平台劳动者“逆算法行为”形成过程中羊群效应探讨——来自演化博弈模型及数值仿真实验的证据

平台劳动者“逆算法行为”有其自身形成及演化机制。笔者基于羊群效应理论和社会学习理论,构建了平台劳动者“逆算法行为”演化博弈模型,利用数值仿真分析方法对“逆算法行为”的形成及其演化进行了数值仿真实验。实验结果证实:羊群效应在平台劳动者“逆算法行为”及其影响因素之间发挥中介作用;平台劳动者生理与心理收益水平的提高正向影响“逆算法行为”的发生;增强平台惩罚力度不能有效抑制平台劳动者“逆算法行为”;提高负外部性水平能够正向影响平台劳动者“逆算法行为”的出现。本研究尝试性地将羊群效应理论和社会学习理论拓展到平台劳动者“逆算法行为”形成及其演化博弈模型的数值仿真实验中,揭示了“羊群效应”下平台劳动者“逆算法行为”形成及其演化机制,丰富了有关“逆算法行为”学术探究方面的相关文献,研究结论可以为平台有效防治“逆算法行为”提供理论依据。

打破技术神话:互联网用户“反算法行为”的释义、成因与特点

算法技术提高了用户获取信息的效率,同时也为用户带来“信息茧房”等不良效应,无法满足用户的多元信息需求。一些具有较高媒介素养的用户意识到算法带来的技术困扰,并开始做出“不登录”“不点赞”“不关注”及主动建构自我人物画像等“反算法行为”。通过分析算法与用户的互动及影响,进而研究用户的反算法行为,认为算法困扰是催生用户反算法行为的主要原因,体现在三个方面:个人隐私担忧、多元信息获取受阻、娱乐满足感降低。反算法行为具有惰性、隐蔽性、相对可视化、用户差异性的特点。此外,用户的反算法行为促使算法生产商做出相应调整。

重大公共卫生事件下的社交媒体用户算法抵抗行为过程研究

[目的/意义]社交媒体已经成为重大公共卫生事件信息传播的重要途径,社交媒体推荐算法对重大公共卫生事件信息传播产生重要影响。社交媒体用户通过算法抵抗行为参与社交媒体算法规则,主动调节重大公共卫生事件的信息获取。算法抵抗行为是重大公共卫生事件社交媒体信息传播中用户的重要信息行为。[方法/过程]利用扎根研究方法对25位受访者的访谈资料进行分析,划分重大公共卫生事件下的社交媒体用户算法抵抗行为过程阶段,识别不同过程阶段的影响因素,总结算法抵抗行为过程理论模型。[结果/结论]重大公共卫生事件下的社交媒体用户算法抵抗行为过程包括情景需求诱发阶段、推荐评价与体验阶段、抵抗评估与决策阶段。算法抵抗行为受到抵抗策略评估、用户素养、情感体验、推荐评价要素的直接影响以及情境压力和用户需求的间接影响。研究结果可以深化重大公共卫生事件下的社交媒体用户信息行为理论研究,为重大公共卫生事件的应急管理和舆情治理实践提供参考。

基于量子行为花朵授粉算法优化LSTM模型

针对传统花朵授粉算法(flower pollination algorithm, FPA)受初始参数影响较大、且易陷入局部最优解或算法无法收敛等问题,提出一种基于量子行为的花朵授粉算法(quantum-inspired flower pollination algorithm, QFPA).通过引入量子系统到FPA中,使授粉过程中的搜索更高效,从而提高全局搜索能力.此外,还引入轨迹分析,使种群能更好地逃离局部最优解,进一步降低误差.为验证该方法的有效性,先通过选定的几个基准函数对QFPA进行评估,然后采用评估效果最好的QFPA对长短期记忆网络(LSTM)模型超参数进行寻优,最后在用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)算法去除噪声后的空气质量数据集上进行实验,并与其他几种常用的优化算法进行对比.实验结果表明:QFPA提高了优化算法的全局搜索能力和收敛性;QFPA-LSTM模型增强了长时间序列数据预测的准确性和效率,该模型预测的均方根误差为10.93μg/m^(3),为实际应用中的空气质量预测提供了可靠的解决方案.

基于量子行为粒子群算法的舱室噪声监测点优化布置

针对舱室噪声在线监测及声场预报问题,本文提出了一种基于量子行为粒子群算法的舱室内部声监测点优化布置方法。根据研究频段范围确定所需声腔模态阶数,计算全部备选监测点位置处各阶声腔模态的声场分布,采用模态置信矩阵作为目标函数,基于量子行为粒子群算法对监测点位置进行优化,获得优化布置方案。从声腔模态采样的正交性及内外声场响应的角度与其他测点布置方案进行了性能比较。研究表明:本文方法优化得到的测点布置方案采集声腔模态信息更全面,可有效提升舱室内声场的重建精度和基于舱室内声场监测的水下辐射噪声预报精度。

基于数字经济背景下算法价格歧视行为的反垄断法律规制研究

随着互联网、云计算、区块链等信息技术的飞速发展,用户对大数据的利用不断提升,使得市场经营者的营销方式和竞争方式发生了根本性的变化。数据资源越来越重要,它对分配社会资源、促进社会生产力的发展起着不可忽视的作用。同时,利用大数据技术对用户的个人数据进行采集、分析,并利用企业与平台用户的信息不对称性,在没有合理的理由下,对同一商品或服务进行不同的定价或收取不同的费用。这一不平等现象严重地影响着市场的公平竞争,并已成为反垄断法研究的热点。因此,本文通过对数字经济背景下价格歧视行为的特殊性与规制的必要性进行分析,在此基础上提出了相应的算法价格歧视行为的反垄断法律规制路径,以便为我国市场经济的平稳发展提供一定借鉴。

大数据时代算法价格歧视行为的法律规制

在数字经济时代,算法技术广泛渗入互联网,在给用户带来一定程度便利的同时,由算法引发的侵害用户权益问题也时有出现。算法价格歧视使目标消费者产生错误的支付意愿,实际剥夺了消费者知情权和公平交易权,侵犯消费者合法权益,给经营者和消费者双方以及市场秩序带来严重负面影响。文章认为,有效规制算法价格歧视行为,可从个人信息保护和算法管理的角度出发,拓宽《中华人民共和国反垄断法》的主体范围,补充告知同意框架,设立算法解释权和算法审查委员会来提高算法透明度,适用举证责任倒置和扩大消费公益诉讼主体范围等,从而完善司法救济途径,实现算法价格歧视行为的有效治理。

人工智能算法立法的理论逻辑及其规范构造

为进一步规制因人工智能算法技术推广引发的系列法律问题,当前亟须对算法技术进行体系性立法。在法理构造层面,应当将算法立法的属性归纳为社会规制,将算法立法的对象认定为算法应用行为,并将单独立法模式作为算法立法的基本模式。在立法逻辑层面,应当秉持“算法立法的主体逻辑、算法立法的风险预防逻辑、算法立法的场景化逻辑”的原则,对人工智能算法立法进行方向上的把握。具体到规范展开层面,应从“明确算法透明度及可解释性标准、建立从审查算法技术到严控算法应用的全流程合规机制、完善算法应用者的责任界定与问责机制”三个维度予以细化。

基于改进自适应量子行为粒子群算法的交直流混合配电网协调优化方法

随着系统日益庞大,交直流混合配电网的拓扑结构与系统潮流计算将更为复杂,各单元的协调控制已成为配电网经济、稳定运行的关键,恰当的控制方案可助力各单元协调控制进一步优化。针对此问题,提出一种多时间尺度下交直流混合配电网的能量管理系统优化运行的控制策略,通过与分布式电源、蓄电池、主从换流站等本地控制相结合,使得配电网能最大限度地降低总体电能损耗和各节点电压偏差。本文首先描述交直流混合配电网系统模型,然后建立交直流混合配电网能量管理系统的优化模型,在此基础上,采用改进的自适应量子行为粒子群算法,求解能量管理系统多目标函数的优化问题,以提高算法的求解效率和全局搜索的能力。最后,为验证算法的可行性和有效性,选择33节点的算例进行仿真验证。

融合记忆模块与编解码框架的异常行为识别算法

大多基于深度学习的异常行为识别算法的主要思路是学习单一正常行为带有的特征,并在识别阶段用预测误差或重建误差判断当前帧是否存在异常行为,但由于正常行为的多样性,使得在识别阶段会对正常行为造成误判。为此,本文提出融合记忆模块与编解码框架的异常行为识别算法,通过引入记忆模块来存储多种正常行为的特征。实验表明,与最新的算法相比,本文的算法在公开数据集Avenue和ShanghaiTech Campus上的异常识别AUC分别提升了0.049和0.028。

仿生鱼算法在水下机器人通信中的应用研究

本文探索了仿生鱼行为算法在水下机器人协同通信中的应用。通过模拟鱼群的集体行为和通信机制,该算法为水下机器人提供了新思路和方法。试验验证发现,与单独采用一种通信方式相比,仿生鱼行为算法能够在水下环境中有效提高通信效率和可靠性。该研究为水下机器人的应用领域拓展和通信技术改进提供了重要参考,具有重要的理论和实践意义。

