精华内容
下载资源
问答
  • 拍照赚钱任务定价分析的论文电子版.doc
  • 2017全国大学生数学建模B题,“拍照赚钱”的任务定价问题
  • 数据挖掘在“拍照赚钱任务定价中的应用.pdf
  • 本文主要探索“拍照赚钱”的最优任务定价问题,会员任务执行情况与纬度、经度, 任务标价之间的函数关系问题。根据题意与对附录中各个项目的理解,利用
  • 本文研究了如何分析“拍照赚钱”问题的定价策略,并为其设计完成率更高的任务 定价方案的问题。已知一个已结束项目的任务数据,包含了每个任务的位置、定价和完 成情况,已知一组会员信息数据,包含了会员的位置和...
  • 拍照赚钱”的任务定价运筹分析模型研究.pdf
  • 对2017年B题“拍照赚钱任务定价”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)

    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

    在这里插入图片描述


    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 m a t l a b matlab 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 p p
    • 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 m a t l a b matlab 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
    在这里插入图片描述
    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
    • 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 m a t l a b matlab 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


    展开全文
  • 拍照赚钱”APP中任务定价与失败问题研究.pdf
  • 拍照赚钱”APP平台的任务定价策略研究.pdf
  • 拍照赚钱”的任务定价分析 “拍照赚钱” 是一种需要会员在APP上领取任务,完成后赚取对任务所标定的酬金的自助服务模式,这种APP中任务定价是其核心要素。通过对“拍照赚钱”的任务定价方案进行分析评价与改进及...

        “拍照赚钱”的任务定价分析

     “拍照赚钱” 是一种需要会员在APP上领取任务,完成后赚取对任务所标定的酬金的自助服务模式,这种APP中任务定价是其核心要素。通过对“拍照赚钱”的任务定价方案进行分析评价与改进及任务打包方案的优化,以达到节省成本并提高任务完成度的目的。

     针对问题一,通过对附件一任务定价数据进行分析,可以看出任务评价的平均定价为69.11,任务定价范围为[65,85]。分析任务未完成原因时,首先,计算出未完成任务占比为37.9%。其次,画出任务完成情况与任务定价箱线图,未完成任务的定价低于完成任务的定价。最后,在地图上标出任务完成情况,可以看出,未完成任务主要集中在区域一,区域二的完成度最高。

     针对问题二,筛选出附件一中任务已完成的数据作为训练集,任务未完成的作为测试集。通过经纬度把附件一和附件二联接起来,建立以任务定价为因变量的线性回归模型,用所建立的模型对原方案中未完成任务的定价进行预测分析,所得预测值就是新的定价方案。出新方案比原方案的完成率提高了11.87%。

     针对问题三,根据任务位置和会员位置经纬度信息计算每个会员到每个任务点的距离,结合每个会员的任务限额,并参考会员的信誉度,对任务进行分配打包,

    针对问题四,针对问题四,要对附件三的新项目制定任务定价方案,首先运用问题三得到的约束条件公式对附件三的数据进行打包发布,可以打包成300个,对这300组数据进行预测分析,得到的一组任务定价。为了得知方案的好坏,再做一组对比项。使用附件三的数据,不打包直接发布,套用问题二建立的模型进行预测分析,得到新的任务定价。对两次任务定价分别求总值,比较后发现打包发布的方案成本更低,所以这个结果更合理。

    通过对“拍照赚钱”的任务定价进行分析得知打包发布任务成本更低方案更合理。

    关键词:多元线性回归,任务定价,任务打包,R语言

    一、问题重述

     “拍照赚钱”是一种用户下载APP并成为会员,然后在APP上选择做任务赚取酬金的自助服务模式。这种基于互联网的自助式劳务平台以APP为运行的核心,而APP中的任务定价又是其核心要素。如果定价不合理,就会导致部分任务领取率低,从而使商品检查失败。这种平台比传统的市场调查方式更加有可取性,它更加便于调查,不仅可以节约成本,还能使数据更加的真实有效。但是该APP最为重要的是对任务的定价。如果定价不合理,有的任务就会无人问津,而导致商品检查的失败。根据附件所给数据完成下面问题:

