权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

支持工作者位置隐私保护的众包质量控制模型

新兴的基于位置众包,为了任务质量控制,要求工作者提交任务结果时向发布者公开位置信息.大量位置隐私的暴露,会增大工作者遭受攻击的风险.本文针对众包系统,提出基于空间和时间维度的模糊化方法,明显增加攻击者所获信息的不确定性,从而达到保护工作者位置隐私的目的.通过理论分析及实验测试,证明模糊化方法不会造成发布者质量控制能力的显著下降.实验结果表明:1)任务完成质量普遍较高时,不需要工作者位置信息,发布者也能够控制众包质量;2)工作者误差率较高、Spammer较多时,工作者位置信息有助于质量控制,而且对位置的隐私保护不会削弱众包质量控制能力.     

基于微分博弈的网络众包违约风险控制机制研究

本文以平台和参与者(雇主和服务商)组成的网络众包系统为研究对象,基于微分博弈理论构建了众包交易过程中平台的违约监管行为和参与者的违约控制行为的博弈模型,研究了双方在独立决策情形、平台激励下的Stackelberg博弈情形和双方一致决策情形下的不同博弈策略.研究表明,当满足一定条件时,从众包平台和参与者的独立决策情形到众包平台激励下的Stackelberg博弈情形,再到双方一致决策情形,平台和参与者的收益以及众包系统的总体收益都呈增加趋势.众包平台可以通过设计激励机制和监管机制影响双方收益率来降低参与者的违约风险,合理选择最优的策略行为,实现帕累托改进.另外,本文基于猪八戒等网络众包平台的调查分析进行了参数设置,通过数值分析验证了所构建的理论模型.     

考虑工人参与意愿影响因素的竞争式众包任务推荐方法

竞争式众包中,有效的任务推荐成为亟欲解决的问题.传统任务推荐仅依据工人对任务的投标记录构建任务推荐方法,但工人对任务的投标与否本质上是由工人的参与意愿决定.针对竞争式众包特性,本文提出一种考虑工人参与意愿影响因素的竞争式众包任务推荐方法.该方法基于工人参与意愿影响因素研究,从工人维度和发包方维度将工人的参与意愿影响因素表示为工人的收益偏好、素质能力以及对发包方的信任,并结合工人历史行为记录以及相关描述信息对各维度影响因素进行衡量.在此基础上构建工人模型,并综合各维度影响因素相似度借助协同过滤算法生成推荐列表.通过一品威客众包平台中真实数据的实验表明,本文提出的推荐方法能够更有效地对竞争式众包任务做出推荐.     

基于前景理论和区间二元语义MULTIMOORA的多属性决策方法

针对属性值为不确定语言,属性权重为部分已知或完全未知的多属性决策问题,提出一种新的决策方法。运用前景理论计算出每个属性的二元语义前景值,建立二元语义前景决策矩阵。在考虑主、客观影响因素的基础上,构建属性权重优化模型,得到属性的综合权重。基于区间二元语义对MULTIMOORA进行扩展,并对方案进行排序。在此基础上,运用占优理论得到方案的最终排序。最后,通过算例验证了该方法的可行性与有效性。     

双智能体协作学习的众包物流任务分配模型

线上线下融合的新零售模式提高了对最后一公里配送的运输要求,众包物流作为新的物流运输模式,在最后一公里配送中扮演了重要角色.通过合理的任务分配方式来提升众包司机与任务之间的匹配效率,成为提升平台运营能力的重要手段.本文以最小化众包司机运输成本为目标,基于深度强化学习提出了一种双智能体协作学习的众包物流任务分配模型.在强化学习的框架下,司机选派智能体学习从司机池中选派一位合适的众包司机,随后任务分配智能体学习从任务池中选择一项任务进行分配.本文通过数值实验验证了所提方法的有效性.相较于单智能体方法和传统启发式算法,该方法可以得到更好的任务分配结果,同时较短的计算时间能够满足众包物流平台线上运行的需求.     

不同风险偏好下两类众包机制最优决策

研究固定悬赏金额的众包任务中,在发布者最大化任务总质量和最高质量两类目标机制下,解答者风险偏好对发布者获得质量和解答者期望效用的影响。首先,用完全支付拍卖模型求解不同风险偏好下,解答者期望效用和发布者获得质量。其次,运用Stackelberg博弈的方法对两种目标机制的最优决策进行求解及比较分析,发现在两类目标机制中均有:解答者期望效用随解答者人数(风险偏好)的增加而减少(增加),发布者获得的解答质量随解答者人数(风险偏好)的增加而增加;但当解答者数量无穷大时,两者均趋于定值。然后,使用Taskcn.com网站数据对模型的推论进行检验,除推论5、推论6被部分支持外,其他推论均获得显著支持。最后,拓展研究表明随着参与经验的积累,解答者的风险偏好显著变小。     

