CN114066130A - 实时多代理互动决策系统 - Google Patents
实时多代理互动决策系统 Download PDFInfo
- Publication number
- CN114066130A CN114066130A CN202110713854.4A CN202110713854A CN114066130A CN 114066130 A CN114066130 A CN 114066130A CN 202110713854 A CN202110713854 A CN 202110713854A CN 114066130 A CN114066130 A CN 114066130A
- Authority
- CN
- China
- Prior art keywords
- agent
- pair
- client
- path
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computer And Data Communications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及实时多代理互动决策系统,公开了确定至少一个优先层中的代理/客户对。基于代理/客户对的客户排名为每个代理/客户对确定矩阵值。为每个代理/客户对确定互动能力参数。每个不被许可的代理/经排名的客户值的矩阵值被设置为零值。评估所有可能的互动选项。通过确定具有最高初始路径值的对路径来确定候选对路径。每个候选对路径的初始路径值基于候选对路径中的代理/客户对是紧急代理/客户对或有风险代理/客户对而减小,以得出每个候选对路径的最终路径值。基于每个候选对路径的最终路径值确定最佳路径。至少一个互动决策是基于最佳路径得出的,并被传送给最佳路径中的代理。
Description
技术领域
本公开总体上涉及自主决策系统,并且更具体地涉及支持自主决策系统的方法和相关设备。
背景技术
多代理互动决策系统(MAEDS)为其自主代理提供及时决策以吸引高价值客户。存在的MAEDS很少,因为必须存在多个客户和多个自治代理才能形成该主题,但在当今的业务中,需要多个代理的多个客户互动。随着在没有管理干预的情况下集体使用代理变得越来越普遍,协调客户互动的MAEDS对于服务成功和不失去重要客户至关重要。
MAEDS在多代理互动决策中面临几个挑战。这些挑战包括难以做出多个代理互动决策,难以及时协调多个互动决策,难以在时间和资源管理方面随着互动的发展自动调节到新的变化驱动因素,并且难以避免导致浪费代理的互动能力和互动选项减少的草率决策。
发明内容
现有的MAEDS很少。原因是MAEDS相当罕见,因为必须存在多个客户和多个自治代理才能形成MAEDS,但在当今的业务中,需要多个代理与多个客户互动。随着在没有管理干预的情况下集体使用代理变得越来越普遍,协调客户互动的MAEDS对于服务成功和不失去重要客户至关重要。
根据发明构思的一些示例,提供了一种由多代理互动决策系统中的处理器生成一组协调的互动参数的方法。该方法包括基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对,其中每个代理/客户对具有代理、客户和客户的客户排名。该方法还包括基于代理/客户对的客户的客户排名确定每个代理/客户对的矩阵值。该方法还包括确定每个代理/客户对的互动能力参数。该方法还包括将每个不被许可的代理/经排名的客户值的矩阵值设置为零值,其中不被许可的代理/客户对具有低于定义阈值的互动能力裕度。该方法还包括评估多个互动选项,其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,其中每个对路径具有用于至少一个优先层中的每个客户的代理/客户对。该方法还包括计算每个对路径的初始路径值。该方法还包括通过确定具有最高初始路径值的对路径来确定候选对路径,其中具有最高初始路径值的对路径是候选对路径。该方法还包括对于每个候选对路径,基于候选对路径中的代理/客户对是紧急代理/客户对和基于候选对路径中的代理/客户对是有风险代理/客户对而减小候选对路径的初始路径值,从而得出候选对路径的最终路径值。该方法还包括基于每个候选对路径的最终路径值确定最佳路径。该方法还包括基于最佳路径得出至少一个互动决策。该方法还包括向最佳路径中的代理发送至少一个互动决策。
本发明的构思可以实现的一个优点是,MAEDS是自治代理的实时系统,它可以为多个自治代理提供及时协调的一组客户互动决策,以便在存在动态变化的客户环境的情况下为高价值客户提供服务。及时协调的客户互动决策有利于节省代理互动能力,吸引与代理数量一样多的高价值客户(确保通过一对一服务有利于高价值客户),并灵活应对客户环境变化。客户环境动态可包括到来客户的演变、客户价值认知、互动机会、管理指令、代理资源、过去服务决策留下的互动排除、不断变化的代理和客户职位和状态以及互动紧迫性。这改进了自主代理的操作,因为使用MAEDS显著减少并在某些方面消除了导致代理互动能力浪费和互动选项减少的草率决策。
可以实现的另一个优势是,与仅依赖预先计划的互动场景并且通常为一个代理同一时间与一个客户互动而完成的当前的代理互动方法相比,MAEDS可以使用集体客户评估和意识数据提供有序的决策,而无需管理干预。
在本发明构思的一些示例中,基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对包括从状态处理器动态地获得客户的数量、代理的数量,以及对于每个客户,每个客户的客户排名;根据客户的数量、每个客户的客户排名以及代理的数量来确定至少一个优先层;并且根据客户在代理/客户对中的客户排名,将多个代理/客户对分组为至少一个优先层。
在一些示例中,作为紧急代理/客户对的代理/客户对和作为有风险代理/客户对的代理/客户对通过以下方式确定:响应于代理/客户对的互动能力参数在第一阈值和第二阈值内而确定代理/客户对是紧急代理/客户对;并且响应于代理/客户对的互动能力参数低于风险阈值而确定代理/客户对是有风险代理/客户对。
在发明构思的各种示例中,基于至少一个优先层中的代理的数量和客户的数量得出至少一个优先层的价值矩阵,其中该价值矩阵具有的行数小于或等于需要决策的代理数量并且小于或等于客户的数量。
在一些示例中,得出价值矩阵包括通过向客户的价值矩阵添加较低排名的行而使一个以上代理能够与客户互动。
在一些示例中,每个互动选项是从价值矩阵顶行中的代理/客户对到价值矩阵的每个中间行中的代理/客户对以及到价值矩阵的底行中的代理/客户对的对路径,其中对路径中的每个代理/客户中的每个代理和客户与对路径中的代理/客户对中的其他代理和客户不同。
在各种示例中,每个代理/客户对的矩阵值在价值矩阵的底行被设置为数值1。具有依次更高的客户排名的每个代理/客户对的矩阵值通过2N-1次幂被设置为依次更高的值,其中N是代理/客户对位于底行的矩阵值为1的价值矩阵中的行的编号。
在发明构思的一些示例中,基于高价值对路径中的代理/客户对是紧急代理/客户对和基于高价值对路径中的代理/客户对是有风险代理/客户对而减小候选对路径的初始路径值包括:对于候选对路径中的每个代理/客户对是紧急代理/客户对,将候选对路径的初始路径值减少紧急代理/客户的矩阵值;并且对于候选路径中作为有风险代理/客户对的每个代理/客户对,基于有风险代理/客户对的互动能力参数将候选对路径的初始路径值减小风险值。
在一些示例中,基于最佳路径得出至少一个互动决策包括响应于具有紧急代理/对的最佳路径并且紧急代理/对的互动能力在决策阈值内或剩余时间(time-to-go)在时间阈值内,确定紧急代理/客户对中的代理要执行的第一行动;并且响应于在最佳路径中的代理/客户对中的代理不是紧急代理/客户对,确定在最佳路径中的代理/客户对中的代理要采取的第二行动,其中最佳路径中的代理/客户对中的代理采取的第二行动是保持路线。向最佳路径中的代理发送至少一个互动决策包括响应于确定第一行动向紧急代理/客户对中的代理发送第一行动;并传输第二行动以保持对处于最佳路径中的不是紧急代理/客户对的代理/客户对中的代理的路线。
发明构思的设备和计算机程序产品示例结合了以上示例中的任一个以及发明构思的上述示例的排列。
附图说明
所包括的附图提供了对本公开的进一步理解并且被并入并构成本申请的一部分,并且示出了发明构思的某些非限制性示例。在附图中:
图1是说明集中式协调代理系统中的MAEDS的框图;
图2是示出根据本发明构思的一些方面由MAEDS执行的功能的框图;
图3是示出了根据本发明构思的一些方面的MAEDS的操作的流程图;
图4a是示出根据本发明构思的一些方面的其中许可所有代理/客户对的价值矩阵的示例的框图;
图4b是示出根据本发明构思的一些方面的价值矩阵的示例的框图,其中一些代理/客户对被禁止;
图4c是示出了根据本发明构思的一些方面的其中代理没有要配对的客户的价值矩阵的示例的框图;
图4d是示出根据本发明构思的一些方面的代理比客户多的价值矩阵的示例的框图;
图4e是示出根据本发明构思的一些方面的价值矩阵的示例的框图,其中代理比客户多以向客户设置超载代理;
图4f是示出根据本发明构思的一些方面的价值矩阵中的对路径的示例的框图;
图5a是示出根据本发明构思的一些方面的价值矩阵的示例的框图,其中一些代理/客户对被禁止;
图5b是示出了根据本发明构思的一些方面的互动能力裕度的示例的框图;
图6是示出根据本发明构思的一些示例的MAEDS的框图;
图7a和图7b是示出根据本发明构思的一些方面的MAEDS的操作的流程图;和
图8-13是示出根据本发明构思的进一步方面的MAEDS的各种操作的流程图。
具体实施方式
现在将在下文中参考附图更全面地描述本发明构思,其中示出了本发明构思的示例中的示例。然而,本发明构思可以以许多不同的形式实现并且不应被解释为限于本文阐述的示例。相反,提供这些示例是为了使本公开全面和完整,并将向本领域技术人员充分传达本发明构思的范围。还应注意,这些示例并不相互排斥。来自一个示例的部件可以默认为在另一示例中存在/使用。
以下描述呈现了所公开主题的各种示例。这些示例被呈现为教导示例并且不应被解释为限制所公开主题的范围。例如,在不脱离所描述的主题的范围的情况下,可以修改、省略或扩展所描述的示例的某些细节。
