【摘 要】
：
互联网技术的发展使得越来越多的业主开始采用众包模式完成工程设计项目。任务分配作为工程设计众包的一个环节,其合理性对控制项目成本、保证项目质量十分重要。然而,工程设计项目的多专业需求特征和接包方成本信息的不对称性分别给雇佣制和招标制交易模式下的任务分配带来了挑战。本文旨在从众包实践出发,以运筹优化、机制设计方法为基础,研究工程设计众包任务分配问题,其中主要工作及贡献如下:首先,研究雇佣制交易模式下的
论文部分内容阅读
互联网技术的发展使得越来越多的业主开始采用众包模式完成工程设计项目。任务分配作为工程设计众包的一个环节,其合理性对控制项目成本、保证项目质量十分重要。然而,工程设计项目的多专业需求特征和接包方成本信息的不对称性分别给雇佣制和招标制交易模式下的任务分配带来了挑战。本文旨在从众包实践出发,以运筹优化、机制设计方法为基础,研究工程设计众包任务分配问题,其中主要工作及贡献如下:首先,研究雇佣制交易模式下的工程设计众包任务分配问题。首先考虑项目多专业技能需求特征,建立了子任务技能需求约束下最小化项目总成本的0-1整数规划模型。随后提出遗传算法进行求解,并引入剔除冗余接包方的启发式规则以对算法进行改进。最后通过建筑设计项目实例和人造数值实验,一方面验证了该方法的有效性,另一方面显示接包方规模和成本、可用时间差异性的增加可以降低项目成本。随后,研究招标制交易模式下的工程设计众包任务分配与定价问题。首先对招标制工程设计众包交易流程进行分析。随后结合任务的工作量需求和接包方可用时间信息,提出了基于克拉克机制的任务分配与定价方法,该方法可以保证接包方自愿参与并真实上报成本,同时最小化任务总成本。最后,仿真实验验证了该方法的有效性,同时实验结果显示接包方规模和成本差异的增大可以在保证中标者净收益的同时降低发包方的总支付。
其他文献
随着人工智能和多智能体技术的发展,通信受限情况下的多智能体合作问题已成为人们关注的焦点。作为一种多人合作卡牌游戏,Hanabi游戏为研究多智能体间的交互提供了一个很好的场景。通过研究玩家在游戏中如何交流,探讨玩家传递信息的方式,不仅对人工智能理论发展起到推动作用,同时也能为现实中通信受限情况下的多智能体系统协同提供解决方案。论文对Hanabi游戏中玩家如何交流进行了研究。在对Hanabi游戏进行形
宫颈细胞图像的分类和分割算法是计算机辅助宫颈细胞学筛查的重要基础。近年来基于深度学习的宫颈细胞图像分析算法以远超传统算法的效果得到了越来越多研究学者的关注。现有宫颈细胞图像分类和分割方法通常采用人工针对其他任务设计的通用网络结构,或专为宫颈细胞图像设计的特定网络结构。但由于通用结构未考虑宫颈细胞图像的特点且人工依据经验设计的网络结构存在主观偏差,精度和性能还有提升的空间。网络结构搜索以其针对特定数
随着通信技术的迅猛发展,信息安全问题受到社会各界的广泛关注。在密码学中,序列密码体制的安全性取决于密钥流,而密钥流的安全性取决于随机数发生器。随机数发生器是序列密码设计中的重要环节,如何构造安全可靠的随机数发生器具有很高的研究价值。混沌是确定性系统中存在的一种内在随机现象,具有周期无穷大、不可预测性和参数敏感性等复杂的性质,很适合构造随机数发生器。因此,设计了一种基于混沌的真随机数发生器,具体研究
随着移动互联网服务的快速发展,序列推荐系统在现代社会扮演着越来越重要的角色。一些研究表明满足三角不等式的度量学习相比于内积计算更能捕捉用户与物品之间的关系、以及用户之间的相似性和物品之间的相似性。但现有基于度量学习的序列推荐模型仍存在用户兴趣捕捉不完整、易产生度量空间冲突和无法区分负样本等问题。为解决上述问题,提出了基于多重对称度量学习的序列推荐模型,设计了四个独立模块来从用户长期兴趣、用户短期兴
关系抽取任务旨在从复杂的非结构化文本中抽取结构化的关系事实,以标记实体对之间的语义关联,是信息抽取领域重要的研究任务之一。关系抽取的结果可用于知识图谱的构建,同时也为智能对话,知识检索等人工智能领域技术提供了重要的基础支持。现有的关系抽取主要聚焦于句子级别,即抽取位于同一句中实体之间的关系。然而在真实应用场景中,大量关系事实需通过多个句子所包含的复杂相互关系中推理得到。同时,实体间可能存在的非单一
人工智能时代,机器学习在数据、模型和算力的加持下,成功推动了推荐系统、自动驾驶、机器翻译等一系列应用的成熟。现实世界中,标记样本集的获取往往成本高昂,如何充分利用无标记样本提升模型性能是一项至关重要的任务。正类和无标记样本学习（Positive and Unlabeled Learning,PU Learning）面临一种更特殊的场景,标记样本只有正样本,其余都是无标记样本。因为负样本的缺失,经典
图流是一个包含时间信息的无限边流序列。作为一种实时动态的关联数据模型,图流结合了图的关联表示性和流的连续更新性,广泛应用于大数据应用中,比如新冠疫情期间的密接分析和智慧城市的车辆监控。为了管理大规模的图流数据,图流概要技术使用基于哈希的压缩矩阵近似地存储图流,并提供和图拓扑相关的查询。然而,现有的图流概要结构均没有考虑图流时间维度信息的存储,因此无法支持时间范围查询。设计支持时间范围查询的图流概要
越来越多的图像处理任务借助计算机完成,但图像中的像素数量巨大。为解决该问题,使用超像素表示图像,一个超像素包含多个颜色和空间相似的像素。由于超像素具有良好的图像表征能力和更高的计算效率,被广泛应用于计算机视觉任务。深度学习和端到端框架在包括计算机视觉在内的各个领域取得了重大进展,然而现有超像素算法无法以端到端的方式集成到后续任务中。现有算法包括传统算法和基于深度学习的算法。前者是不可微的算法,后者
我国现行《刑法》并未把自杀行为纳入犯罪的范畴,相关法律亦没有明确教唆他人自杀行为的界定以及如何制裁和惩罚。在司法实务中通常以故意杀人罪对涉及教唆他人自杀行为进行处理。但是,理论界对于究竟应如何界定教唆他人自杀行为性质未形成统一认识,有的学者指出此行为不具有可罚性,有的则认为应纳入犯罪行为范围内。本文主要探究教唆他人自杀行为的刑法规制问题。在研究的主要路径上,对近年来频发的相约自杀案件以及造成的社会
电力系统作为能源供应体系中的重要组成部分,对国家经济发展及社会活动具有战略性意义。暂态稳定分析及预防控制为保障电力系统安全稳定运行发挥重要作用。为应对电力系统运行方式复杂多变的特点,具有强自适应能力的在线暂态稳定分析及预防控制将成为电力系统安全稳定运行必不可少的重要支柱。电力大数据和人工智能技术为其发展提供了新的契机。为此,本文围绕数据驱动在电力系统暂态稳定分析及预防控制中的应用,展开如下研究工作