基于遗传-LSSVM算法的定价模型研究

上传人:ji****81 文档编号:220553076 上传时间:2021-12-09 格式:DOCX 页数:7 大小:162.75KB
返回 下载 相关 举报
基于遗传-LSSVM算法的定价模型研究_第1页
第1页 / 共7页
基于遗传-LSSVM算法的定价模型研究_第2页
第2页 / 共7页
基于遗传-LSSVM算法的定价模型研究_第3页
第3页 / 共7页
基于遗传-LSSVM算法的定价模型研究_第4页
第4页 / 共7页
基于遗传-LSSVM算法的定价模型研究_第5页
第5页 / 共7页
亲,该文档总共7页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

《基于遗传-LSSVM算法的定价模型研究》由会员分享,可在线阅读,更多相关《基于遗传-LSSVM算法的定价模型研究(7页珍藏版)》请在金锄头文库上搜索。

1、 基于遗传LSSVM算法的定价模型研究 冉庆波 李宇晗 贾宽宽 孔凡备 刘璐摘要:“拍照赚钱”作为自助式服务方式之一,研究其合理定价,将保证企业及时有效获取各商品真实信息,且提高任务完成度。基于此,本文利用遗传-LSSVM算法对合理定价问题梯次递进的进行分析研究。首先建立了基于统计分析的竞争度定价基本理论模型,分析了任务未完成的原因。其次建立了基于遗传-LSSVM算法的定价最优化模型,确定了新的定价方案,改善了任务完成情况。采集任务完成的数据作为初始样本集,初始化任务距离半径R,然后结合LSSVM算法对竞争度与定价之间的关系进行训练模拟,进而求解出未完成任务的总定价M,最后以M为目标函数,利用

2、遗传算法对任务距离半径R进行逐步优化,确定最新的定价方案:R=9.8933km方案最优,较原方案,每个任务新定价平均上涨0.6元,整体上升499元,涨幅较小,且保证了所有任务全部完成。关键词:博弈论;遗传-LSSVM算法;定价模型;竞争度0 引言“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,赚取APP对任务所标定的酬金。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1,而且有效地保证了调查数据真实性,缩短了调查的周期。1基于统计分析的竞争度定价基本理论模型

3、1.1 数据统计描述对已有数据进行简单的统计分析,发现集中在广州市、东莞市以及佛山市等市中心周围区域的任务完成情况较好,而未完成任务分散在离市中心较远的区域,说明任务地理位置对任务完成有影响,任务越靠近繁华地带,店铺门户越多,任务完成量就高,情况越好4。1.2 竞争度定义首先定义竞争度J,竞争度即为以某一任务Xi为圆心,以R为半径的圆内所有会员可以预定任务的总和。(1)其中,n表示以xi为圆心以R为半径的圆内会员的总数;Yj表示第j 个会员所能预定的任务量。1.3 未完成任務分析如图4所示,横坐标为为按竞争度由小至大过程中的序列号,纵坐标为任务定价:由图可知随着竞争度的增加,任务定价整体呈降低

4、趋势,但已完成任务部分价格过高,同时,对未完成任务定价与图4定价整体趋势变化相比,发现未完成任务竞争度相对较小,价格相对过低,导致任务未完成。因此,任务未完成是由于任务发布位置较偏,会员相对较少,会员任务预定限额较低所导致的。2 基于遗传-LSSVM模型的定价方案设计2.1遗传算法模型的建立根据已有的数据,认为已经完成的任务定价大部分是合理的。对已完成任务,利用遗传算法以半径R为自变量,以已完成任务的竞争度J为因变量,以半径R范围内的的总定价为目标,建立目标函数5:(2)其中,f为所有任务总价格,n为任务点总数量。算法基本步骤如下:a.随机产生搜索空间内100个个体s1,s2.s100组成初始

5、种群S,置代数计数器t=1;b.计算S中每一个个体si的适应度fi=f(si);c. 按交叉率Pc所决定的参加交叉的染色体数c,从S2中随机选出c个染色体,配对进行交叉操作,并用新得到的染色体代替原染色体,得到群体S3。d.按变异率Pm所决定的变异次数m,从S3中随机选出m个染色体进行变异操作,并用新得到的染色体代替原染色体,得到群体S468。2.2最小二乘支持向量机模型的建立最小二乘支持向量机(LSSVM)是专门针对线性可分的二分类问题提出的,在线性可分的最优分类超平面基础上产生,采用结构风险最小化原则,构建分类超平面,保证分类正确的同时,使两类样本之间的间距最大化9。x(i)支持向量机 和

6、输入空间抽取的向量 之间的内积核概念是算法的关键。本文设 ,其中, 为不同位置任务选取最优半径时对应的竞争度取值, 是最优半径对应的最低定价,目标函数如下:(3)约束条件为:(4)定义拉格朗日函数11为:(5)式中,拉格朗日乘子 ,对上式进行优化,则最终可得到矩阵方程如下:(6)将Mercer条件带入 中,最终求得最小二乘支持向量机的决策函数为13:(7)3.1遗传算法初次求解及数据初步筛选遗传算法实现过程中相关参数设置如下:变量范围为5,80,种群大小为100,迭代次数为100,交叉概率为0.4,变异概率为0.2。经过多次求取,得出初步最优半径 。3.2遗传算法二次求优及数据二次筛选对筛选后

7、的数据再次利用遗传算法求得最优半径R2=9.8933km。当半径为R2时,得出其对应的竞争度,初步对竞争度与任务定价之间的关系进行处理. 表1 二次筛选滤除数据对最终筛选得到的数据,利用最小二乘支持向量机对全部任务定价进行预测,核函数的作用是抽取竞争度取值特征,将样本映射为高维特征空间中的向量,解决原始竞争度取值线性不可分的问题。4结论本文针对“拍照赚钱”作为自助式服务合理定价问题,运用遗传-LSSVM算法对任务合理定价进行研究,最终在保证任务顺利完成的前提下得出合理定价。该模型在有效的降低平台的运营成本,提高任务完成率和会员活跃度的同时提高了会员的收益,实现的是双赢,所以不管从会员角度还是平台角度出发,该模型都具有一定的实用价值。 -全文完-

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 办公文档 > 调研报告

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号