策略性与人群感知的行程推荐
人工智能
2020-06-11 v4 计算机科学与博弈论
多智能体系统
摘要
旅游业对行程规划的需求迅速增长，但此任务仍复杂而困难，尤其在需为多名用户优化排队时间与人群水平时。大量涉及参数（如景点热度、排队时间、步行时间、营业时间等）使该困难进一步复杂化。许多近期工作提出基于单人视角的解决方案，但未解决由自然人群行为引发的现实问题，例如 Selfish Routing 问题，其描述了任由智能体自由决策所导致的网络低效与社会次优后果。本工作中，我们提出策略性与人群感知行程推荐（SCAIR）算法，在现实情境中优化社会福利。我们将路线推荐策略表述为马尔可夫链，使模拟可在多项式时间内进行。随后使用某主题公园数据集，将所提算法与多种竞争性和现实基线进行比较。模拟结果凸显了 Selfish Routing 问题的存在，并表明 SCAIR 在处理该问题时优于基线。
引用
@article{arxiv.1909.07775,
title = {Strategic and Crowd-Aware Itinerary Recommendation},
author = {Junhua Liu and Kristin L. Wood and Kwan Hui Lim},
journal= {arXiv preprint arXiv:1909.07775},
year = {2020}
}