До Тхи Куен1, Ле Хунг Нинь2, О. Б. Аникин3, Е. Н. Смирнов4

1–4 Государственный университет управления (Москва, Россия)
1 doquyen.ictu@gmail.com, 2 lehungninh.ch20bkdtm@gmail.com, 3Ob_anikin@guu.ru, 4 smirnov_en@mail.ru

Постановка проблемы. Развитие вычислительной техники приводит к положительным результатам в сферах использования информации, а также к созданию множества новых технологий и областей исследований. Современные компьютерные системы позволяют быстрее и разнообразнее обрабатывать информацию, что оказывает влияние на все сферы человеческой деятельности: промышленость, образование, экономику, финансы и др. Так, в региональных банках АСЕАН применение мультиагентной технологии при решении проблем взаимоотношений с клиентами помогает банкам собирать и анализировать информацию о клиентах и предоставлять услуги в соответствии с требованиями клиентов, тем самым повышая удовлетворенность клиентов коммерческими банками (например, во Вьетнаме).

Цель. Построить алгоритмы управления взаимоотношениями с клиентами в коммерческих банках на основе мультиагентной технологии.

Результаты. Показано, что мультиагентные системы используются для решения сложных задач и предоставления оптимальных решений. Установлено, что предоставление оптимальных алгоритмов помогает вьетнамским коммерческим банкам сократить расходы и повысить эффективность бизнеса.

Практическая значимость. Мультиагентные системы применяют для анализа данных о рынке и клиентах, тем самым обеспечивая модель управления взаимоотношений с клиентами, которая поможет банкам лучше понять потребности и предпочтения клиентов. При этом одновременно создавая более эффективные маркетинговые стратегии.

До Тхи Куен, Ле Хунг Нинь, Аникин О.Б., Смирнов Е.Н. Применение мультиагентной технологии в управлении клиентами в региональных банках АСЕАН // Наукоемкие технологии. 2023. Т. 24. № 8. С. 21–26. DOI: https://doi.org/ 10.18127/j19998465-202308-03

1. Билалова И.М., Сулейманова Д.Б. Проблемы оценки эффективности бизнес-процессов и пути их решения // Фундаментальные исследования. 2017. № 5. С. 131–136.
2. Городецкий В.И., Лебедев А.Н. Планирование и составление расписаний автоматическое удовлетворение ограничений на временную структуру процесса // Проблемы информатизации. 1994. № 3–4. С. 49–55.
3. Смирнов А.В., Пашкин М.П., Рахманова И.О. Многоагентные системы поддержки принятия решений для предприятий малого и среднего бизнеса // Информационные технологии и вычисли тельные системы. 1988. № 1. С. 20–39.
4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер. 2000.
5. Городецкий В.И. Многоагентные системы: основные свойства и модели координации поведения // Информационные технологии и вычислительные системы. 1998. № 1.
6. Myerson R. Game Theory: Analysis of Conflict. Harward University Press, Cambrige, Massachusetts. 1991.
7. Zlotkin, J.S. Rosenschtein, Mechanisms for Automated Negotiation in State Oriented Domain, Journal of Artificial Intelligence Research 5. 1996.
8. Wooldridge M., Jennings N. The cooperative problemsolving process: A formal model. Technical report. Department of Computing. Manchester Metropolitan University. Chester St., Manchester M1 5GD. UK. 1994. № 15.
9. Ben Othman, S., Zgaya, H., Dotoli, M., Hammadi, S. An agent-based Decision Support System for resources' scheduling in Emergency Supply Chains. Control Engineering Practice. 2017. № 59. С. 27–43.
10. Terrada L., Bakkoury Ja., El Khaili M. IoT contribution in Supply Chain Management for Enhancing Performance Indicators. Published in: International Conference on Electronics, Control, Optimization and Computer Science (ICECOCS). IEEE. 2018.
11. Min Chen, Ashutosh Sharma, Jyoti Bhola, Tien V. T. Nguyen, Chinh V. Truong. Multi-agent task planning and resource apportionment in a smart grid. International Journal of System Assurance Engineering and Management. 2022. № 13. С. 444–455.
12. Han, J., Kamber, M. Data mining: concepts and techniques. The Morgan Kaufmann Series in data management systems. 2000.
13. Zaki M., Ogihara M. Theoretical foundations of association rules. In: DMKD’ 98 Workshp on Researche Issues in Data Mining and Knowledge Discovery. ACM Press. 1998. С. 1–8.
14. Ait-Mlouk, A., Agouti T., Gharnati F. Comparative survey of association rule mining algorithms based on multiple-criteria decision analysis approach. In: Control, Engineering and Information Technology (CEIT), 2015. С. 1–6.
15. Chun-Wei, L., Tzung-Pei, H., Yi-Fan, C. An integrated MFFP-tree algorithm for mining global fuzzy rules from distributed databases. 2013. № 19(4). С. 521–538.