如前所述,MAEDS在多代理互动决策中面临许多挑战。这些众多挑战包括难以做出多个代理互动决策,难以及时协调多个互动决策,难以在时间和资源管理方面随着互动的发展自动调节到新的变化驱动因素,以及难以避免导致浪费代理的互动能力和互动选项的减少的草率决策。
就做出多个代理互动决策的困难而言,这些困难可包括难以整理客户互动能力的重叠区域、难以平衡代理资源限制与和最高价值客户互动的能力以及难以充分利用所有代理以便为与代理一样多的高价值客户提供服务,从而提供一对一的服务。这些是许多企业没有的挑战,因为这些企业一次只关注一个代理一个客户的互动。
对于做出及时协调多个互动决策的困难而言,当代理对客户价值的认知随着时间的推移而波动时,及时决策变得难以适应,并且存在不完整的信息。价值波动通常是由于客户环境的变化、对这些变化的认知准确性以及客户价值确定准确性而发生的。在某些情况下,客户环境可包含客户价值的虚假信息、具有不同价值的子客户的客户群或随着互动的发展而出现的服务障碍。当针对不断发展的客户需求和位置变化一次做出一个交错的互动决策时,协调决策是困难的。过去的决策可能排除未来的互动选项。
对于在时间和资源管理方面随着互动的发展自动调整到新的变化驱动因素的困难而言,变化驱动因素可包括新客户的到来、意外的障碍和客户活动以及意外的代理健康状况或资源能力。管理重新规划延迟和资源稀缺限制了对新变化驱动因素出现的互动适应性。对于具有预先规划的互动规划的系统,重新规划工作可能需要数天时间,并且可能滞后于正在进行的事件的演变。
关于避免导致代理互动能力浪费和互动选项减少的草率决策的困难而言,这种困难可导致不良的服务。通过多个代理,整个组可以获得更多策略和互动选项,以减少草率决策。多代理多客户互动与一组单代理单客户互动不同。由代理简单地划分互动空间的现有概念失去了群体互动选项的可用性,并且容易受到不断发展的互动空间边界重新定义问题的影响。
MAEDS方法因每个系统如何处理上述困难而异。做出多个代理互动决策和避免草率决策的困难涉及可使用本文描述的MAEDS系统管理的代理信息。做出及时协调的多个互动决策以及在时间和资源管理中随着互动的发展自动调整到新的变化驱动因素的困难更加困难,因为它们涉及不确定性和无常性,MAEDS系统必须适应这些不确定性和无常性,并且及时避免错过互动目标。
集中式与分布式系统。MAEDS系统的总体设计有两种设计方法。这两种设计方法是集中式系统和分布式系统。与分布式协调互动系统相比,为其代理协调互动决策的集中式MAEDS具有更小的设计难度。正如S.Noh和P.J.Gmytrasiewicz in Sanguk Noh和PiotrJ.Gmytrasiewicz在IEEE Transactions on Systems,Man,and Cybernetics-Part A:Systems and Humans的2005年9月第5期第35卷第697-707页中的“Flexible Multi-AgentDecision Making Under Time Pressure”指出,如果代理以分布式方式协调,每个代理将根据其数据以及其对其他代理的数据和行动的假设做出他的决策。分布式互动系统需要预先规划的模型和配置文件(profile),以及增加的计算资源来处理假设概率的层次树,这在时间紧迫的情况下有时可能会令人望而却步。
管理不确定性。不确定性、无常性和不完整数据对为多个代理和客户制定互动决策提出了特殊挑战。D.Waeger,J.N.Marewski和G.Gigerrenzer inSebastianDaniel Waeger,Julian N.Marewski和Gerd Gigerrenzer在2016年4月18日的期刊Applied Research in Memory and Cognition 5中的“Applied DecisionMaking With Fast-and-Frugal Heuristics”认为“在不确定的情况下,准确的决策通常不需要付出很大的努力或复杂的策略”。他们注意到使用贝叶斯概率、复杂建模、成本估计优化和复杂的加权算法的经典理性(RAT)方法,例如E.Tiantaphyllou,B.Shu,S.N.Sanchez和T.Ray in E.Tiantaphyllou,B.Shu,S.Nieto Sanchez和T.Ray在Encyclopedia ofElectrical and Electronics Engineering的1998年第15卷第175-186页中的“Multi-Criteria Decision Making:An Operations Research Approach”(加权求和,多属性决策制定问题)描述的,适用于基于完整信息的风险评估,但不适用于基于不完整信息做出的应用决策。基于简单的规则和阈值、可测量的环境参数和决策者能力的快速节俭启发式(FAFH)方法更适合以直觉、速度、透明度、成本效益和稳健性制定的决策。该方法的构建块由搜索规则、停止规则和决策规则组成。M.D.Lee和T.D.R.Cummins in Michael D.Lee和Tarrant D.R.Cummins在2004,11(2)第343-352页的Psychonomic Bulletin&Review中的"Evidence accumulation in decision making:Unifying the"take the best"and the"rational"models”指出,一个这样的FAFH,已知作为最佳(TTB)决策模型“在现实世界领域进行测试时,在决策准确性方面通常与竞争性理性模型相匹配或优于竞争性理性模型,并且这样做的速度更快,而且认知资源很少”。这些是实时自主MAEDS需要并入的属性。
管理客户环境不确定性和无常性的另一个方面是确保频繁的信息更新并在其决策制定中使用较短的历史记录。A.Veliz-Cuba、Z.P.Kilpatrick和in AlanVeliz-Cuba、Zachary P.Kilpatrick和在2005年5月第58卷的SIAM Review中的“Stochastic Models of Evidence Accumulation In Changing Environments”中指出,在不确定和无常的环境中,“理想的观察者以由环境的波动性决定的速率对先前证据进行折现,并且证据积累的动态受在平均环境时期获得的信息控制”。频繁更新和对过去客户环境历史的短暂依赖有助于适应动态环境。
对环境的适应策略。M.D.Lee和T.D.R.Cummins in Michael D.Lee和TarrantD.R.Cummins在2004,11(2),第343-352页的Psychonomic Bulletin&Review中的“Evidenceaccumulation in decision making:Unifying the“take the best”and the“rational”models”将TTB和RAT方法视为根据决策制定所需证据的不同阈值水平而变化的顺序抽样决策制定过程的两端。可以改变用于终止证据积累的阈值水平以适应互动环境和MAEDS目标。
积累强有力的证据来制定决策。D.Hausmann和in Daniel Hausmann和Damian在2008年3月第3期第3卷的第229-243页的“Sequential evidenceaccumulation in decision making:The individual desired level of confidencecan explain the extent of information acquisition”中表明,积累足够证据以做出决策的停止点与“期望的置信水平”相关。在动态互动环境中,由于信息不完整,永远无法达到硬停止点(hard stopping point)。幸运的是,客户互动通常涉及代理/客户接近,因此代理对客户的认知、他们的相对位置和活动以及客户价值确定能力随着接近和时间的推移而提高,从而增加了做出决策的信心。在动态互动环境中延长决策制定会带来更好的信息和更好的决策。
紧迫性和及时性。P.Cisek、G.A.Puskas和S.El-Murr in Paul Cisek、GenevièveAude Puskas和Stephany El-Murr在2009年9月16日29-(37)第11560-11571页的期刊Neuroscience中的“Decisions in Changing Conditions:The Urgency-Gating Model”认为,除了积累证据的强度之外,做出选择的紧迫性也有助于将决策转化为行动。在不断变化的互动环境中,这一点是代理资源减少和行动时间压力增加的交叉点。前者与代理的互动能力有关,后者与客户活动的变化和客户价值有关。MAEDS的及时性在于它对紧急事件的响应。
本文下面描述的是实时MAEDS,它提供及时协调的同步互动决策,使得节省代理能量,和与代理一样多的高价值客户互动,确保有利于最高价值客户、灵活的互动变化适应客户价值的演变、互动机会、资源限制、过去服务决策的影响、代理和客户的活动和状态以及互动的紧迫性。
图1图示了集中式协调代理系统100中的MAEDS 110的一个方面,其中代理1021到102N(统称为代理102)经由通信系统104与中央计算机106实时通信。每个代理102具有传感器系统、导航系统、引导控制、运动引擎和通信系统。代理102和客户的位置、活动和状态通过通信系统104被中央计算机106的代理和客户状态处理器108获知。中央计算机106及时确定每个实例的客户价值并向MAEDS 110提供降序的客户排名有序列表。中央计算机106可以寄存在代理102中的一个外部或代理102中的一个上。
图6是图示根据本发明构思的一些方面被配置为提供互动决策的多代理互动决策系统(MAEDS)110的元件的框图。如图所示,MAEDS 110可以包括网络接口607和收发器电路601,收发器电路601包括被配置为提供与网络代理的上行链路和下行链路无线电通信的发射器和接收器。MAEDS 110还可以包括耦合到收发器电路的处理电路603(也称为处理器)和耦合到处理电路的存储器电路605(也称为存储器)。存储器电路605可以包括计算机可读程序代码,当由处理电路603执行时,该计算机可读程序代码使处理电路执行根据本文公开的示例的操作。根据其他示例,处理电路603可以被定义为包括存储器,使得不需要单独的存储器电路。MAEDS 110还可以包括与处理电路603耦合的接口(例如用户接口),和/或MAEDS110可以并入交通工具。