众包模式中面向创新任务的知识型人才选择

网络众包作为企业开放式创新的一种崭新模式,近年来得到迅速发展,然而,信用体系不健全、过度竞争等问题成为制约其快速发展的瓶颈。为此,建立了面向众包任务的知识型人才选择机制,构建了知识型人才指标评价体系,采用基于TOPSIS的多指标决策算法,对人才的任务完成能力进行有效的评估,从而为企业选择适合的人才提供支持。这样既增强企业参与众包的意愿,同时有效避免了人才的过度竞争,减少人力资源浪费,保障了众包这种开放式创新模式得以持续健康发展。     

基于多Agent的多无人机协同决策算法仿真平台设计

无人机协同作战的相关算法概括起来可以分为两类:一种是用于为无人机指明"往哪飞"的任务分配相关算法,另一类是用于确定"如何飞"的路径规划相关算法。首先针对这两大类协同算法归纳出相应的抽象数学模型,然后以此为依据确定无人机Agent的各决策模块的内部结构和彼此之间的交互接口,以及对外提供的扩展"钩子";然后在此基础上,利用多Agent技术搭建了无人机协同作战算法仿真平台UAVSim,以模拟从任务分配到路径规划的协同全过程。整个平台采用分层的体系结构,将算法、内核和显示完全分离。平台中参与模拟的无人机个体都用单独的Agent表示,每个Agent遵循统一的协作框架,同时可根据特定的协同算法动态配置其决策模块。     

基于满意度函数的群决策排序方法

针对层次分析法中决策成员对决策元素的两两比较判断值与群体偏好值往往会偏离的情形,提出基于满意度函数的群体决策排序方法.该方法利用基于离差的满意度函数,通过建立偏好度集结的目标规划来确定层次分析法中的属性权重.该方法能避免目前多数研究中仅将决策成员当成信,包提供者的情况.还能解决判断值缺失下的群体偏好度集结问题与决策成员的不同权重问题.最后给出一个具体的算例证明该方法有效.     

互联网平台下基于众包的供应链订货策略

众包供应链(CSC)作为一种以“互联网+”为背景的新型供应链,正成为当今研究的热点。基于互联网平台,将众包设计环节嵌入到供应链中,建立了整个众包供应链多周期基本订货模型。在此基础上,考虑到互联网众包平台具有开放式的多频快速交付设计的特征,引入资金周转时间价值影响因子,将多周期模型扩展到基于快速周转的时间价值模型,并对模型进行了分析;考虑到众包供应链实施和落地的前提条件,进一步探讨众包供应链制造商对众包设计产品的生产规模和零售商风险规避的影响,提出了基于风险厌恶的最小生产批量的供应链订货策略,并对该策略进行了优化和对比分析,得出在互联网平台下基于众包设计的各个模型策略最优订货量,以及对制造商和零售商有效协调的实施条件。通过多重激励契约设计,实现了互联网平台下对众包设计者、制造商和零售商之间多重协调,使得众包供应链达到Pareto最优。最后,通过算例对模型和策略对比分析和敏感性分析,进一步证实了该新型策略的可行性和实用价值。     

一种基于群体语言判断矩阵的群决策问题的二元语义解法

针对群决策中专家给出的关于方案两两比较的语言判断矩阵，给出一种基于二元语义的群决策方法。在该方法中，首先将原始语言评价信息转化为二元语义形式；然后采用二元语义集结算子将每个专家给出的语言判断矩阵集结为群的评价矩阵，并利用计算二元语义非优势度的方法，给出最优方案的选择过程。最后通过一个算例说明给出的方法。     

考虑用户兴趣和能力的众包任务推荐方法

众包平台的信息过载使工人面临任务选择的困难.针对众包特征,本研究提出一种考虑工人兴趣和能力的任务推荐方法.该方法基于协同过滤推荐思想,首先通过TF-IDF技术构建考虑兴趣偏好的工人模型,然后将基于胜任力理论分析构建的工人KSAO能力集合融入到模型中,构建新的工人模型;在此基础上,利用余弦相似性、Jaccard相似性和改进的余弦相似性公式,计算工人间融合兴趣和能力的综合相似度,依此来选取近邻集并最终生成推荐.利用猪八戒网采集的数据进行实验,结果表明该方法的有效性,并通过对比实验证实该方法比传统协同过滤方法推荐效果更佳.从推荐视角丰富众包任务选择的研究,对于众包中解决信息过载、增进个性化体验等具有一定的现实意义.     