    1.  研究任务定价规律,分析任务未完成的原因。
    2. 为项目设计新的任务定价方案,并和原方案进行比较。
    3. 对任务进行打包发布。并修改前面的定价模型,对最终的任务完成情况又有什么影响?
    4. 对附件三中的新项目给出你的任务定价方案,并评价该方案的实施效果。

    二、问题分析

    2.1问题一的分析

    问题一主要分析两个方面,一是研究任务定价的规律,首先,利用附件一任务数据画出任务定价的分布图,可以直观地展现任务定价的分布情况,再计算出任务定价的均值和中位数,用来刻画定价规律。二是通过对完成和未完成任务的对比分析,找出未完成任务的原因,通过对任务完成情况与任务标价之间的关系进行统计描述,以及对任务标价与任务完成度之间的地理位置关系进行描述分析,分析出未完成任务的原因。

    2.2问题二的分析

    建立模型时,先根据附件一提取出任务已完成的数据作为训练集,然后结合附件一和附件二中任务完成情况为1的变量,结合附件二中的会员的数据,求出任务与会员之间的距离,得到任务距离小于5km的变量,结合附件一中的数据统计出已完成任务的变量,以任务定价为因变量,以其余变量为自变量,建立多元线性回归模型,针对已得到的数据运用R语言得出多元回归系数表。最后,用所建立的模型针对原方案中未完成任务的数据进行预测分析,这些预测得到的数据就是新的任务定价方案。要对新方案和原始方案进行比较,分析新的任务定价后的完成度与之前的任务完成度进行对比分析。。

    2.3问题三的分析

    对于问题三,根据附件一中的任务地理位置信息和附件二中会员的地理位置信息画出任务和会员位置分布的散点图,根据图中任务和会员之间的距离,探究任务打包的方案。也即是根据任务位置和会员位置经纬度信息计算每个会员到每个任务的距离,结合每个会员的任务限额,参考会员的信誉度,给出任务分配方案,最后,利用问题二的方法,给打包后的任务重新定价。

    2.4问题四的分析

    要对附件三的新项目制定任务定价方案,首先可以运用问题三得到的约束条件公式对附件三的数据进行打包发布,对打包后的数据进行预测分析,得到的预测值为任务定价。此时没有对比项,无法确定方案的好坏,针对这种情况,可以再做一组对比项。使用附件三的数据,不进行打包直接发布,套用问题二所建立的模型进行预测分析,得到新的任务定价。对两次的任务定价分别求总值并进行对比,得到更合理的方案。

    三、模型假设

    1.假设任务分布数小于5的城市不考虑。

    2.假设不考虑一个任务分给几个人做。

    四、符号说明

    五、模型的建立与求解

    5.1问题一的模型建立与求解

    5.1.1任务定价规律

    根据附件一的任务定价数据,计算出任务定价的均值和中位数,并画出任务标价分布直方图如下:

    由上图可知任务定价的范围为[65,85],且已结束的任务中定价主要集中在65-75之间,而定价75以上的任务数量较少。

    5.1.2 未完成因素分析

       对附件一数据中任务执行情况进行统计分析,得到任务完成情况图如下:

    由图5-2可以看出未完成任务占总任务的37.49%,为了更加分析未完成任务与完成任务在任务定价方面的差异,画出任务完成情况与任务定价的箱线图。

    从图中可看出,未完成任务与已完成任务在任务定价上的差异较大,已完成的任务定价比未完成的任务定价更高。

    为了观察任务定价与任务所中地理位置之间的关系,结合附件一中任务的经纬度数据,利用地图慧,将任务完成情况中地图中标记出来,如下分布图:

    可以看出图表5-4中区域二中的任务完成度最高,区域三中的任务完成度最低。为了研究区域与任务完成度的关系,可以查找中国地图,结合经纬度确定任务分布城市,然后运用Excel得出与每个城市任务平均定价与该城市任务达成率之间的关系如下图:

