基于遺傳—LSSVM算法的定價模型研究

冉慶波 李宇晗 賈寬寬 孔凡備 劉璐

摘要：“拍照賺錢”作為自助式服務方式之一，研究其合理定價，將保證企業及時有效獲取各商品真實信息，且提高任務完成度。基于此，本文利用遺傳-LSSVM算法對合理定價問題梯次遞進的進行分析研究。首先建立了基于統計分析的競爭度定價基本理論模型，分析了任務未完成的原因。其次建立了基于遺傳-LSSVM算法的定價最優化模型，確定了新的定價方案，改善了任務完成情況。采集任務完成的數據作為初始樣本集，初始化任務距離半徑R，然后結合LSSVM算法對競爭度與定價之間的關系進行訓練模擬，進而求解出未完成任務的總定價M，最后以M為目標函數，利用遺傳算法對任務距離半徑R進行逐步優化，確定最新的定價方案：R=9.8933km方案最優，較原方案，每個任務新定價平均上漲0.6元，整體上升499元，漲幅較小，且保證了所有任務全部完成。

關鍵詞：博弈論；遺傳-LSSVM算法；定價模型；競爭度

0 引言

“拍照賺錢”是移動互聯網下的一種自助式服務模式。用戶下載APP，注冊成為APP的會員，然后從APP上領取需要拍照的任務，賺取APP對任務所標定的酬金。基于移動互聯網的自助式勞務眾包平臺，為企業提供各種商業檢查和信息搜集，相比傳統的市場調查方式可以大大節省調查成本[1]，而且有效地保證了調查數據真實性，縮短了調查的周期。

1基于統計分析的競爭度定價基本理論模型

1.1 數據統計描述

對已有數據進行簡單的統計分析，發現集中在廣州市、東莞市以及佛山市等市中心周圍區域的任務完成情況較好，而未完成任務分散在離市中心較遠的區域，說明任務地理位置對任務完成有影響，任務越靠近繁華地帶，店鋪門戶越多，任務完成量就高，情況越好[4]。

1.2 競爭度定義

首先定義競爭度J，競爭度即為以某一任務Xi為圓心，以R為半徑的圓內所有會員可以預定任務的總和。

（1）

其中，n表示以xi為圓心以R為半徑的圓內會員的總數；Yj表示第j 個會員所能預定的任務量。

1.3 未完成任務分析

如圖4所示，橫坐標為為按競爭度由小至大過程中的序列號，縱坐標為任務定價：

由圖可知隨著競爭度的增加，任務定價整體呈降低趨勢，但已完成任務部分價格過高，同時，對未完成任務定價與圖4定價整體趨勢變化相比，發現未完成任務競爭度相對較小，價格相對過低，導致任務未完成。因此，任務未完成是由于任務發布位置較偏，會員相對較少，會員任務預定限額較低所導致的。

2 基于遺傳-LSSVM模型的定價方案設計

2.1遺傳算法模型的建立

根據已有的數據，認為已經完成的任務定價大部分是合理的。對已完成任務，利用遺傳算法以半徑R為自變量，以已完成任務的競爭度J為因變量，以半徑R范圍內的的總定價為目標，建立目標函數[5]：

（2）

其中，f為所有任務總價格，n為任務點總數量。

算法基本步驟如下：

a.隨機產生搜索空間內100個個體s1，s2.…s100組成初始種群S，置代數計數器t=1；

b.計算S中每一個個體si的適應度fi=f（si）；

c. 按交叉率Pc所決定的參加交叉的染色體數c，從S2中隨機選出c個染色體，配對進行交叉操作，并用新得到的染色體代替原染色體，得到群體S3。

d.按變異率Pm所決定的變異次數m，從S3中隨機選出m個染色體進行變異操作，并用新得到的染色體代替原染色體，得到群體S4[6～8]。

2.2最小二乘支持向量機模型的建立

最小二乘支持向量機（LSSVM）是專門針對線性可分的二分類問題提出的，在線性可分的最優分類超平面基礎上產生，采用結構風險最小化原則，構建分類超平面，保證分類正確的同時，使兩類樣本之間的間距最大化[9]。x（i）支持向量機 和輸入空間抽取的向量 之間的內積核概念是算法的關鍵。

本文設 ，其中， 為不同位置任務選取最優半徑時對應的競爭度取值， 是最優半徑對應的最低定價，目標函數如下：

（3）

約束條件為：

（4）

定義拉格朗日函數[11]為：

（5）

式中，拉格朗日乘子 ，對上式進行優化，則最終可得到矩陣方程如下：

（6）

將Mercer條件帶入 中，最終求得最小二乘支持向量機的決策函數為[13]：

（7）

3.1遺傳算法初次求解及數據初步篩選

遺傳算法實現過程中相關參數設置如下：變量范圍為[5，80]，種群大小為100，迭代次數為100，交叉概率為0.4，變異概率為0.2。經過多次求取，得出初步最優半徑 。

3.2遺傳算法二次求優及數據二次篩選

對篩選后的數據再次利用遺傳算法求得最優半徑R2=9.8933km。當半徑為R2時，得出其對應的競爭度，初步對競爭度與任務定價之間的關系進行處理. 表1 二次篩選濾除數據

對最終篩選得到的數據，利用最小二乘支持向量機對全部任務定價進行預測，核函數的作用是抽取競爭度取值特征，將樣本映射為高維特征空間中的向量，解決原始競爭度取值線性不可分的問題。

4結論

本文針對“拍照賺錢”作為自助式服務合理定價問題，運用遺傳-LSSVM算法對任務合理定價進行研究，最終在保證任務順利完成的前提下得出合理定價。該模型在有效的降低平臺的運營成本，提高任務完成率和會員活躍度的同時提高了會員的收益，實現的是雙贏，所以不管從會員角度還是平臺角度出發，該模型都具有一定的實用價值。。