考虑语义灰度的二元语义群决策方法

针对传统二元语义方法能较好地处理关于决策对象的语言评价信息,但无法反映决策者自身对决策对象信息掌握程度的情况,结合灰色系统中灰度的思想,提出了语义灰度的概念和度量方法,设计了考虑语义灰度的二元语义算子,构建了考虑语义灰度的二元语义群决策模型并给出求解方法。该方法利用决策者给出的信息,通过计算语义灰度调整群决策中决策者的权重,并依据综合灰度计算评价结果的可信度,提出基于二次函数对决策对象进行排序的方法。最后通过实例验证了该方法的实用性、合理性和有效性。     

基于改进二元语义的评估信息融合研究

针对评估中评估结果表达形式多样不便比较分析,以及个体评估结果分散与最终评估结果统一间矛盾的存在,在此提出基于二元语义模型的评估信息融合方法,该方法利用改进的二元语义模型对数据标准化,在此基础上引入融合算子,将表达形式不同的多评估结果有效融合,最后给出评估小组的群决策结果。用该方法对海关风险评估问题进行仿真,结果表明该方法可以有效地完成评估问题中从数据预处理、数据分析到结论支持整个过程。专家数据融合的实例验证了所提出模型的可行性和有效性。     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

考虑大众活跃度的众包配送违规行为控制微分博弈研究

针对如何通过控制参与主体违规行为以防范配送过程中违规风险的问题.考虑大众活跃度分别构建了在集中式决策、分散式决策以及具有成本分担的分散式决策下的最优控制问题微分博弈模型,分析了三种情形下参与主体控制违规行为的努力水平和众包系统整体收益变化的趋势,探讨了大众活跃度、奖惩因子和分担比例等因素对参与主体控制违规行为努力水平的影响.结果表明:从分散式决策到具有成本分担的分散式决策,再到集中式决策,控制违规行为努力水平和整体收益呈递增趋势;众包平台可以通过调整奖惩因子和成本分担比例来影响大众活跃度,当活跃度在区间[0.8,1]时,分散式决策下,各参与主体控制违规行为的努力水平,接近集中决策下的控制违规行为的努力水平,违规行为数量波动趋于平缓,促使众包物流的收益整体增长.     

风险型多任务众包项目任务分配模型及应用

现有众包项目任务分配研究主要集中于单一任务以重复分配策略获取较高质量,问题相对简单。现实中项目任务需要进一步分解以降低其复杂性,再将分解后较简单的项目子任务发包给能力较强的众包者,并需要站在整个任务网络角度建立起优化模型来求解任务分配问题。本文在考虑众包工人的能力风险下,将承包者能力风险及其带来的成本纳入模型,建立了以项目工期最小化、成本最低以及承包任务人数最少为目标的多目标任务分配模型,并提出了求解优化模型的启发式算法。研究表明目标的优先级不同以及是否考虑承包者能力风险结果有较大不同,能力风险成本将增加项目总体成本,具体实例验证了该算法的有效性和优越性,本研究对众包平台任务匹配服务有一定的赋能价值。     

基于文本挖掘的众包人才能力分析北大核心CSSCI

由于众包模式中存在人才盲目参与任务竞争的问题,故需要分析众包环境下人才所需要具备的能力。同时,众包平台上出现很多人才之间进行经验交流的网上社区,面对海量的人才众包经验数据,急需通过有效的方法来获取众包人才能力。针对网上众包社区中的经验沟通交流信息,通过文本挖掘技术来分析众包人才的能力。为了从众包人才交流社区的非结构化文本中识别出能力特征,基于文本聚类的主题识别方法,将人才交流文本内的句子按其不同主题进行聚类,每一个结果簇表示某一种能力特征,采用基于关键词的聚类结果表示方法来解析每一个簇。通过对聚类结果的分析,分别确定了众包人才能力的5个方面:学习与创新能力、服务意识、在线社交能力、成就导向和竞争意识。通过实验检验了所提出方法的有效性。最后,分别分析了程序开发人才和标志设计人才的能力差异化原因。     

众包IT服务提供商评价体系构建

IT众包是IT外包在电子商务环境下的新的表现形式,建立合适的IT服务提供商评价体系是IT众包市场健康发展的必然要求。基于中国众包市场猪八戒网站中的用户评论数据和IT外包相关文献,使用理论分析和实证研究相结合的方式,提取了与IT服务提供商实力相关的若干因素,在指出平台原始评价体系的不合理之处并的同时,构建了新的评价体系。利用本文构建的评价体系,分析各类店铺在新评价体系各指标下的表现,并为其运营提出合理的建议。综合使用的理论与实证研究的方法构建评价体系,对挖掘互联网用户评论商业价值具有探索性意义。同时,研究中构建的评价体系对于完善我国众包市场功能、提升IT服务提供商运营水平具有重要意义。