    从上图可以看出任务最多的城市为广州市,深圳、佛山和东莞任务数量差别不大;而在任务定价方面深圳的最低,佛山最高;在任务完成情况方面,深圳地区任务完成率最低,东莞的完成率较高。

        综合上述分析,得出任务未完成的原因是任务定价太低,例如深圳市平均定价较低导致任务完成度低。

    5.2问题二的模型建立与求解

    5.2.1模型的建立

    首先把附件一中已完成的任务数据作为训练集;未完成的数据作为测试集;对附件二的会员数据,计算出会员与任务的距离,将距离在5km以内的会员个数,会员占比,会员限额,和城市分布的变量值;建立以任务定价为因变量,以任务距离在5km以内的会员个数,会员占比,会员限额和城市分布为自变量的多元回归模型:

    5.2.2模型的求解

    将附件二会员信息数据的信誉值排名前20%的会员定义为VIP会员,后80%定义为普通会员。

    考虑到每个任务点与所有会员的距离都不同,因此计算每个任务点到所有会员位置的距离。

    根据会员与任务2个经纬度点,计算这2个经纬度点之间的距离:

    其中:

    其中: 为地球半径,可取平均值6371km; , 表示两点的纬度; 表示两点经度的差值。

    得到任务距离小于5km的会员总人数和VIP会员人数与会员总人数之比。如下表:

    将表格5-1中得到的变量与附件一中提取的已完成任务的数据进行合并,得到任务完成情况都为1的样本变量,然后进行多元线性回归的求解。

    建立以任务价格为因变量与5km内会员个数、会员占比、会员限额、城市为自变量的多元线性回归模型。

    由上表可得:会员个数的系数为负,说明会员个数越多,任务的定价越低,其他类似;城市以东莞为基础,佛山的系数为正,广州和深圳的系数为负,说明佛山的任务定价最高,深圳的定价最少。F统计量p值小于0.001,说明模型是显著的。调整后的可决系数为31.59%,说明所选择的自变量可以解释31.59%的Y。

    5.2.3模型的预测

    运用R语言利用建立的模型针对任务一中未完成任务的定价进行预测分析,得到一组预测值,这个预测值就是新的定价方案。

    对原有方案与新的定价方案进一步比较,分别对附件一中未完成任务定价与新定价方案的预测数据进行统计整理,分别得到两种方案的任务定价分布:

                                 图5-7 两种方案的任务定价分布对比

     通过对两组分布图的对比,发现原始方案未完成任务定价普遍较低,而新的定价方案近似服从正态分布,基本上说明新的方案定价更加合理。再分别计算出两种方案的完成率和任务的成本均值,对两种方案进行比较。

    通过比较得出新方案比原方案的完成率提高了11.87%。原方案的成本为57552.5,新方案的成本为57488.9,成本降低了63.6元

    5.3问题三的模型建立与求解

    5.3.1 制定打包规则

    (1)根据附件一的任务位置信息和附件二中会员位置信息的分布情况如下:

                               图 5-8 任务位置与会员位置地理位置分布

    从图可以看出,任务位置比较集中,且与会员位置与会员的重叠部分较多,这将会导致多个会员对同一个任务的竞争比较激烈,也会导致一个会员同时做多个任务,这都说明对任务进行打包是很有必要的。

    (2) 计算每个会员到每个任务的距离, 表示第i个会员到第j个任务的距离。

    (3) 结合每个会员任务限额相,构造任务分配系数:

    若会员i的任务限额越大,且距离任务j的距离较小,第j个任务越可能分配给会员i。则此时的 较大。若 相同,任务则分配给信誉度高的会员。

    结合附件二和附件一数据中会员任务限额和会员位置与任务位置之间的距离 带入打包系数得到下列表格(节选):

    (4)打包的任务数不能大于任务限额,且对打包系数进行求和得最大值,由此建立约束条件:

    通过约束条件可以将任务进行打包,但原有的定价不适合任务打包后的现状,所以需要建立新的定价模型。由于打包的任务数不同价格也不尽相同,对此建立如下模型:,其中:

