摘要：使用了Google Earth对地理位置的确定，通过使用SPSS软件，得到大量的数据分析并进行对比，我们建立了任务占比完成率的模型，以及营业模式模型，考虑地域、人口结构、信誉度、时间、占比以及完成情况等因素，得到了定价的规律，并拟定出改进的定价方案。通过经纬度转换公式变成平面坐标，再通过遗传算法分析得出会员密度、接单者离任务的距离等对“一对多”问题进行定价。并得到一个更加完善的，使用范围广的定价模型。
关键词：马斯洛需求层次理论；遗传算法；坐标转换；会员密度
1 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（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。总结到实质的影响因素，人均工资（元/小时）、限制时间、会员密度、任务密度，进行价位模型的重新拟定。由于对会员数据的分析，发现会员密度会对初始的定价发生影响，对会员密度我们进行了全方位的实际分析。并且，人均工资对是否接单会有一定的影响，所以加入了人均工资变量。对此类工作的定价是一种对人的时间的购买，那这种购买需要一定的量来限制，故考虑了时间的参数。最终我们对新生成的定价方法进行了评价。
2 模型的建立
2.1模型一的建立与求解
G=（V，E）为一个有M+N个顶点的有向图其中V为其顶点集合，E为其有向边集合，顶点p0~pM-1为M个人，每个中心的任务分配能力为Ci（0≤i≤M-1）顶点V0~VN-1为N个需求点，每个需求点的需求量为Wi（0≤i≤N-1），顶点i的坐标为（xi，yi）。
目标函数的求解算法：
由于单亲遗传算法取消了传统遗传算法交叉算法代之以仅在一条染色体上操作的基因重组算法，简单化了遗传操作，提高了计算效率，也不存在“早熟”问题，文中使用单亲遗传算法来求解目标函数（1）。由于在实际的分配网络中，每个人通常只会负责与其距离较近的一定范围内的需求点，为此，本算法首先使用扩大区域覆盖方法对所有需求点进行分组。将他们划分成M个集合（对应于M个配送中心）每个集合中的元素为可能由一个人负责配送的需求点，若一个需求点处于多个集合中，则表示该需求点可能由多个人中的任何一个来完成，如下图，有三个区域（p0~p2）和20个任务点（0~19）采用扩大的集合覆盖方法对各个任务进行分组，在图中需求点6处于p0和p2的覆盖区域的交集处。则它可能由p0和p2中的任何一个提供服务，而需求点1则只能由p0提供服务。
图7 扩大的集合覆盖示意图
以上只是区域划分以及假设，实际上并没有实际的数值。据分析，打包会比分开发布的定价要低。和题二中的定价模型对比，价位会略调低，打包会提高一定的完成率。
2.2模型二的建立与求解
总结到实质的影响因素，人均工资（元/小时）、限制时间、会员密度、任务密度，进行价位模型的重新拟定。由于对会员数据的分析，发现会员密度会对初始的定价发生影响，对会员密度我们进行了全方位的实际分析。并且，人均工资对是否接单会有一定的影响，所以加入了人均工资变量。对此类工作的定价是一种对人的时间的购买，那这种购买需要一定的量来限制，故考虑了时间的参数。最终我们对新生成的定价方法进行了评价。
影响参数：月人均工资（元/小时）
任务限定时间
会员密度
任务密度
经过分析，得到数学模型：
240为工作时间8小时一个月30天，人均工资比一个月工作的时间。
可以任意输入位置，通过代码得到会员密度。
该方案能够考虑多方面因素，对这些因素进行整合，得到合理定价，通过定价结合问题二的实施方案，能够更加合理的有序的将“拍照赚钱”进行下去。
3 模型的评价与改进
优点：
我们用到的模型，考虑的因素比较全面，并且分析的比较具体。模型直观并且模型建立的有理有据，定价方案考虑的比较全面。
缺点：
有些因素想要考虑进去，但是，由于时间不足或者能力不足，并没有把其他跟多的因素考虑进去。
参考文献
[1]戴树贵.一个多物流中心配送模型及其遗传算法[J].计算机技术与发展,2008,18(2): 12-15
论文作者:陆春帆
论文发表刊物:《信息技术时代》2018年8期
论文发表时间:2019/4/9
标签：密度论文; 模型论文; 算法论文; 会员论文; 需求论文; 时间论文; 工资论文; 《信息技术时代》2018年8期论文;