如本文所讨论的,MAEDS 110的操作可以由处理电路603和/或收发器电路601执行。例如,处理电路603可以控制收发器电路601以通过收发器电路601通过无线电接口向代理102发送通信和/或经由通信系统104通过收发器电路601从代理102接收通信。此外,模块可以存储在存储器电路605中,并且这些模块可以提供指令,使得当处理电路603执行模块的指令时,处理电路603执行相应的操作。
返回到图1,代理102能够确定它自己的位置、移动并将信息传送到中央计算机106。代理102可以监视客户环境。“客户”是有价值的顾客。该客户需要代理102的全部注意力,并且在一些示例中,代理之后可能不服务任何其他客户。对于客户群,每个成员都被指定为有价值的客户。代理的任务包括获取关于客户价值和需求的数据,并通过代理和客户状态处理器108通知MAEDS 110。
MAEDS 110输出由外观处理器112和运动处理器114使用的互动决策参数。外观处理器112接收互动决策参数并通过通信系统104为每个代理102提供外观向量。运动处理器114接收互动决策参数并通过通信系统104为每个代理102提供移动向量。代理102接收外观向量和移动向量并基于外观向量和移动向量更新引导控制并相应地控制运动引擎。
MAEDS 110与多个代理102一起工作。在下面的描述中,MAEDS互动选项作为互动的一组可能的代理/客户对。MAEDS互动决策是指选择最佳互动选项并审查所需行动后的互动行动规划。
使用MAEDS 110可以实现的优点是MAEDS 110的实时新颖方面基于最新的代理和客户活动和状态自主地做出决策。MAEDS 110不需要预先规划,也不会对环境中的客户数量或健康代理的数量做出任何假设。实时方法允许重新访问互动决策,从而提供灵活的互动决策以适应服务场景中的演变。
可以实现的另一个优点是使用优先的客户“层”方法的互动决策过程的新颖方面。通过使用从第一层开始的层级方法,MAEDS 110确保在可能的情况下为排名最高的客户做出互动决策。
使用MAEDS 110的另一个优点是新颖的互动选择标准基于“紧迫性”和“风险”。因此,做出互动决策的容限、及时性和风险可以基于MAEDS互动策略和代理的完成与正被分析的层中客户的互动的能力。
可以实现的另一个优点是依赖于客户价值排名到2的幂的整数值矩阵的转换的新颖的互动选项评估。与将权重值与客户价值成比例地联系在一起的传统加权方案不同,MAEDS 110关注的是相对值(排名),而不是绝对值。在波动的客户价值环境中,客户排名更稳定,并通过最小化对绝对客户价值的依赖来提供更稳定的结果。
可以实现的其他优势是MAEDS同时解决多个代理/客户对解决方案,从而避免了从先前的顺序顾客互动决策或代理到客户集群区域承诺中排除互动选项。对所有可能的代理/客户对的互动选项的评估有利于通过调整的高排名的客户价值,所述调整基于代理/客户对的互动能力、紧迫性和成功完成服务的风险。
转到图2,显示了MAEDS功能的高水平概述。MAEDS 110接收每个代理的代理运动学和状态以及每个客户的客户和运动学的经排名的客户列表。在块201中,MAEDS 110确定层。在块203中,MAEDS 110确定许可、紧迫性和风险。在块205中,MAEDS确定互动选项。在块207中,MAEDS 110做出互动决策并将互动参数传输给代理。MAEDS为每一层重复块201、203、205和207。中央计算机106周期性地更新每个代理的代理运动学和状态以及客户的经排名的客户列表和每个客户的运动学。MAEDS 110为每次更新重复块201、203、205和207。
转向图3,说明了图2的MAEDS处理流程的进一步细节。在块301中,MAEDS处理从确定层数开始。可以通过基于需要互动决策的代理的数量将经排名的客户列表划分成多个层来确定层的数量。在块303中,MAEDS确定被分析的层中的代理和客户的数量。
客户仅根据客户价值排名被分组为“层”,其中每一层的客户数量等于需要决策的代理数量。第一层由排名最高的客户组成,其后是由排名次高的客户组成的第二层,依此类推。最后一层包含剩余的客户,它们可等于也可不等于需要决策的代理数量。以此方式,通过从第一层开始处理客户列表,MAEDS110确保在可能的情况下为排名最高的客户做出互动决策。如果不可能,则为下一层客户做出互动决策。这确保了MAEDS 110可以尽最大努力,所有代理都用于与客户互动。
如果希望让多于一个代理与客户互动并为客户提供服务,则层特征可轻松实现互动超载选项。通常当代理多于客户时使用此策略。在此特征中,使用层允许做出一些超载决策,而不会增加更多关于应该选择哪个代理的MAEDS决策复杂性。由于该层中的代理比客户多,所以只有一层。MAEDS 110获取层中将超载的客户并将这些客户附加到该层中客户列表的末尾,从而实际上具有更多客户供代理匹配。MAEDS处理的其余部分很容易适应这种策略,并及时确定最佳超载接合选项和决策。
在块305中,MAEDS 110计算每个代理/客户对的互动能力参数。制定互动决策的许可、及时性和风险基于MAEDS互动策略和代理完成与层中客户的互动的能力。
代理互动可用性裕度和完成服务裕度的时间是典型的互动能力参数,该互动能力参数用于确定层中每个代理/客户配对的许可、及时性和风险。有时使用接近客户裕度。互动能力参数的选择取决于互动目标。
当代理/客户对的互动能力裕度为正时,该代理/客户对在互动选项考虑中是被“许可”的。否则是“不许可”。
在块307中,MAEDS 110确定该层中是否存在紧急代理/客户对以及该层中是否存在有风险代理/客户对。在块309中,MAEDS 110保存紧急代理/客户对和有风险代理/客户对的标识(ID)。设置紧急标准来建立代理/客户对的互动能力何时为“紧急”。如果互动能力裕度在上阈值标准和下阈值标准的窗口内,则代理/客户对被声明为“紧急”。检查当前和下一次互动能力裕度以确保紧急声明的及时性。如下所述,代理/客户对的紧迫性用于调整互动选项的价值。
在某些方面,紧迫性标准设计受制于所使用的MAEDS策略。MAEDS策略可基于代理在一次互动后完成还是必须继续进行其他互动而有所不同。紧迫性标准可用于适应策略差异。
即使代理/客户对被许可并且紧急,该代理/客户对的互动能力裕度仍然可能比同一层中的其他代理/客户对更具风险。这是根据未来可能发生的动态事件来考虑的,例如波动的客户价值、非预期的客户活动、非预期的代理健康状况,其中低互动能力裕度可能无法支持完成该服务。如果代理/客户对的互动能力裕度低于可接受的阈值,则其被赋予非零风险水平。一方面,风险水平由0和1之间的分数风险值表示,该分数风险值与所需最小互动能力裕度的缺乏成正比。风险值设计取决于所使用的MAEDS互动策略、代理类型和互动能力。因此,可以使用其他风险水平值。
表1总结了许可、紧迫性和风险水平的确定。
表格1
许可、紧迫性、风险总结
MAEDS互动选项是互动的一组可能的代理/客户对。MAEDS互动选项是在需要互动决策的代理的层内建立的。如果在一层中还有剩余的代理需要互动决策,那么这些代理将被转移以用于下一层客户(如果有)。
在本发明构思的一些方面中,客户排名被转换成价值矩阵中的2的整数值幂,其中价值矩阵用于确定互动选项。与将权重值与客户价值成比例地联系在一起的传统加权方案不同。MAEDS关注的是相对价值(排名),而不是绝对价值。在波动的客户价值环境中,客户排名更稳定,并通过最小化对绝对客户价值的依赖来提供更稳定的结果。
在将客户排名转换为2的整数值的幂时,层中排名最低的客户获得数值1。对于每个更高排名的客户,该数值会增加下一个2的幂。因此,在价值矩阵中的4个客户定级的客户排名变为1、2、4和8。
在块311中,MAEDS 110构建层的价值矩阵。在块313中,MAEDS 110修改不可互动的代理/客户对的价值矩阵。图4a和图4b显示了一个层中4个代理和4个客户的示例价值矩阵。图4a说明了一个示例性价值矩阵,其中许可所有代理/客户对。图4b说明了一个示例性价值矩阵,其中四个代理客户对(A1C3、A2C4、A3C1和A4C4)是不被许可的。
在块305中,为每个代理/客户对计算互动能力参数。代理/客户对互动能力裕度用于确定代理/客户对许可。如果能力裕度高于最小阈值,则被许可,否则不被许可。被许可的对在价值矩阵中保留其值。不被许可的对在矩阵中的值为0。在一方面,仅具有至少一个被许可的代理/客户对的客户被用于价值矩阵中。
在互动过程中,在一层中可出现这样的情况:代理没有被许可的客户与其配对。这种情况下的价值矩阵示例如图4c所示,其中代理3没有与其配对的客户。在图4c的示例中,将保留代理3以供下一层客户使用(如果有)。如果没有更多客户,则代理3使用默认决策,即在代理3的进程中保持不变并保持监控互动机会。
图4d描绘了多代理与多客户的示例。在此示例中,有4个代理需要互动决策,但只有2个客户。在图4d中,只有一层用于建立互动选项。
图4d的价值矩阵可以按原样进行评估,也可以进行调整以在评估之前实现代理对客户的超载。
在图4e中描述了代理对客户超载的设置,其中价值矩阵的第三行和第四行对应于两个客户的数据,但具有的值与该层中排名第三和第四的客户相关联。最初的两个客户获得了更高的数值2的幂,因此现在实质上是四个客户。
应谨慎处理超载情况,因为超载意味着可能承诺更多资源来吸引同一客户。在动态变化的客户价值环境中,可以通过延迟超载直到场景中的客户数量确定或者通过不完全超载对客户的代理(例如,只重复第三行中的客户1而不是重复两个客户)来降低对客户的代理过早超载的风险。
MAEDS 110同时求解多个代理/客户对解决方案,从而避免了从先前的顺序顾客互动决策或代理到客户集群区域承诺中排除互动选项。使用所有被许可的代理/客户对组合评估互动选项,从而制定经协调的解决方案,并且解决整理客户互动能力的重叠区域的困难。
使用贪婪背包(Greedy Knapsack)算法(计算负载中的~O:N log N)评估所有可能的互动选项。在价值矩阵中使用整数值最小化计算负载。每个互动选项都是价值矩阵从上到下的路径并且由一组不同的代理/客户对组成。一个代理不能与多于一个的客户配对,并且(除了在超载情况下)一个客户不能与多于一个的代理配对。路径值(PV)是互动选项中涉及的被许可代理/客户对的值的总和。
