[发明专利]一种路径规划方法、装置、电子设备及计算机可读介质

说明书

本申请公开了路径规划方法、装置、电子设备及计算机可读介质，涉及计算机技术领域，该方法包括：步骤一：接收路径规划请求，获取对应的环境数据；步骤二：调用决策模型，基于环境数据，确定对应的职业能力状态区间，确定对应的能力值；步骤三：确定对应的能力值对应的规划路径，将规划路径推送至环境数据对应的用户，获取对应的用户执行规划路径的执行结果，根据执行结果更新环境数据；步骤四：获取更新后的环境数据的状态信息，以判断状态信息是否为稳定标识，若是，则将更新后的环境数据对应的能力值输出；若否，则基于更新后的环境数据循环执行步骤二至步骤四直至更新后的环境数据的状态信息为稳定标识。为代理人提供持动态的培训职业规划。

技术领域

本申请涉及计算机技术领域，尤其涉及一种路径规划方法、装置、电子设备及计算机可读介质。

背景技术

目前，随着网络资源越来越丰富，保险公司给代理人提供了丰富的网络资源和课程体系，例如空中课堂、微课、实战案例、线下面授等资源和活动，代理人可以通过线上线下动作来进行学习和培训。众多的资源也让代理人陷入选择窘境，没有目标性和针对性。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：

在代理人期望通过职业规划实现自身能力的提升的场景中，众多的学习资源让代理人陷入选择窘境，没有目标性和针对性。

发明内容

有鉴于此，本申请实施例提供一种路径规划方法、装置、电子设备及计算机可读介质，能够解决现有的在代理人期望通过职业规划实现自身能力的提升的场景中，众多的学习资源让代理人陷入选择窘境，没有目标性和针对性的问题。

为实现上述目的，根据本申请实施例的一个方面，提供了一种路径规划方法，包括：

步骤一：接收路径规划请求，获取对应的环境数据；

步骤二：调用决策模型，以基于环境数据，确定对应的职业能力状态区间，进而确定对应的能力值；

步骤三：确定对应的能力值对应的规划路径，进而将规划路径推送至环境数据对应的用户，并获取对应的用户执行规划路径的执行结果，以根据执行结果更新环境数据；

步骤四：获取更新后的环境数据的状态信息，以判断所述状态信息是否为稳定标识，若是，则将更新后的环境数据对应的能力值输出；若否，则基于更新后的环境数据循环执行步骤二至步骤四直至更新后的环境数据的状态信息为稳定标识。

可选地，在调用决策模型之前，方法还包括：

获取历史路径规划环境数据，进而根据历史路径规划环境数据对应的用户的个数划分职业能力状态区间，进而构造马尔科夫决策过程五元组；

根据马尔科夫决策过程五元组，调用对应的职业能力状态集合，从对应的职业能力状态集合中选择一个初始职业能力状态，进而基于贪心策略在初始职业能力状态下，从马尔科夫决策过程五元组对应的资源中选择资源进行执行，以得到当前职业能力状态，获取对应的即时奖赏；

选择当前职业能力状态下最大的期望值，以基于最大的期望值更新期望值矩阵；

响应于确定期望值矩阵收敛，基于即时奖赏和期望值矩阵得到初始职业能力状态到目标职业能力状态的最佳路径；响应于确定期望值矩阵收敛且初始职业能力状态不是马尔科夫决策过程五元组对应的最后一个初始职业能力状态，重新选择一个初始职业能力状态并更新；响应于确定期望值矩阵收敛且初始职业能力状态是马尔科夫决策过程五元组对应的最后一个初始职业能力状态，停止重新获取初始职业能力状态；

基于各最佳路径生成决策模型。

可选地，确定对应的能力值对应的规划路径，包括：

确定对应的能力值在决策模型中对应的当前职业能力状态到其他职业能力状态的即时奖赏；