人在回路队列中最优保真度选择策略的结构性质

我们研究为服务同质任务队列的人类操作员选择最优保真度的问题。该智能体可以以正常或高保真度水平服务任务，其中保真度指服务任务时的精确度和准确性程度。因此，高保真度服务能带来更高质量的服务，但会导致更长的服务时间和增加的操作员疲劳度。我们将人类认知状态视为一个集总参数，用以捕捉工作负荷和疲劳等心理因素。操作员的服务时间分布取决于其认知动态和为服务任务选择的保真度水平。其认知动态演化为一个马尔可夫链，其中认知状态在她忙碌时大概率增加，在休息时降低。任务根据泊松过程到达，操作员会因队列中每个等待的任务而受到固定速率的惩罚。我们使用离散时间半马尔可夫决策过程框架，来解决任务的高质量服务与随之而来的因队列长度增加而导致的惩罚之间的权衡。我们通过数值方法确定了一个最优策略及其对应的最优价值函数。最后，我们建立了最优保真度策略的结构性质，并给出了该最优策略为基于阈值策略的条件。