    5.4问题四的模型建立与求解

    运用问题三打包原理对附件三的数据进行打包发布,并对打包后的任务定价进行预测分析。

    5.4问题四的模型建立与求解

    运用问题三打包原理对附件三的数据进行打包发布,并对打包后的任务定价进行预测分析。

    将附件三的数据,按照不进行打包直接发布,和打包后再发布进行对比分析。

    图表 5-9两次方案任务定价总值比较

     完成度相同情况下,打包发布成本更低,因此对于企业来说,打包发布方案更加合理。

     

    六、模型的评价,改进与推广

    6.1模型的优缺点

    6.1.1 模型的优点

    (1)文章的原创性强,文章中的大部分模型都是自行推到建立的。

    (2)解决问题二时选用已完成任务作为训练集,建立多元线性回归模型,针对未完成任务进行预测,得到预测值作为新的任务定价,从而大大提高了整体任务完成率。

    (3)解决问题时,由于数据量过大,不便于统计分析,于是充分利用R语言和Excel对数据进行处理,减少了运算量,增加了结果的可信度。

    (4)通过对问题的分析,合理地将问题进行模块化处理,使问题明朗化,并在一定程度上将其进行了简化。

    6.1.2模型的缺点

    (1)进行研究时,不能将所有的影响因素纳入计算,依然存在统计偏差。

    七、参考文献

    [1]薛薇,基于R的统计分析与数据挖掘,北京:中国人民大学出版社,2014.4

    [2]王汉生,应用商务统计分析,北京大学出版社,2008.1

    [3]叶其孝,姜启源等译,数学建模,北京机械工业出版社,2014.10

    [6]马莉:MATLAB 数学实验与建模,清华大学出版社2010年版

    [7]束金龙、闻人凯,柴俊:线性规划理论与模型应用,科学出版社2007年版

     

    八、附录

    问题一

    1.任务定价规律

    install.packages("readxl")

    library(readxl)

    task=read_xls("附件一:已结束项目任务数据.xls")      ##读取附件一数据

    summary(task)

    hist(task$任务标价,ylim=c(0,350),ylab="任务数量",xlab="任务标价",main="",col="lightblue")                           ##直方图

    2. 未完成因素分析

    a=factor("未完成","完成")

    boxplot(task$任务标价~task$任务执行情况,xaxt="n",ylab="任务标价",xlab="完成情况",col="lightblue")axis(1,at=c(1,2),labels=c("未完成","完成"))                                          ##箱线图

    问题二

    1.衍生变量的生成

    require(geosphere)

    member=read_xlsx("附件二:会员信息数据.xlsx")             ##读取附件二数据

    ###############################数据预处理######################

    summary(member)

    outliers=member[round(member$lon,2)==23.03,]

    newmember=member[member$会员编号!="B1175",]             ##删除异常值

    summary(newmember)

    #################################衍生变量######################

    number=data.frame()

    for(i in 1:dim(task)[1]){

    show(i)

    i=1

    single_distance=data.frame()

    for(a in 1:dim(newmember)[1]){

    data=as.matrix(rbind(task[i,2:3],newmember[a,2:3]))

    distance=distm(data,fun=distVincentyEllipsoid)

    single_distance[a,1]=distance[1,2]

    }                                                   

    single=cbind(newmember,single_distance)              ##附件一中某任务与所有会员的距离

    a2=single[single$V1<5000,]

    number[i,4]=nrow(a2)                                 ##任务5km内会员数

    number[i,5]=mean(a2[,7])                             ##高级会员数

    number[i,6]=sum(a2[,4])                              ##任务配额总数

    head(number)

    write.csv(number,"衍生变量.csv",row.names=F)

     

