孙建新，石鹏翔，吴一凡



基于遗传-RBF神经网络的“拍照赚钱”定价方案的优化

孙建新*，石鹏翔，吴一凡

（东北大学秦皇岛分校，河北秦皇岛，066004）

本文建立了一个RBF神经网络与遗传算法结合点负反馈系统。首先用RBF神经网络对商家提供的835个拍照任务进行训练，用35个数据进行测试，仿真结果验证了模型的准确性，RBF训练后形成固定的网络，之后利用遗传算法对价格指标进行优化，将任务完成率作为优化指标，最终确定了任务完成率最优的情况下的定价模型。

遗传算法；RBF神经网络；拍照赚钱

引言

“拍照赚钱”是一种流行的基于APP的自助式服务模式，用户可以通过在线领取任务，赚取该任务标定的酬金。如果任务标价合理，就能够吸引用户完成任务，从而达成互联网公司和用户的双赢。因而，如何合理地标定任务的价格成为整个APP运营中的核心问题。本文针对“拍照赚钱”的任务定价问题，用遗传-径向基神经网络对已有的定价方案进行优化，以达到最大的任务完成率。

1 RBF神经网络模型

在开始优化之前，我们首先要利用原始数据对神经网络进行训练，使其能够完成任务的分类。采用RBF神经网络对任务进行训练时，分别以会员信誉值、任务密度、任务的定价作为输入量，把任务完成情况（0/1）作为输出量。对于数据中的835个任务点，我们以前800组数据作为训练数据，后35组数据作为测试数据进行训练。

在径向基网络中，需要训练的参数有三种，分别是：隐含层中基函数的中心，隐含层中基函数的标准差，隐含层与输出层间的权值。……