将客户排名转换为2的幂的数值的上述方面的一个优点是PV唯一地揭示了互动选项中涉及的客户(由于2的幂的独特二元属性)。这很好地将PV限定为具有已知上限和下限的整数值。
图4f使用图4b中的矩阵说明了价值矩阵中的三个示例对路径。因此,示出了三个互动选项。路径401(条纹箭头)表示代理/客户对A1C1、A3C2、A4C3和A2C4。路径403(虚线箭头)表示代理/客户对A3C1、A4C2、A1C3和A2C4。路径405(实线箭头)表示代理/客户对A1C1、A2C2、A4C3和A3C4。路径401的初始PV是8+4+2+0=14。路径403的初始PV是0+4+0+0=4。路径405的初始PV是8+4+2+1=15。
在多个层的代理被转移到下一层的情况下,客户行可以只具有不被许可的数值项。跳过客户指示被用于反映这种情况。在跳过客户条件下,代理可以自由地跳过客户的互动选项考虑。矩阵值0用于与该客户配对的代理。
返回图3,在块315中,MAEDS 110找到具有(一个或多个)对路径的初始最高总数值路径的对路径。可以有多于一个对路径具有最高总数值。例如,在图4f中,具有初始最高总数值对路径的对路径是具有路径值15的对路径。这些对路径是具有以下代理/客户对的对路径:
A1C1、A2C2、A4C3、A3C4
A1C1、A3C3、A2C3、A3C4
A2C1、A1C2、A4C3、A3C4
A2C1、A3C2、A4C3、A1C4
A2C1、A4C2、A3C3、A1C4
A4C1、A1C2、A2C3、A3C4
A4C1、A2C2、A3C3、A1C4
A4C1、A3C2、A2C3、A1C4
MAEDS为找到所有具有最高初始点值的路径而执行的操作总结如下:
1.使用2的幂的数值表示构建层的价值矩阵。
2.对于任何不被许可的代理/客户对,将矩阵元素设置为0。
3.如果需要并且可能的话,调整对客户的代理超载。
4.列出在层中具有所有不被许可的客户的代理。该代理将被保留以用于下一层的客户(如果有)。
5.在价值矩阵上执行贪婪背包
a对于每个代理,找到一个匹配的客户。允许客户不具有匹配的被许可代理的可能性。发生这种情况时,将该客户指示为跳过客户。
b为每个可能的路径编号
c通过对所述路径中矩阵元素的值求和来计算路径值(PV)。
d按PV对路径进行排名。
e找出所有具有相同最高PV的路径。
具有最高初始PV的对路径被表示为候选对路径。当多个候选路径具有相同的最高PV时(例如图4f的示例),代理/客户对的互动能力的紧迫性被用于将向下选择细化为互动决策的最佳候选路径。
当候选对路径中存在紧急代理/客户对时,代理/客户对的紧急条件可用于确保不会通过降低候选对路径的PV来仓促做出互动决策。如果候选对路径具有不紧急的代理/客户对,则默认决策是让代理/客户对中的代理不采取任何行动而继续前进。即使该对是紧急的,如果存在不包括该对的其他候选对路径,则MAEDS互动决策并不紧急。向下选择有利于不具有紧急对的路径。这避免了单个对的紧迫性仓促推动互动决策。
对于互动能力低于所需最小值的任何候选路径,进一步减小PV值。这反映了根据客户未来可能出现的需求波动或意外变化来完成互动的候选路径的风险。一个示例中的风险值是一个从0到1的小数。
在块317中,MAEDS 110对具有紧急代理/客户对和/或有风险代理/客户对的对路径进行贬值。在块319中,选择最佳路径。贬值处理确保表示最佳路径的贬值后的最高PV候选路径具有的代理最有可能拥有足够资源来完成对客户的服务。在一层的情况下,第一个初始最高PV候选路径是最佳路径。
在块321中,MAEDS 110确定最佳路径是否具有紧急代理/客户对。当最佳路径包含紧急代理/客户对时,则必须为该代理做出互动决策以采取行动,否则该决策默认为保持原路并且不采取任何行动。该特征节省了代理资源以在服务进程中参与更广泛的场景演变。因此,如果在块323中满足决策条件,则在块325中做出互动决策。
如果在块323中不满足决策条件,则MAEDS 110在块327中确定是否只有一个代理可以与紧急客户互动。如果在块327中只有一个代理可以与紧急客户互动,则在块325中做出互动决策.
如果在最佳路径中没有紧急代理/客户对,或者当MAEDS 110做出互动决策时,MAEDS 110进行到块329。当在块323中不满足决策条件并且超过一位代理可以与紧急客户互动时,MAEDS 110同样进行到块329。
在块329中,MAEDS 110确定是否有任何代理不能与该层中的客户互动。如果在该层中不存在任何不能与客户互动的代理,则MAEDS 110在块333中生成互动参数。如果在块331中确定没有更多要分析的层,则MAEDS 110同样生成互动参数。如果有代理不能与该层中的客户互动并且在块331中确定具有更多层,则MAEDS继续分析下一层并针对每一层重复块303至333。
如果有更多需要决策的代理,则这些代理被用于下一层中的客户。这确保每个代理都有机会在客户需求列表中参与最高可能的客户需求。这确保所有代理都得到充分利用,即使在对于代理/客户对,波动的客户价值排名变化导致先前高排名的客户排名下降,并且MAEDS之前已经做出让该代理与该客户互动的决策的情况下。
MAEDS执行以找到生成决策参数以传输给代理的操作概要是:
1.对于所有具有相同最高值的路径,将它们表示为候选路径。
a.修改候选路径数值
i.同样具有紧急代理/客户对的任何候选路径在PV中减少价值矩阵中客户的2次方值。
ii.候选路径的PV减少了风险值。
c.找到最佳路径。最佳路径是第一个具有最高经调整的PV的路径。
2.做出决策
a.如果最佳路径包含紧急对,并且如果代理数量超过1,或者代理数量等于1并且互动能力在决策阈值内,或者完成服务的剩余时间在时间阈值内,则为紧急对中的代理制定决策以采取行动。
b.为紧急对中的代理确定适当的行动。行动取决于互动代理的类型。通常,这涉及代理移动或采取互动行动。
c.不紧急的最佳路径中的代理的决策是不采取任何行动而继续前进。
3.如果还有剩余的代理需要做出无法与该层中的任何客户互动的决策,则对下一层重复上述操作。
4.生成决策参数以输出到代理。
既然已经描述了MAEDS的整体操作,现在将描述MAEDS 110应该执行的操作的示例。现在将参考图7a至图7b的流程图根据本发明构思的一些方面来讨论MAEDS 110的操作(使用图6的框图的结构来实现)。例如,模块可以存储在图6的存储器605中,并且这些模块可以提供指令,使得当模块的指令由相应的MAEDS处理电路603执行时,处理电路603执行流程图的相应操作。
现在转向图7a,在块701中,处理电路603基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对,其中每个代理/客户对具有一个代理、一个客户、以及客户的客户排名。
图8说明了确定代理/客户对的方面。在块801中,处理电路603从状态处理器动态地获得客户的数量、代理的数量以及对于每个客户的客户的客户排名。例如,关于图1,处理电路603从代理和客户状态处理器108动态地获得客户的数量、代理的数量以及对于每个客户的客户的客户排名。
在块803中,处理电路603基于客户的数量、每个客户的客户排名和代理的数量来确定至少一个优先层。在块805中,处理电路603根据代理/客户对中的客户的客户排名将多个代理/客户对分组到至少一个优先层中。
返回到图7a,在块703中,处理电路603基于代理/客户对的客户的客户排名确定每个代理/客户对的矩阵值。图5a图示了基于代理/客户对的客户的客户排名的每个代理/客户对的矩阵值的示例。价值矩阵是图4b中的示例。
转向图9,块901中的处理电路603可以基于至少一个优先层中的代理的数量和客户的数量得出至少一个优先层的价值矩阵,其中该价值矩阵具有的行数小于或等于需要决策的代理的数量并且小于或等于客户数量。在块903中,处理电路603通过将较低排名的行添加到客户的价值矩阵来使多于一个代理能够与客户互动。
转到图10,当价值矩阵使用2的幂时,块1001中的处理电路603将价值矩阵底行中的每个代理/客户对的矩阵值设置为值1。处理电路603在块1003中通过幂值2N-1将具有依次更高客户排名的每个代理/客户对的矩阵值设置为依次更高的值,其中N是代理/客户对位于底行具有矩阵值1的价值矩阵中的行的编号。
返回到图7a,在块705中,处理电路603确定每个代理/客户对的互动能力参数。例如,让所有代理/客户对的服务完成的剩余时间充分为正,从而不会成为影响紧迫性的因素。让E成为代理/客户对的互动能力。在这个示例中,E与代理的能量相关联。EM表示完成服务所需的能量裕度的量。图5b说明了互动能力裕度的一个示例。
在块707中,处理电路603将每个不被许可的代理/客户的矩阵值设置为零值,其中不被许可的代理/客户对具有低于定义阈值的互动能力裕度。例如,定义阈值可以为零。换句话说,互动能力裕度必须是正值。因此,具有负值的每个代理/客户对的矩阵值被设置为零。在图5b中,代理/客户对A1C3、A2C4、A3C1和A4C4的互动能力裕度是负值。因此,代理/客户对A1C3、A2C4、A3C1和A4C4的矩阵值被设置为零,如图5a所示。
在块709中,处理电路603评估多个互动选项,其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,每个对路径具有在至少一个优先层中的每个客户的代理/客户对。图4f说明了三对路径。在图5a的示例性价值矩阵中,每个互动选项都是从价值矩阵顶行中的代理/客户对到价值矩阵的每个中间行中的代理/客户对以及到价值矩阵的底行中的代理/客户对的对路径,其中对路径中的每个代理/客户中的每个代理和客户与对路径的多个代理/客户对中的其他代理和客户不同。
在块711中,处理电路603对于每个互动选项计算互动选项的对路径的初始路径值。上面在图4f的描述中描述了计算三个对路径的初始路径值的示例。
在块713中,处理电路603通过确定具有最高初始路径值的对路径来确定候选对路径,其中具有最高初始路径值的对路径是候选对路径。在图5a的示例性价值矩阵中,最高初始路径值为数值15。可以存在许多具有最高初始路径值的对路径。
在块715中,对于每个候选对路径,处理电路603基于候选对路径中的代理/客户对是紧急代理/客户对并且基于候选对路径中的代理/客户对是有风险的代理/客户对而减小候选对路径的初始路径值,从而为每个候选对路径得出最终路径值。
