众包按需服务中考虑偏好的补偿策略

众包按需服务在按需配送场景中具有降低成本、加快服务履行时间、增强适应性以及促进可持续城市交通等优势。然而，利用众包的按需平台的成功，取决于找到一种能够在为众包工作者提供有吸引力的报酬与确保盈利之间取得平衡的补偿策略。在这项工作中，我们研究了一个按需平台的动态定价问题，该平台在离散时间框架内为众包工作者设定特定于请求的补偿，其中请求和工作者随机到达。运营者的目标是确定一个补偿策略，以最大化整个时间范围内的总期望回报。我们的方法引入了明确考虑众包工作者请求偏好的补偿策略。为此，我们采用多项 Logit 模型来表示众包工作者的接受概率，并由此推导出一个利用决策后状态的解析解。随后，我们将此解集成到一个近似动态规划算法中。我们将我们的算法与基准算法进行比较，包括基于公式的策略和由完全信息线性规划解提供的上界。我们的算法在不同设置下表现出一致的性能，基于完全合成数据，在同质众包工作者群体中比基准算法至少提高了 2.5-7.5%，在异质群体中提高了 9%。对于真实世界数据，在弱位置偏好场景中超越基准 8%，在强位置偏好场景中超越 20%。