面向群体智能的服务效能调控策略设计方法技术

本发明专利技术公开一种面向群体智能的服务效能调控策略设计方法，旨在同时优化服务生态中众智群体的行为和调控算法的干预策略。该方法通过双层深度强化学习，促使众智群体和调控算法相互作用，彼此成为对方的环境，形成了一个动态博弈的状态。通过自主进化和循环反馈机制，两者实现了动态平衡。通过两者之间的不断交互学习，增强了策略的动态调节能力，优化了人工社会中智能体的学习能力和模式。此外，该方法不仅能够重现服务生态的历史状态，还可以通过设置多样化的配置来构建未来的服务生态状态。

【技术实现步骤摘要】

本专利技术涉及复杂系统领域和计算机。更具体地，面向群体智能的服务效能调控策略设计方法。

技术介绍

1、服务生态作为一个受多种因素共同影响的复杂系统，它的高效率运行，需要同时兼顾不断追求高效率(efficiency，效率＝产出/所用的时间)的服务供应侧与持续提供有价值的产出(effectiveness，效能＝有价值的产出/所用的时间)的服务需求侧，防止整个系统陷入无效产出的怪圈。服务生态中的调控算法以更加自主、智能的方式提供比传统服务系统更加精细、精确、透彻的服务运行模式。例如，社交媒体利用推荐算法影响提升人们获取信息的速度、信贷机构利用信用评分算法决定贷款额度、服务平台利用算法进行线路规划等。调控算法在日常事务的决策和处理方面扮演着越来越重要的角色，推动了服务运行模式的优化、服务生态的发展，使得服务组织模式和运行方式发生显著变化。但是，由于本身的复杂性、不透明性、可解释性不足、与智能体交互后行为不可预测性、缺乏人类有效监管等问题，调控算法的使用风险也在不断上升。例如，平台算法使得外卖骑手陷入边际效应递减的内卷化状态。服务生态中智能调控算法导致的服务网络风险本文档来自技高网...

【技术保护点】

1.一种面向群体智能的服务效能调控策略设计方法，该方法通过观测数据进行学习，而不依赖于对服务系统的建模假设。它采用深度强化学习，分别优化服务生态中众智群体行为和调控算法的动态干预策略行为。在该方法中，服务生态的众智群体和调控算法的动态干预策略互为对方的运行环境，实现动态交互和相互学习，最终达到两者之间的动态平衡。这种共同学习演化机制不仅增强了策略的动态调节能力，还赋予了其高度的灵活性和可控性。通过该方法可以在虚拟环境中重现服务生态的历史状态，并通过多样化的配置预构想尚未发生的虚拟服务生态状态，从而更好地适应不断变化的服务生态环境，提高学习和表达能力的广度和深度。>

2.根据权利...

【技术特征摘要】

1.一种面向群体智能的服务效能调控策略设计方法，该方法通过观测数据进行学习，而不依赖于对服务系统的建模假设。它采用深度强化学习，分别优化服务生态中众智群体行为和调控算法的动态干预策略行为。在该方法中，服务生态的众智群体和调控算法的动态干预策略互为对方的运行环境，实现动态交互和相互学习，最终达到两者之间的动态平衡。这种共同学习演化机制不仅增强了策略的动态调节能力，还赋予了其高度的灵活性和可控性。通过该方法可以在虚拟环境中重现服务生态的历史状态，并通过多样化的配置预构想尚未发生的虚拟服务生态状态，从而更好地适应不断变化的服务生态环境，提高学习和表达能力的广度和深度。

2.根据权利要求1所述的一种面向群体智能的服务效能调控策略设计方法。将双层强化学习引入基于计算实验的服务生态性分析方法中，提出基于双层强化学习动态干预策略设计方法。该方法包括动态干预策略设计方法的整体架构、人工社会中智能体的运行机制、动态干预策略规划师的运行机制和双边动态交互过程与演化博弈机制。作为验证，选取外卖骑手内卷化案例，证实了所提出方法的有效性。动态干预策略设计方法的整体架...

【专利技术属性】
技术研发人员：薛霄，闫相佩，
申请(专利权)人：天津大学，
类型：发明
国别省市：