    R语言建立价格与5km内会员个数、5km会员占比、5km会员限额、城市的模型

    getwd()

    library(readxl)

    data1=read_excel("F:/衍生变量全.xlsx")

    data=data1

    str(data)

    data$城市=as.factor(data$城市)

    data$会员占比=as.numeric(data$会员占比)

    data[,1]=scale(data[,1],center=T,scale=T)

    data[,2]=scale(data[,2],center=T,scale=T)

    data[,3]=scale(data[,3],center=T,scale=T)

    data[,4]=scale(data[,4],center=T,scale=T)

    xunlian=data[data$任务执行情况=="1",]

    ceshi=data[data$任务执行情况=="0",]

    str(ceshi)

    model=lm(任务标价~.-任务执行情况,data=xunlian)

    summary(model)

    yuce=predict(model,ceshi)

    sd=sd(data1$任务标价)

    mean=mean(data1$任务标价)

    yuce=sd*yuce+mean

    head(yuce)

    ceshi_1=data1[data1$任务执行情况=="0",]

    yuce=cbind(ceshi_1,yuce)

    head(yuce)

    sum(yuce$yuce)

    sum(yuce$任务标价)

    预测分析

    hist(data$任务标价,xlab="原始任务定价",ylab="任务数量",col="lightblue",ylim=c(0,200),main="")

    hist(yuce$yuce,xlab="预测任务定价",ylab="任务数量",col="lightblue",ylim=c(0,200),main="")

    问题四

    第四问任务与任务间的距离

    install.packages("readxl")

    library(readxl)

    require(geosphere)

    task=read_xls("附件三:新项目任务数据.xls")

    dim(task) 

    task1=data.frame(task[,3],task[,2])

    summary(task)

    str(task1)   

    distance=distm(task1,fun=distVincentyEllipsoid)

    head(distance)

    write.csv(distance,"第四问任务与任务间的距离.csv",row.names=F)

    打包

    setwd("C:/Users/lenovo/Desktop/数学建模/B")

    data1=read.csv("第四问任务与任务间的距离.csv")

    data=data1

    dim(data)

    dabao=data.frame()

     

    for(i in 1:15){

    show(i)

    a=data[data[,i]<1000,]

    a1=nrow(a)

    if(a1<=7){

    a1=a1

    a3=row.names(a)

    } else {

    a1=7

    a2=paste(row.names(a[1:7,]),collapse=" ")

    a3=row.names(a[1:7,])

    }

    dabao[i,1]=a1

    dabao[i,2]=a2

    a3=as.numeric(a3)

    data=data[-a3,]

    }

    dim(dabao)

    write.csv(dabao,"打包bucf.csv",row.names=F)

    任务与会员间的距离

    install.packages("readxl")

    library(readxl)

    require(geosphere)

    task=read_xls("附件三:新项目任务数据.xls")

    dim(task) 

    task1=data.frame(task[,3],task[,2])

    summary(task)

    str(task1)   

    member=read_xlsx("附件二:会员信息数据.xlsx")             ##读取附件二数据

    summary(member)

    outliers=member[round(member$lon,2)==23.03,]

    newmember=member[member$会员编号!="B1175",]             ##删除异常值

    summary(newmember)

    number=data.frame()

    names(task1)=c("lon","lat")

    dim(task1)[1]

    for(i in 1:2066){

    show(i)

    single_distance=data.frame()

    for(a in 1:dim(newmember)[1]){

    data=as.matrix(rbind(task1[i,1:2],newmember[a,2:3]))

    distance=distm(data,fun=distVincentyEllipsoid)

    single_distance[a,1]=distance[1,2]

    head(single_distance$V1)

    number[1:1876,i]=single_distance$V1

    }

    dim(number)

    write.csv(number,".csv",row.names=F)

    展开全文
  • 拍照赚钱任务定价分析 摘要 随着现代科技的高速发展现在的智能手机功能越来越多样化手机的像素也越来 越高拍照也从数码相机过渡到了手机手机不仅仅可以拍怕生活照风景照人们也 意识到手机拍照也是可以用来赚钱的...
  • 2017年全国数学建模比赛B题论文,主要应用工具为MATLAB、SPASS、数据库等数值分析、数据分析软件
  • B题 “拍照赚钱”的任务定价 Author:YXP Email:yxp189@protonmail.com 更多数模赛题: Amoiensis-CUMCUM https://github.com/Amoiensis/Mathmatic_Modeling_CUMCM 赛题+论文+代码+思路 Amoiensis-Github ...

    2017 高教社杯全国大学生数学建模竞题

    B题 “拍照赚钱”的任务定价

    Author:YXP

    Email:yxp189@protonmail.com


    更多数模赛题:

    Amoiensis-CUMCUM

    https://github.com/Amoiensis/Mathmatic_Modeling_CUMCM


    赛题+论文+代码+思路

    Amoiensis-Github

    https://github.com/Amoiensis/Mathmatic_Modeling_CUMCM/tree/master/CUMCM2017/Problem-B


    附件:

    附件一:已结束项目任务数据

    附件二:会员信息数据

    附件三:新项目任务数据

    (如有需要请和笔者取得联系)


    赛题

    “拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP,注册成为APP的会员,然后从APP上领取需要拍照的任务(比如上超市去检查某种商品的上架情况),赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台,为企业提供各种商业检查和信息搜集,相比传统的市场调查方式可以大大节省调查成本,而且有效地保证了调查数据真实性,缩短了调查的周期。因此APP成为该平台运行的核心,而APP中的任务定价又是其核心要素。如果定价不合理,有的任务就会无人问津,而导致商品检查的失败。

    附件一是一个已结束项目的任务数据,包含了每个任务的位置、定价和完成情况(“1”表示完成,“0”表示未完成);附件二是会员信息数据,包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额,原则上会员信誉越高,越优先开始挑选任务,其配额也就越大(任务分配时实际上是根据预订限额所占比例进行配发);附件三是一个新的检查项目任务数据,只有任务的位置信息。

    要求


    请完成下面的问题:

    1. 研究附件一中项目的任务定价规律,分析任务未完成的原因。

    2. 为附件一中的项目设计新的任务定价方案,并和原方案进行比较。

    3. 实际情况下,多个任务可能因为位置比较集中,导致用户会争相选择,一种考虑是将这些任务联合在一起打包发布。在这种考虑下,如何修改前面的定价模型,对最终的任务完成情况又有什么影响?

    4. 对附件三中的新项目给出你的任务定价方案,并评价该方案的实施效果。

     


    ATTENTION

    Please feel free to contact with me for any questions, thank you!

    Please don't spread the files without permission!

    未经允许,请勿转载!

    本博客所有内容仅限于学习交流使用!

    展开全文
  • 基于折减方法与博弈论的“拍照赚钱任务App定价问题研究.pdf
  • #资源达人分享计划#
  • B题 “拍照赚钱”的任务定价拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP,注册成为APP的会员,然后从APP上领取需要拍照的任务(比如上超市去检查某种商品的上架情况),赚取APP对任务所标定的...

    2017年高教社杯全国大学生数学建模竞赛题目

    (请先阅读“全国大学生数学建模竞赛论文格式规范”)

     

    B  “拍照赚钱”的任务定价

    “拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP,注册成为APP的会员,然后从APP上领取需要拍照的任务(比如上超市去检查某种商品的上架情况),赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台,为企业提供各种商业检查和信息搜集,相比传统的市场调查方式可以大大节省调查成本,而且有效地保证了调查数据真实性,缩短了调查的周期。因此APP成为该平台运行的核心,而APP中的任务定价又是其核心要素。如果定价不合理,有的任务就会无人问津,而导致商品检查的失败。

    附件一是一个已结束项目的任务数据,包含了每个任务的位置、定价和完成情况(“1”表示完成,“0”表示未完成);附件二是会员信息数据,包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额,原则上会员信誉越高,越优先开始挑选任务,其配额也就越大(任务分配时实际上是根据预订限额所占比例进行配发);附件三是一个新的检查项目任务数据,只有任务的位置信息。请完成下面的问题:

