面向Agent马尔科夫多议题自动谈判模型研究-论文.pdf

《面向Agent马尔科夫多议题自动谈判模型研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、管理工程学报Vo1．28，No．3JournalofIndustrialEngineering／EngineeringManagement2014年第3期面向Agent马尔科夫多议题自动谈判模型研究陈培友，高太光，李一军(1．黑龙江科技学院，黑龙江哈尔滨150027；2．哈尔滨工业大学，黑龙江哈尔滨150001)摘要：为增强自动谈判模型中各谈判Agent在报价与反报价过程中的科学性和合理性，提高谈判的效率和成功的概率，将马尔科夫链方法应用于对谈判对方各轮报价的预测当中，以增强模型对谈判过程的逻辑推理能力，

2、通过与改进后的遗传算法相结合。构建了面向Agent的马尔科夫多议题自动谈判模型，期望为谈判各方在谈判过程中的报价提供有力支持。通过仿真计算可以看出，所提模型很好地对谈判过程进行了仿真和推理，多种方法的有效结合，能够客观地为谈判各方Agent提供合理决策的有效依据。关键词：多议题自动谈判；马尔科夫链方法；面向Agent；改进遗传算法；信息熵中图分类号：TP18文献标识码：A文章编号：1004-6062(2014)o3203_060引言依据当前电子商务谈判的实际需求，结合分布式人工智能技谈判作为一种解决分歧与

3、争端的有效手段，大量存在于术的迅速发展，提出了基于Agent技术的电子商务自动谈判人们的生活之中。随着信息技术的飞速发展和广泛应用，电系统，并对系统中的自动谈判协议、谈判策略和系统构架进行了较为深入的研究和探讨。牛晓太、王洋和邓其军川在对子商务环境下的网上谈判模式必将成为商务谈判活动发展的主流趋势⋯。由于谈判问题中存在着许多不确定性，且需电子商务环境中的具体谈判问题进行了深入分析的基础上，对自动谈判中的关键问题进行了总结和概括，并围绕面向电要考虑因素十分庞杂，因此对其进行建模和评价十分困难，子商务的Age

4、nt协商交易，设计出了可以通过Agent交互来很多学者也为之付出很多努力。近些年，应用Agent技术和解决的自动谈判问题的形式化描述，同时还对寻求自动谈判优化算法来辅助谈判决策的制定受到了很多学者追捧。在最优解的遗传算法解决方案进行了进一步的探讨。汪勇和国外，Oprea提出了一个利用前馈神经网络作为谈判模型熊前兴对已有Agent谈判模型的特点进行了分析，并在此学习能力的谈判系统。这些研究表明在不考虑时间期限的基础上设计出了一个基于Agent的多问题并行谈判模型。前提下能够获得双边谈判的满意解，但是它们所提

5、出的系统该谈判模型的特点是对现有谈判模型中普遍存在的诸如：谈都要求较长的时间延迟才能达到较好的收益。Kurbeland判问题单一化、非并行、忽视对手收益和将权重固定化等问Loutchko提出了一个基于Agent并带有模糊约束的多边谈题进行了解决。该谈判模型实现了对问题权重、遗传参数和判模型，模型应用于电子市场中的人才获取。但在模糊约束收益偏差进行动态的更新，同时给出了谈判问题实数编码方的多议题谈判中，谈判双方都要求在谈判中获得谈判对方的案和权重调整公式等。通过对国内外的相关研究可以看出，更多信息，这使得它

6、更难以解释参与者的策略。这也就是研究出一套能够充分发挥出自动谈判系统优越性的模型或说，Agent越智能，用户接口的要求就越复杂。Lopeseta1．方案，并有效地位谈判参与方提过谈判过程中的决策支持变提出了一个应用自治Agent的一般化谈判模型，模型适用于得尤为关键，这不但可以调高谈判的效率，可以增加谈判的多方多议题谈判，这个谈判模型非常注意对谈判中个体行为成功率，从而保证谈判各方利益得到尽可能的实现。本文将的整合问题，致力于由谈判进程驱动的谈判策略的设计。但遗传算法和马尔科夫预测综合运用到了面向Agen

7、t的自动他们的谈判模型并没有考虑诸如adhoe网络和普适计算网谈判系统当中，构建了面向Agent马尔科夫多议题自动谈判络等问题。在国内，伍京华等人根据人际辩论谈判的交模型，模型引入了社会效用最大化和多属性决策理论，目标互，设计了基于Agent间辩论的汽配(汽车零配件)交易自在于实现谈判各方收益的双赢，寻求更多的合作和共同发展动谈判系统原型，在自动谈判中体现辩论的思想提供了一个机会，这迎合了当前社会发展的新趋势，即各经济实体间的不同的思路。王海等人对自动谈判系统的研究现状进行相互合作共同发展已成为经济发展的

8、主流。本文最后结合了深入研究，明确了自动谈判系统的设计、开发和应用推广实例对模型的合理性和有效性进行了验证。是面向电子商务自动谈判系统研究中的极其薄弱环节，研究收稿日期：2011-07-09修回日期：2012—11-08基金项目：黑龙江省博士后基金资助项目(LBH．Z05129)；国家自然科学基金资助项目(71071028)；黑龙江省自然科学基金资助项目(G201021)；黑龙江省骨干教师创新资助项目(1154G19)作者简介