简介:针对移动互联网下“拍照赚钱”的自助式服务模式,研究其任务定价规律,分析任务未完成的原因,为该项目设计新的任务定价方案并与原方案进行比较;考虑任务比较集中的位置分布和用户意愿这两个因素,利用K均值聚类法将任务进行打包分配;最后,利用前馈神经网算法给出新项目的定价方案。
简介:以2017年全国大学生数学建模竞赛B题为基础,给出对问题一的解答方案。为研究问题一中“拍照赚钱”项目的任务定价规律,我们首先考虑会员们日常生活的平均活动范围,以此作为App发布的任务可覆盖的距离,进而确定任务覆盖区域。其次,结合题目所给的App会员位置与完成任务情况数据,寻找任务定价与区域内提供的会员信息的函数关系式,表示如下:Pi=a0+a1·Ai+a2·mi+a3·di+μi,代入数据得最终的拟合函数,即:Pi=69.11+0.0544Ai-4.9223×105mi-0.1887di,最终找出任务定价规律并结合任务真实完成情况,分析任务未完成的原因。
简介:云服务市场快速增长,为了节约运营成本,提升用户满意度,云服务定价优化问题受到学术界和云服务提供商的密切关注。本文在Tiebout模型基础上提出了一种基于多元回归的云服务定价优化方法(OptimizedPricingModelforCloudServices,OPMCS)。首先分析Tiebout模型并提炼出影响云服务定价的主要因素;再结合云服务平台特征,利用多元回归建立定价优化模型。模型采用密度峰值聚类对资源进行分类以高效合理地将资源分配给用户。此外,考虑到影响定价的因素会随时间而变化,模型引入动态时间因子进行价格修正。实验结果表明,本文提出的OPMCS具有一定的可用性和合理性。