转向图11,通过响应于代理/客户对的互动能力参数在第一阈值和第二阈值内而在块1101中确定代理/客户对是紧急的代理/客户对,并且通过响应于代理/客户对的互动能力参数低于风险阈值而在块1103中确定代理/客户对是有风险的代理/客户对,块1001中的处理电路603确定代理/客户对是紧急代理/客户对和代理/客户对是有风险的代理/客户对。
例如,关于图5a,第一阈值可以是0,而第二阈值可以是65。有风险代理/客户对被设置为具有低于风险阈值35的互动能力裕度的任何代理/客户对。因此,图5a中具有低于65(即,在0和65之间)的互动能力裕度的任何代理/客户对均是紧急代理/客户对,并且具有低于36的互动能力裕度的任何代理/客户对均是有风险的代理/客户对。在该示例中,由于风险阈值在第一阈值和第二阈值之间,因此有风险的代理/客户对也是紧急代理/客户对。在图5a中,紧急代理/客户对是A4C2、A3C3、A4C3和A1C4代理/客户对。风险代理/客户对是A1C4和A4C3代理/客户对。
转向图12,对于候选对路径中是紧急代理/客户对的每个代理/客户对,块1201中的处理电路将高数值对路径的初始路径值减小紧急代理/客户的矩阵值。在块1203中,对于候选路径中作为有风险的代理/客户对的每个代理/客户对,处理电路603基于有风险代理/客户对的互动能力参数将候选对路径的初始路径值减小风险值。
在图5a的示例中,作为分数值的风险值由表2定义。
表2
风险值示例
EM | 风险值 |
0<EM≤7 | 1 |
7<EM≤14 | 0.8 |
14<EM≤21 | 0.6 |
21<EM≤28 | 0.4 |
28<EM≤35 | 0.2 |
对于此示例,假设从一个MAEDS周期到下一个周期,所有代理/客户对的EM预期减少量为1。因此,任何互动选项的许可、紧迫性和风险预计不会在MAEDS周期内发生变化。
具有相应代理/客户对、初始PV、紧迫性贬值和风险值的互动选项路径如表3所示。阴影背景突出显示的是紧急代理/客户对,而具有竖条纹的是紧急和有风险代理/客户对。
表3
互动选项和价值
对初始PV进行分类使得路径的PV最高为15。这些是表4中显示的候选路径。表4中还具有按紧迫性和风险对结果进行贬值后的最终PV。
表4
候选对路径和PV
在块717中,处理电路603基于每个候选对路径的最终路径值确定最佳路径。最佳路径是路径编号19,其中最终PV最高为15。除了是最佳路径之外,这条路径还恰好包括所有具有最高EM的代理/客户对。在某些方面,当存在具有最高的最终PV的多于一个候选对路径时,选择列表中具有最高最终PV的第一候选对路径作为最佳路径。当存在具有最高最终PV的多于一个候选路径时选择最佳路径的其他方法可以是选择不具有紧急代理/客户对和/或有风险代理/客户对的候选路径,选择具有最少数量的紧急代理/客户对的候选路径,选择具有最少数量的有风险代理/客户对的候选路径,选择随机候选路径等。
在块719中,处理电路603基于最佳路径得出至少一个互动决策。对于路径编号19,由于没有紧急代理/客户对,因此无需委托代理来与任何客户互动。要做出的互动决策是所有代理将在其进程中保持不变,直到下一个MAEDS周期。
在块721中,处理电路603向最佳路径中的代理发送至少一个互动决策。
在上面的示例中,最佳路径中没有紧急代理/客户对。这并非总是如此。转向图13,其中在最佳路径中具有紧急代理/客户对,通过响应于具有紧急代理/对的最佳路径和紧急代理/对的互动能力在决策阈值内或剩余时间在时间阈值内,处理电路603基于最佳路径得出至少一个互动决策,从而在块1301中确定紧急代理/客户对中的代理要执行的第一行动。在块1303中,响应于确定第一行动,处理电路603向紧急代理/客户对中的代理发送第一行动。
在块1305中,响应于最佳路径中的代理/客户对中的代理不是紧急代理/客户对,处理电路603确定最佳路径中的代理/客户对中的代理要采取的第二行动,其中最佳路径中的代理/客户对中的代理要采取的第二行动是坚持进程。在块1307中,处理电路603发送第二行动以保持朝向最佳路径中的代理/客户对中的不是紧急代理/客户对的代理的进程。
虽然保护范围由所附权利要求确定,但可以通过多种方式实现本公开,包括但不限于根据以下条款所述的方式:
条款1.一种由多代理互动决策系统中的处理器生成一组经协调的互动参数的方法,该方法包括:基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对,其中每个代理/客户对具有代理、客户和客户的客户排名;
基于代理/客户对的客户的客户排名确定每个代理/客户对的矩阵值;确定每个代理/客户对的互动能力参数;
将每个不被许可的代理/排名客户值的矩阵值设置为零值,其中未被许可的代理/客户对具有低于定义阈值的互动能力裕度;
评估多个可能的互动选项,其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,其中每个对路径具有在至少一个优先层中针对每个客户的代理/客户对;
对于每个互动选项,计算互动选项的每个对路径的初始路径值;
通过确定具有最高初始路径值的对路径来确定候选对路径,其中具有最高初始路径值的对路径为候选对路径;
对于每个候选对路径,基于候选对路径中的代理/客户对是紧急代理/客户对并且基于候选对路径中的代理/客户对是有风险代理/客户对,减小候选对路径的初始路径值,从而得出候选对路径的最终路径值;
基于每个候选对路径的最终路径值确定最佳路径;
基于最佳路径得出至少一项互动决策;和
将至少一个互动决策传递给最佳路径中的代理。
条款2.根据条款1所述的方法,还包括:
通过以下方式确定作为紧急代理/客户对的代理/客户对和作为有风险代理/客户对的代理/客户对:
响应于代理/客户对的互动能力参数在第一阈值和第二阈值内,确定代理/客户对是紧急代理/客户对;和
响应于代理/客户对的互动能力参数低于风险阈值,确定代理/客户对是有风险代理/客户对。
条款3.根据条款1-2中任一项所述的方法,其中基于客户数量和代理数量确定至少一个优先层中的代理/客户对包括:
从状态处理器动态获取客户的数量、代理的数量,以及对于每个客户,客户的客户排名,以及
基于客户的数量和代理的数量,确定至少一个优先级;和
根据客户在代理/客户对中的客户排名,将多个代理/客户对分组为至少一个优先层。
条款4.根据条款1-3中任一项所述的方法,还包括基于所述至少一个优先层中的代理数量和客户数量得出所述至少一个优先层的价值矩阵,其中所述价值矩阵具有小于或等于需要决策的代理数量且小于或等于客户数量的行数。
条款5.根据条款4所述的方法,其中得出价值矩阵还包括通过向客户的价值矩阵添加较低排名的行,使多于一个代理能够与客户互动。
条款6.根据条款4-5中任一项所述的方法,其中每个互动选项是从价值矩阵顶行中的代理/客户对到价值矩阵的每个中间行中的代理/客户对并且到价值矩阵底行中的代理/客户对的对路径,其中对路径中的每个代理/客户中的每个代理和客户与该对路径中的代理/客户对中的其他代理和客户不同。
条款7.根据条款4-6中任一项所述的方法,还包括:
将价值矩阵底行中的每个代理/客户对的矩阵值设置为值1;和
通过幂值2N-1将具有依次较高的客户排名的每个代理/客户对的矩阵值设置为依次较高值,其中N是代理/客户对位于价值矩阵中的行的编号,所述价值矩阵的底行具有最大值1。
条款8.根据条款7所述的方法,其中基于作为紧急代理/客户对的高价值对路径中的代理/客户对并且基于作为有风险代理/客户对的高价值对路径中的代理/客户对来减小候选对路径的初始路径值包括:
对于候选对路径中作为紧急代理/客户对的每个代理/客户对,将候选对路径的初始路径值减少紧急代理/客户的矩阵值;和
对于候选路径中作为有风险代理/客户对的每个代理/客户对,基于有风险代理/客户对的互动能力参数将候选对路径的初始路径值减少风险值。
条款9.根据条款1-8中任一项所述的方法,
其中基于最佳路径得出至少一个互动决策包括:
响应于具有紧急代理/对的最佳路径并且紧急代理/对的互动能力在决策阈值内或剩余时间在时间阈值内,确定要执行的紧急代理/客户对中的代理的第一行动;和
响应于最佳路径中的代理/客户对中的代理不是紧急代理/客户对,确定要采取的最佳路径中的代理/客户对中的代理的第二行动,其中最佳路径中代理/客户对中的代理所采取的第二行动是保持进程;并且
其中向最佳路径中的代理发送至少一个互动决策包括:
响应于确定第一行动,向紧急代理/客户对中的代理发送第一行动;并且
向最佳路径中的不是紧急代理/客户对的代理/客户对中的代理发送第二行动以保持进程。
条款10.一种具有非暂时性计算机可读介质的计算机程序,所述介质包括计算机可执行指令,当在装置中包括的处理器上执行时,所述计算机可执行指令使所述装置执行的操作包括:
基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对,其中每个代理/客户对具有代理、客户和客户的客户排名;
基于代理/客户对的客户的客户排名确定每个代理/客户对的矩阵值;
确定每个代理/客户对的互动能力参数;
将每个不被许可的代理/经排名的客户值的矩阵值设置为零值,其中不被许可的代理/客户对具有低于定义阈值的互动能力裕度;
评估多个可能的互动选项,其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,每个对路径具有针对至少一个优先层中的每个客户的代理/客户对;
对于每个互动选项,计算互动选项的每个对路径的初始路径值;
通过确定具有最高初始路径值的对路径来确定候选对路径,其中具有最高初始路径值的对路径为候选对路径;
对于每个候选对路径,基于候选对路径中的代理/客户对是紧急代理/客户对和基于候选对路径中的代理/客户对是有风险代理/客户对,减小候选对路径的初始路径值,从而得出候选对路径的最终路径值;
基于每个候选对路径的最终路径值确定最佳路径;
基于最佳路径得出至少一个互动决策;以及
将至少一个互动决策传递给最佳路径中的代理。
条款11.根据条款10所述的计算机程序,其中所述非暂时性计算机可读介质包括进一步的计算机可执行指令,所述指令在被执行时使所述装置执行的操作包括:
通过以下方式确定作为紧急代理/客户对的代理/客户对和作为有风险代理/客户对的代理/客户对:
