指标因素，找出任务定价规律
• 建立衡量任务是否完成的可能性指标（定义罚函数），建立任务分配优化模型，利用基于最大流的启发式算法进行求解
• 建立基于二次打包的定价与任务分配优化模型
• 选取部分因素再次建立优化模型进行求解

7.1 启发

附录部分可以放一些理论或算法的详细介绍

---