定价模型
以太坊工作流程有两个，一个是定价之后判断节点是否购买模型，另一个是判断是否能够成为委员会节点及是否能够合并模型。
初始化：初始参数有price(模型成本价格), credit_value(信用值), accuracy(准确率), ability_pay(支付能力), deposit(保证金), bonus(奖励金)，power(算力)，每个新加入节点都会给以上参数赋初值。每个新加入节点(新加入不允许参选居委会节点)若想参与购买模型，都必须要缴纳保证金，后续节点购买不需要保证金。
算力与准确率关系：模型训练的准确率跟算力有关，每个节点的算力都是S型曲线增长(种群增长曲线)，算力跟模型训练的准确率成正比，保证整个系统接收到的准确率是越来越高的。并且表现好的节点都是赚钱的。评价系统运行好坏的标准就是经过了10轮或者100轮之后，大多数节点是赚钱的，且整个系统的模型准确率是稳步提高的。(当某个模型准确率达到稳定时，即认为整个大的时代结束)
分配：一共设置两个奖金池，每一轮节点参与购买模型缴纳的保证金和付款作为1号奖金池；每一轮竞选居委会的节点缴纳的保证金作为2号奖金池。由于我们设置算力是逐步增加的，因此准确率也是逐步增加的，所以不考虑有节点没有贡献的情况。以合并后的模型准确率作为标准，如果本轮合并之后全局模型的准确率提高，那么系统将两个奖励池提高1.2倍，如果准确率降低但是不低于2%，则系统不做处理，否则奖励池将回收20%。每个奖励池都先按照平均分配的原则处理
一、判断节点能否购买模型的流程:
*先做一个博弈定价*
如果把购买模型的节点和卖模型的节点都看作是理性人的话，那么基于理性的收益最大化考虑，只有双方都投入真实有效的模型，那么系统才能可持续的允许下去。
设定有N个节点，然后每个节点的预期价格都是由F(x) =H(x1,x2,x3)决定，即：
预期价格 = H(是否要缴纳保证金，算力，上一轮参与购买的节点总数)
H(x) = 0.5x1 + 100x2 + (x3-5)^1/2 + C(初始定价)
做几个合理假设：
- 保证金跟节点的信用值有关，信用值不足则需要缴纳保证金，如果需要缴纳保证金，那么节点购买模型的意愿会弱一点，预期价格会低一点。
- 如果某个节点的算力较高，那么本轮购买模型的意愿就更强，预期价格就会高一点。
- 如果上一轮参与节点多，那么本轮的预期价格就下降，上一轮参与节点少，本轮预期价格就升高。
所有想要购买的节点给出价格后进行投票，取节点投票的中位数作为本轮模型价格，低于此价格的节点不购买(也就意味着有一半的节点无法购买)，奖励金先平均分配(暂定)
二、 判断委员会节点能否合并模型流程:
- 先判断准确率是否高于0.6，高于的话通过竞选并交纳保证金(防止作恶)即可成为委员会节点，进行模型合并。当合并结束后委员会节点增加信用值(暂定加5)并且给予奖励金，准确率低的话则不能参与本轮竞选
- 如果当节点信用值大于等于95时则只能增加奖励金