响应于代理/客户对的互动能力参数在第一阈值和第二阈值内,确定代理/客户对是紧急代理/客户对;
响应于代理/客户对的互动能力参数低于风险阈值,确定代理/客户对是有风险代理/客户对。
条款12.根据条款10-11中任一项所述的计算机程序,其中基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对包括:
从状态处理器动态获取客户的数量、代理的数量,以及对于每个客户的客户的客户排名;
基于客户的数量和代理的数量确定至少一个优先层;并且
根据代理/客户对中的客户的客户排名,将多个代理/客户对分组为至少一个优先层。
条款13.根据条款10-12中任一项所述的计算机程序,其中所述非暂时性计算机可读介质进一步包括计算机可执行指令,所述指令在被执行时使所述装置执行的操作包括:基于至少一个优先层中的代理数量和客户数量得出至少一个优先层的价值矩阵,其中价值矩阵的行数小于或等于需要决策的代理数量并且小于或等于客户数量。
条款14.根据条款13所述的计算机程序,其中所述非暂时性计算机可读介质包括进一步的计算机可执行指令,所述指令在被执行时使所述装置执行的操作包括通过将较低排名的行添加到所述客户的价值矩阵,使得多于一个代理能够与客户互动。
条款15.根据条款13-14中任一项的计算机程序,其中每个互动选项是从价值矩阵顶行中的代理/客户对到价值矩阵的每个中间行中的代理/客户对并且到价值矩阵底行中的代理/客户对的对路径,其中对路径中的每个代理/客户中的每个代理和客户与该对路径中的多个代理/客户对中的其他代理和客户不同。
条款16.根据条款13-15中任一项所述的计算机程序,其中所述非暂时性计算机可读介质包括进一步的计算机可执行指令,所述指令在被执行时使所述装置执行的操作包括:
将底行中每个代理/客户对的矩阵值设置为值1;并且
通过幂值2N-1将具有依次更高客户排名的每个代理/客户对的矩阵值设置为依次更高的值,其中N是代理/客户对位于底行的矩阵值为1的价值矩阵中的行的编号。
条款17.根据条款13-16中任一项所述的计算机程序,其中基于高数值对路径中的作为紧急代理/客户对的代理/客户对并且基于高数值对路径中的作为有风险代理/客户对的代理/客户对来减小候选对路径的初始路径值包括:
对于候选路径中作为紧急代理/客户对的每个代理/客户对,将高数值对路径的初始路径值减小紧急代理/客户的矩阵值;以及
对于候选路径中作为有风险代理/客户对的每个代理/客户对,基于有风险代理/客户对的互动能力参数将高数值对路径的初始路径值减小风险值。
条款18.根据条款10-17中任一项所述的计算机程序,其中基于最佳路径得出至少一个互动决策包括:
响应于具有紧急代理/对的最佳路径并且紧急代理/对的互动能力在决策阈值内或剩余时间在时间阈值内,确定紧急代理/客户对中的代理要执行的第一行动;
响应于最佳路径中的代理/客户对中的代理不是紧急代理/客户对,确定最佳路径中的代理/客户对中的代理要采取的第二行动,其中最佳路径中的代理/客户对中的代理采取的第二行动是保持进程;并且
其中向最佳路径中的代理发送至少一个互动决策包括:
响应于确定第一行动,向紧急代理/客户对中的代理发送所述第一行动;并且
向最佳路径中的不是紧急代理/客户对的代理/客户对中的代理发送第二行动以保持进程。
条款19.一种设备,其被配置为由多代理互动决策系统中的处理器生成一组协调的互动参数,所述设备包括:
至少一个处理器;
通信地耦合到处理器的存储器,所述存储器包括可由所述处理器执行的指令,所述指令使处理器执行的操作包括:
基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对,其中每个代理/客户对具有代理、客户和客户的客户排名;
基于代理/客户对的客户的客户排名确定每个代理/客户对的矩阵值;
确定每个代理/客户对的互动能力参数;
将每个不被许可的代理/经排名的客户值的矩阵值设置为零值,其中不被许可的代理/客户对具有低于定义阈值的互动能力裕度;
评估多个可行的互动选项,其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,每个对路径具有针对至少一个优先层中的每个客户的代理/客户对;
对于每个互动选项,计算互动选项的每个对路径的初始路径值;
通过确定具有最高初始路径值的对路径来确定候选对路径,其中具有最高初始路径值的对路径为候选对路径;
对于每个候选对路径,基于候选对路径中的代理/客户对是紧急代理/客户对并且基于候选对路径中的代理/客户对是有风险代理/客户对,减小候选对路径的初始路径值,从而得出候选对路径的最终路径值;
基于每个候选对路径的最终路径值确定最佳路径;
基于最佳路径得出至少一个互动决策;并且
将至少一个互动决策传送给最佳路径中的代理。
条款20.根据条款19所述的设备,其中基于最佳路径得出所述至少一个互动决策包括:
响应于具有紧急代理/对的最佳路径并且紧急代理/对的互动能力在决策阈值内或剩余时间在时间阈值内,确定紧急代理/客户对中的代理要执行的第一行动;
响应于最佳路径中的代理/客户对中的代理不是紧急代理/客户对,确定最佳路径中的代理/客户对中的代理要采取的第二行动,其中最佳路径中的代理/客户对中的代理要采取的第二行动是保持进程;并且
其中向最佳路径中的代理发送至少一个互动决策包括:
响应于确定第一行动,将第一行动传送给紧急代理/客户对中的代理;并且
将保持进程的第二行动传送到最佳路径中的不是紧急代理/客户对的代理/客户对中的代理。
如上所述,本文描述的MAEDS提供了及时协调的客户互动决策,这有利于节省代理互动能力,与和代理数量一样多的高价值客户互动(确保通过一对一服务有利于最高价值客户),并且灵活适应客户环境的变化。客户环境动态可包括到来的客户的演变、客户价值认知、互动机会、管理指令、代理资源、过去服务决策留下的互动排除、不断变化的代理和客户职位和状态以及互动紧迫性。
本文描述的MAEDS解决了本文讨论的困难。具体而言,MAEDS解决了做出多个代理互动决策的困难,其包括难以区分客户互动能力的重叠区域、难以平衡代理资源限制与服务最高价值客户的能力以及难以充分利用所有代理以便与和代理数量一样多的高价值客户互动。MAEDS还解决了及时协调多个代理互动决策的困难。当客户价值环境随着时间的推移而波动时,及时的决策变得难以适应,并且客户价值的认知能力也随之变化。MAEDS还解决了随着互动的发展自动调节到新的变化驱动因素的时间和资源管理方面的困难。这些变化驱动因素可包括新客户的到来、意外障碍和客户活动,以及意外代理健康状况或资源能力。MAEDS还解决了避免导致代理互动能力的浪费和互动选项的减少从而导致不良客户服务结果的草率决策的困难。
通常,本文使用的所有术语应根据其在相关技术领域中的普通含义来解释,除非明确给出不同含义和/或从其使用的上下文中暗示不同含义。除非明确说明,否则对一/一个/所述元件、设备、部件、装置、步骤等的所有引用都应被开放地解释为指的是元件、设备、部件、装置、步骤等的至少一个实例。本文公开的任何方法的步骤不必以所公开的确切顺序执行,除非一个步骤被明确描述为在另一步骤之后或之前和/或其中暗示一个步骤必须在另一步骤之后或之前。在适当的情况下,本文公开的任何示例的任何特征均可以应用于任何其他示例。同样,任何示例的任何优点都可以应用于任何其他示例,反之亦然。所附示例的其他目的、特征和优点将从以下描述中变得显然。
在本发明构思的各种示例的以上描述中,应当理解,这里使用的术语仅用于描述特定示例的目的,并不旨在限制本发明构思。除非另有定义,否则本文使用的所有术语(包括技术和科学术语)与本发明构思所属领域的普通技术人员通常理解的含义相同。还应当理解,术语,例如在常用词典中定义的那些,应当被解释为具有与其在本说明书和相关领域的上下文中的含义一致的含义,并且不会被理想化或过度地解释,除非在本文中明确定义。
当一个元件被称为与另一个元件“连接”、“耦合”、“响应”或其变体时,该元件可以被直接连接、耦合或响应于另一元件,或者可以存在中间元件。相反,当元件被称为与另一元件“直接连接”、“直接耦合”、“直接响应”或其变体时,不存在中间元件。相同的数字始终指代相同的元素。此外,本文使用的“耦合”、“连接”、“响应”或其变体可以包括无线耦合、连接或响应。如本文所用,单数形式的“一”、“一个”和“所述”也旨在包括复数形式,除非上下文另有明确指示。为简洁和/或清楚起见,可能不会详细描述众所周知的功能或构造。术语“和/或”(缩写为“/”)包括一个或多个相关联所列项目的任何和所有组合。
将理解的是,虽然术语第一、第二、第三等可在本文中用于描述各种元件/操作,但这些元件/操作不应受这些术语的限制。这些术语仅用于将一个元件/操作与另一个元件/操作区分开来。因此,在不脱离本发明构思的教导的情况下,一些示例中的第一元件/操作在其他示例中可以被称为第二元件/操作。在整个说明书中,相同的附图标记或相同的参考标记表示相同或相似的元件。
如本文所用,术语“包含”、“包括”、“具有”、“有”或其变体是开放式的,并且包括一个或多个规定的特征、整数、元件、步骤、部件或功能,但不排除存在或添加一个或多个其他特征、整数、元件、步骤、部件、功能或它们的组。此外,如本文所用,源自拉丁语短语“exempli gratia”的常用缩写“e.g”可用于介绍或指定先前提及的项目的一个或多个一般示例,并且不旨在限制这样的项目。源自拉丁语短语“id est”的常用缩写“i.e.”可用于从更一般的限定中指定特定项目。
在此参考计算机实施的方法、设备(系统和/或装置)和/或计算机程序产品的框图和/或流程图说明来描述示例。应当理解,框图的块和/或流程图图示以及框图的块和/或流程图图示的组合可以通过由一个或多个计算机电路执行的计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机电路、专用计算机电路和/或其他可编程数据处理电路的处理器电路以生产机器,使得经由计算机的处理器和/或其他可编程数据处理设备执行的指令转换和控制晶体管、存储在存储器位置中的数值,以及此类电路中的其他硬件部件,以实现框图和/或流程图块中指定的功能/行动,从而创建手段(功能)和/或结构,以实现方框图和/或(一个或多个)流程图方框中指定的功能/行动。