    1. 研究附件一中项目的任务定价规律,分析任务未完成的原因。
    2. 为附件一中的项目设计新的任务定价方案,并和原方案进行比较。
    3. 实际情况下,多个任务可能因为位置比较集中,导致用户会争相选择,一种考虑是将这些任务联合在一起打包发布。在这种考虑下,如何修改前面的定价模型,对最终的任务完成情况又有什么影响?
    4. 对附件三中的新项目给出你的任务定价方案,并评价该方案的实施效果。

    附件一:已结束项目任务数据

    附件二:会员信息数据

    附件三:新项目任务数据

     

    问题解决:

    emmmm这全是小组内成员的思路,并没有上网搜索,如需参考更优秀的论文需自己再去搜索

     

    下载链接:

    链接: https://pan.baidu.com/s/1Tg-cuSOQq1YK3YAqgdpC4Q

    提取码: 4xrm

    展开全文
  • ( : ( : 赛区评阅编号 由赛区组委会填写 赛区评阅编号 由赛区组委会填写 2017 2017年高教社杯全国大学生数学建模竞赛 年高教社杯全国大学生数学建模竞赛 承诺书 承诺书 我们仔细阅读了全国大学生数学建模竞赛章程和...
  • 基于合理的任务定价提高任务的完成率的目的。采用以会员能力与信誉度的综合量化值作为基,利用高斯分布函数特有的性质来计算出权重,插值计算出等价高斯效能分布图的方法,提出任务位置在等价高斯效能分布图中的高斯...
  • 数学建模论文,已获山东省二等奖,用到了matlab(附代码)和spss ,用于交流学习,严禁抄袭.....................................................................
  • 2017数学建模B题 拍照赚钱。本题主要分析“拍照赚钱定价规律与设计定价方案。根据附件中已知的数据,利用matlab对数据进行处理从而建立优化模型,分析原定价规律与新定价方案的合理性
  • 基于多维度空间分配算法实现APP任务定价 基于多维度空间分配算法实现APP任务定价 摘要 一、问题重述 1.1 问题引言 1.2 题目数据及信息说明 1.3 提出问题 二、问题分析 2.1 问题的总体分析及思维导图 2.2 问题...
  • 拍照赚钱APP

    千次阅读 2018-09-17 01:55:09
    当今时代网络的快速发展使得互联网自主服务成为流行趋势,“拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP,注册成为APP的会员,然后从APP上领取需要拍照任务,赚取APP对任务所标定的酬金。这种基于...
  • 用户下载 APP,注册成为 APP 的会员,然后从 APP 上领取需要拍照任务(比如上超市去检查某种商品的上架情况),赚取 APP 对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台,为企业提供各种商业检查和...
  • 这个想法是在某些区域中定义一些特定的任务位置,每个任务都有特定的奖励,以激励人们拍照。 在整个活动过程中预算有限的情况下,我们对如何动态确定每个任务的奖励感兴趣,从而实现了竞选目标,例如,使收集的图片...
  • 自己组建立的模型,希望能给你一些思路,同时也希望大家提出改进建议
  • 在网店掌柜大赚特赚网购者的钱时,谁从网店掌柜口袋里赚钱?  随着近年来以淘宝为代表的电子商务的迅速发展,让越来越多的人通过淘宝这个平台赚到了钱。有一群人,他们不卖东西,却可以月收入过万;他们不卖产品,只...
  • 2017 高教社杯全国大学生数学建模竞赛 B 题评阅要点:本题来源于实际问题,要求对“拍照赚钱”项目中的任务进行定价,使得任务对 会员有吸引力而不至于被会员所放弃,特别是那些处在比较偏远位置的任务
  • 2017年目标任务

    2017-04-06 09:36:00
    1. 项目管理的培训和考试。 (牛皮吹大了就不好收场了) 2.产品的设计指南和制图标准 3.电阻的原理 4.VSM 5.牛皮吹大 6.将发生的问题汇总做分析,觉得住这心。 7.问题的解决力。 转载于:...
  • 10.25~10.30任务

    2016-10-29 16:46:17
    三道11年noip。vijos1738,1740,1741

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 394
精华内容 157
关键字:

拍照赚钱的任务定价