一种基于群体智能的客户行为分析算法

提出了一种基于群体智能的客户行为分析算法 .首先将客户的消费模式作为平面上的一个点随机分布于平面区域内 ;然后依据基于群体智能的聚类方法 ,选用由小到大的群体相似系数进行聚类分析 ;最后 ,在平面区域内采用递归算法收集聚类结果 ,获得不同消费特征的客户群体 .文中还提出了算法的并行策略 ,提高了算法对大数据量的适应性 .该文以电信移动客户话费数据作为实验数据 ,并将算法结果与其它经典聚类算法的结果进行比较分析 .分析结果表明 :这种基于群体智能的客户行为分析算法能够满足客户聚类和分类的要求 ,特别是在大客户分析及一对一营销中特别客户的分析方面该算法有直观。

一种基于免疫原理的自律机器人行为控制算法

生物体免疫系统是一个高度复杂的分布协调自适应系统。文章基于免疫学的细胞克隆选择学说和 Ｊｅｒｎｅ网络调节理论，介绍一种人工免疫系统模型及算法，并应用于自律移动机器人的行为控制研究，模拟实验结果表明，该算法能有效增强自律移动机器人在动态环境中的自适应能力。

基于量子行为粒子群算法的微电网优化配置

关于微电网的优化配置问题,是在功率平衡等一系列约束的前提下,以投资成本、环境因素等为目标,优化配置微电网中各微电源的数量。微电网的优化配置是一个动态多维非线性优化问题,传统的优化算法收敛速度慢,容易陷入局部最优,而量子行为粒子群算法以其搜索能力强、收敛速度快和解的精度高等特点,可以很好的求解微电网的优化配置问题。以某地的气象和负荷数据为例,在满足用户的冷热电负荷需求前提下,求解微电网的配置。结果表明,采用量子行为粒子群算法,可以得到各微电源容量的最佳配比方案。

一种求解多峰函数优化问题的量子行为粒子群算法

介绍了一种利用量子行为粒子群算法(QPSO)求解多峰函数优化问题的方法。为此,在QPSO中引进一种物种形成策略,该方法根据群体微粒的相似度并行地分成子群体。每个子群体是围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索,从而保证每个峰值都有同等机会被找到,因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进行仿真实验结果证明,基于物种形成的QPSO算法可以尽可能多地找到峰值点,峰值收敛性能优于PSO。

一种基于距离行为模型的改进微粒群算法

提出一种基于距离行为模型的改进微粒群算法,根据微粒所处区域来调整其飞行的速度。在吸引区域微粒加速飞向群体最优位置,在排斥区域按正常速度飞行。为了研究算法的性能,对几种典型高维非线性函数进行了测试。研究结果表明,与基本微粒群算法相比,改进后的微粒群算法提高了算法的收敛速度和收敛精度,改善了算法的性能。

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。

数字经济时代算法价格歧视行为的法律规制

在数字经济时代,随着互联网经营者开始使用算法技术进行定价活动,凭借对海量消费数据的掌握,进行"用户画像"后以实现"千人千面千价格"的精准营销。其中,算法价格歧视行为存在损害消费者、排挤竞争对手以及破坏竞争秩序的风险,亟需予以法律规制。然而,当前我国现有相关法律在适用范围、违法性判定要件、责任规范等方面存在不足。鉴于此,应适当拓宽《反垄断法》的主体范围,使算法价格歧视行为难逃法网;确立"形式+实质"违法审查标准,让违法性算法价格歧视行为原形毕露;构建算法价格歧视行为的"双轨"责任规范,使相关责任主体难辞其咎。

基于量子行为粒子群优化算法的河道糙率反演

糙率是河道水动力模型的重要参数,在模型中敏感性高,但其在实际工作中难以准确测定。量子行为粒子群算法(QPSO)是粒子群算法的发展,相对于粒子群算法,在全局收敛和收敛率上有很大提高。将量子行为粒子群优化算法与一维河道水动力模型耦合,建立河道糙率反演模型,并在淮河干流蚌埠到花园咀河段进行了模拟,取得了较好的效果。与其他糙率反演算法相比,该算法具有理论简单、参数少、易于编程实现、通用性强等优点。

求解非线性方程组的量子行为粒子群算法

介绍了利用量子行为粒子群算法解决非线性方程组的问题。求方程组的解归结为一个最优化问题,当方程组有多个解时,它的适应值函数就是具有多个最优解的多峰函数。为此,引进一种物种形成原理算法,该算法根据群体微粒的相似度并行地分成子群体。每个子群体是围绕一个群体种子而建立的。对每个子群体进行QPSO最优搜索,从而保证方程组中每个可能的解都能被搜索到,具有良好的局部寻优特性。对几个重要的测试函数进行仿真实验,结果证明了所用算法可以保证找到方程组所有的解,并且具有很好的精确度。