这些计算机程序指令也可以存储在有形计算机可读介质中,该介质可以指导计算机或其他可编程数据处理设备以特定方式运行,使得存储在计算机可读介质中的指令产生包括实现方框图和/或流程图方框中指定的功能/行动的指令。因此,本发明构思的示例可以体现于在诸如数字信号处理器的处理器上运行的硬件和/或软件(包括固件、常驻软件、微代码等)中,它们可以统称为“电路”、“模块”或其变体。
还应当注意,在一些替代实施方式中,块中注明的功能/行动可能不按流程图中注明的顺序发生。例如,根据所涉及的功能/行动,连续示出的两个块实际上可以基本上同时执行,或者块有时可以以相反的顺序执行。此外,流程图和/或框图的给定块的功能可以被分成多个块和/或流程图和/或框图的两个或更多个块的功能可以被至少部分地集成。最后,在不脱离本发明构思的范围的情况下,可以在所示的块之间添加/插入其他块,和/或可以省略块/操作。此外,虽然一些图示包括在通信路径上的箭头以示出通信的主要方向,但是应当理解,通信可以发生在与所描绘的箭头相反的方向上。
在实质上不脱离本发明构思的原理的情况下,可以对示例进行许多变化和修改。所有这些变化和修改都旨在包括在本发明构思的范围内。因此,上述公开的主题应被认为是说明性的而非限制性的,并且示例旨在涵盖落入本发明构思的精神和范围内的所有此类修改、增强和其他示例。因此,在法律被许可的最大范围内,本发明构思的范围将由包括示例及其等价物的本公开的最广泛的许可解释而确定,并且不应受前述详细描述的限制或约束。
Claims (13)
1.一种由多代理互动决策系统中的处理器生成一组协调的互动参数的方法,所述方法包括:
基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对,其中每个代理/客户对具有代理、客户和客户的客户排名(701);
基于所述代理/客户对的所述客户的所述客户排名确定每个代理/客户对的矩阵值(703);
确定每个代理/客户对的互动能力参数(705);
将每个不被许可的代理/经排名的客户值的所述矩阵值设置为零值(707),
其中未被许可的代理/客户对具有低于定义阈值的互动能力裕度;
评估多个可行的互动选项(709),其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,其中每个对路径具有针对在所述至少一个优先层中的每个客户的代理/客户对;
对于每个互动选项,计算所述互动选项的每个对路径的初始路径值(711);
通过确定具有最高初始路径值的对路径来确定候选对路径(713),其中具有所述最高初始路径值的所述对路径为候选对路径;
对于每个候选对路径,基于所述候选对路径中的代理/客户对是紧急代理/客户对并且基于所述候选对路径中的代理/客户对是有风险代理/客户对,减小所述候选对路径的所述初始路径值,从而得出所述候选对路径的最终路径值(715);
基于每个候选对路径的所述最终路径值确定最佳路径(717);
基于所述最佳路径得出至少一个互动决策(719);和
将所述至少一个互动决策传送给所述最佳路径中的代理(721)。
2.根据权利要求1所述的方法,还包括:
通过以下方式确定代理/客户对是紧急代理/客户对以及代理/客户对是有风险代理/客户对:
响应于所述代理/客户对的所述互动能力参数在第一阈值和第二阈值内,确定代理/客户对是紧急代理/客户对(1101);并且
响应于所述代理/客户对的所述互动能力参数低于风险阈值,确定代理/客户对是有风险代理/客户对(1103)。
3.根据权利要求1或2所述的方法,其中基于所述客户的数量和所述代理的数量确定在所述至少一个优先层中的代理/客户对包括:
从状态处理器动态获取所述客户的数量、所述代理的数量以及对于每个客户,所述客户的所述客户排名(801);
基于所述客户的数量和所述代理的数量确定所述至少一个优先层(803);以及
根据所述客户在代理/客户对中的客户排名,将多个代理/客户对分组到所述至少一个优先层中(805)。
4.根据权利要求1或2所述的方法,还包括基于所述至少一个优先层中的所述代理的数量和所述客户的数量而得出所述至少一个优先层的价值矩阵(901),其中所述价值矩阵具有的行数小于或等于需要决策的代理的数量并且小于或等于所述客户的数量。
5.根据权利要求4所述的方法,其中得出所述价值矩阵还包括通过将较低排名的行添加到所述客户的所述价值矩阵来使多于一个代理能够与客户互动(903)。
6.根据权利要求4所述的方法,其中每个互动选项是从所述价值矩阵的顶行中的代理/客户对到所述价值矩阵的每个中间行中的代理/客户对以及到所述价值矩阵的底行中的代理/客户对的对路径,其中所述对路径中的每个代理/客户中的每个代理和客户与所述对路径的代理/客户对中的其他代理和客户不同。
7.根据权利要求4所述的方法,还包括:
将所述价值矩阵的底行中的每个代理/客户对的矩阵值设置为数值1(1001);以及
通过幂2N-1将具有依次更高客户排名的每个代理/客户对的所述矩阵值设置为依次更高的数值(1003),其中N是所述代理/客户对位于所述底行的矩阵值为1的所述价值矩阵中的行的编号。
8.根据权利要求7所述的方法,其中基于高数值对路径中的代理/客户对是紧急代理/客户对并且基于高数值对路径中的代理/客户对是有风险代理/客户对而减小所述候选对路径的所述初始路径值包括:
对于所述候选对路径中的每个代理/客户对是紧急代理/客户对,将所述候选对路径的所述初始路径值减小所述紧急代理/客户的所述矩阵值(1201);以及
对于所述候选路径中的每个代理/客户对是有风险代理/客户对,基于所述有风险代理/客户对的互动能力参数将所述候选对路径的所述初始路径值减小风险值(1203)。
9.根据权利要求1或2所述的方法,其中基于所述最佳路径得出所述至少一个互动决策包括:
响应于具有紧急代理/对的所述最佳路径并且所述紧急代理/对的所述互动能力在决策阈值内或剩余时间在时间阈值内,确定所述紧急代理/客户对中的所述代理要执行的第一行动(1301);以及
响应于在所述最佳路径中的代理/客户对中的代理不是紧急代理/客户对,确定所述最佳路径中的代理/客户对中的所述代理采取的第二行动(1305),其中所述最佳路径中的代理/客户对中的所述代理采取的所述第二行动是保持进程;并且
其中向所述最佳路径中的代理发送所述至少一个互动决策包括:
响应于确定所述第一行动,向所述紧急代理/客户对中的所述代理发送所述第一行动(1303);以及
向所述最佳路径中的不是紧急代理/客户对的代理/客户对中的所述代理传送所述第二行动以保持进程(1307)。
10.一种具有非暂时性计算机可读介质的计算机程序,所述介质包括计算机可执行指令,当在装置中包括的处理器上执行时,所述计算机可执行指令使所述装置执行的操作包括:
基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对(701),其中每个代理/客户对具有代理、客户和客户的客户排名;
基于所述代理/客户对的所述客户的所述客户排名确定每个代理/客户对的矩阵值(703);
确定每个代理/客户对的互动能力参数(705);
将每个不被许可的代理/经排名的客户值的所述矩阵值设置为零值,其中不被许可的代理/客户对具有低于定义阈值的互动能力裕度;
评估多个可行的互动选项(709),其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,每个对路径具有针对所述至少一个优先层中的每个客户的代理/客户对;
对于每个互动选项,计算所述互动选项的每个对路径的初始路径值(711);
通过确定具有最高初始路径值的对路径来确定候选对路径(713),其中具有所述最高初始路径值的所述对路径为候选对路径;
对于每个候选对路径,基于所述候选对路径中的代理/客户对是紧急代理/客户对和基于所述候选对路径中的代理/客户对是有风险代理/客户对,减小所述候选对路径的所述初始路径值(715),从而得出所述候选对路径的最终路径值;
基于每个候选对路径的所述最终路径值确定最佳路径(717);
基于所述最佳路径得出至少一个互动决策(719);以及
将所述至少一个互动决策传送给所述最佳路径中的代理(721)。
11.根据权利要求10所述的计算机程序,其中所述非暂时性计算机可读介质包括进一步的计算机可执行指令,所述指令在被执行时使所述装置执行的操作包括:
通过以下方式确定代理/客户对是紧急代理/客户对以及代理/客户对是有风险代理/客户对:
响应于所述代理/客户对的所述互动能力参数在第一阈值和第二阈值内,确定代理/客户对是紧急代理/客户对(1101);以及
响应于所述代理/客户对的所述互动能力参数低于风险阈值,确定代理/客户对是有风险代理/客户对(1103)。
12.一种设备,其被配置为由多代理互动决策系统中的处理器生成一组协调的互动参数,所述设备包括:
至少一个处理器;
通信地耦合到所述处理器的存储器,所述存储器包括可由所述处理器执行的指令,所述指令使所述处理器执行的操作包括:
基于客户的数量和代理的数量确定至少一个优先层中的代理/客户对(701),其中每个代理/客户对具有代理、客户和客户的客户排名;
基于所述代理/客户对的所述客户的所述客户排名确定每个代理/客户对的矩阵值(703);
确定每个代理/客户对的互动能力参数(705);
将每个不被许可的代理/经排名的客户值的所述矩阵值设置为零值(707),其中不被许可的代理/客户对具有低于定义阈值的互动能力裕度;
评估多个可行的互动选项(709),其中每个互动选项是从具有最高客户排名的代理/客户对到具有最低客户排名的代理/客户对的对路径,每个对路径具有针对所述至少一个优先层中的每个客户的代理/客户对;
对于每个互动选项,计算所述互动选项的每个对路径的初始路径值(711);
通过确定具有最高初始路径值的对路径来确定候选对路径(713),其中具有所述最高初始路径值的所述对路径为候选对路径;
对于每个候选对路径,基于所述候选对路径中的代理/客户对是紧急代理/客户对并且基于所述候选对路径中的代理/客户对是有风险代理/客户对,减小所述候选对路径的所述初始路径值(715),从而得出所述候选对路径的最终路径值;
基于每个候选对路径的所述最终路径值确定最佳路径(717);
基于所述最佳路径得出至少一个互动决策(719);并且
将所述至少一个互动决策传送给所述最佳路径中的代理(721)。
13.根据权利要求12所述的设备,其中基于所述最佳路径得出所述至少一个互动决策包括:
响应于具有紧急代理/对的所述最佳路径以及所述紧急代理/对的所述互动能力在决策阈值内或剩余时间在时间阈值内,确定所述紧急代理/客户对中的所述代理要执行的第一行动(1301);以及
响应于在所述最佳路径中的代理/客户对中的代理不是紧急代理/客户对,确定在所述最佳路径中的代理/客户对中的所述代理要采取的第二行动(1305),其中在所述最佳路径中的代理/客户对中的所述代理要采取的所述第二行动为保持进程;以及
其中向所述最佳路径中的代理发送所述至少一个互动决策包括:
响应于确定所述第一行动,向所述紧急代理/客户对中的所述代理发送所述第一行动(1303);和
向所述最佳路径中的不是紧急代理/客户对的代理/客户对中的所述代理传送所述第二行动以保持进程(1307)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063062658P | 2020-08-07 | 2020-08-07 | |
US63/062,658 | 2020-08-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114066130A true CN114066130A (zh) | 2022-02-18 |
Family
ID=76553617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713854.4A Pending CN114066130A (zh) | 2020-08-07 | 2021-06-25 | 实时多代理互动决策系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230061961A1 (zh) |
EP (1) | EP3951679A1 (zh) |
JP (1) | JP2022056339A (zh) |
CN (1) | CN114066130A (zh) |
CA (1) | CA3123065A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7036128B1 (en) * | 1999-01-05 | 2006-04-25 | Sri International Offices | Using a community of distributed electronic agents to support a highly mobile, ambient computing environment |
US8335704B2 (en) * | 2005-01-28 | 2012-12-18 | Pegasystems Inc. | Methods and apparatus for work management and routing |
US8456472B2 (en) * | 2010-01-08 | 2013-06-04 | International Business Machines Corporation | Ranking nodes in a graph |
JP2018503208A (ja) * | 2014-12-23 | 2018-02-01 | エジェンタ, インコーポレイテッド | 知的パーソナルエージェントプラットフォームおよびそれを使用するためのシステムおよび方法 |
US9930180B1 (en) * | 2017-04-28 | 2018-03-27 | Afiniti, Ltd. | Techniques for behavioral pairing in a contact center system |
-
2021
- 2021-06-22 US US17/354,359 patent/US20230061961A1/en active Pending
- 2021-06-22 CA CA3123065A patent/CA3123065A1/en active Pending
- 2021-06-22 EP EP21180898.5A patent/EP3951679A1/en active Pending
- 2021-06-25 JP JP2021105288A patent/JP2022056339A/ja active Pending
- 2021-06-25 CN CN202110713854.4A patent/CN114066130A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230061961A1 (en) | 2023-03-02 |
JP2022056339A (ja) | 2022-04-08 |
EP3951679A1 (en) | 2022-02-09 |
CA3123065A1 (en) | 2022-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Umang et al. | Real-time management of berth allocation with stochastic arrival and handling times | |
Al-Kashoash et al. | Optimization-based hybrid congestion alleviation for 6LoWPAN networks | |
Jin et al. | Storage yard management in maritime container terminals | |
CN108449286A (zh) | 网络带宽资源分配方法及装置 | |
Shi et al. | Deep-reinforcement-learning-based spectrum resource management for industrial Internet of Things | |
Kim et al. | A new branch and bound algorithm for loading problems in flexible manufacturing systems | |
CN111967605A (zh) | 无线电接入网中的机器学习 | |
CN105376297A (zh) | Sdn控制器数量调整以及与交换机映射的方法 | |
CN110097226A (zh) | 一种资源调度方法、系统、电子设备及可读存储介质 | |
Danassis et al. | Anytime heuristic for weighted matching through altruism-inspired behavior | |
Ghasemzadeh et al. | Conflict-free scheduling and routing of automated guided vehicles in mesh topologies | |
Ho | Solving the reader collision problem with a hierarchical q-learning algorithm | |
CN114066130A (zh) | 实时多代理互动决策系统 | |
CN117540822A (zh) | 跨移动边缘网络的联邦类增量学习方法、设备和存储介质 | |
Tibrewal et al. | Multiplayer multi-armed bandits for optimal assignment in heterogeneous networks | |
CN112488563A (zh) | 一种算力参数的确定方法和装置 | |
CN110012507A (zh) | 一种用户体验优先的车联网资源分配方法及系统 | |
Key et al. | Multipath routing, congestion control and dynamic load balancing | |
Chaturvedi et al. | A Novel method of Improving Spectrum sensing Management system for CR-IoT Networks | |
CN113705902A (zh) | 一种基于人群管理的交通枢纽客运组织评价方法 | |
Jayaudhaya et al. | Acoco: an adaptive congestion control approach for enhancing coap performance in iot network | |
Liu et al. | Computation offloading and task scheduling with fault-tolerance for minimizing redundancy in edge computing | |
Ruan et al. | Evolutionary Optimization for Proactive and Dynamic Computing Resource Allocation in Open Radio Access Network | |
Karimi et al. | Intelligent and Decentralized Resource Allocation in Vehicular Edge Computing Networks | |
Nakıp | Machine learning based multi-scale joint forecasting-scheduling for the internet of things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: L.H.Hui Inventor after: H. F. kricorian Inventor before: L.L.Hui Inventor before: H. F. kricorian |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |