基于Agent的谈判模型研究

提出了一种基于Agent技术的谈判模型，应用模糊数学理论建立了谈判论据及谈判解接受度数学模型。采用约束放松的方法对谈判模型进行求解，得到了谈判Agent满意的谈判解。阐述了双边多属性谈判过程，设计并开发了Agent谈判系统原型，实例计算分析表明，该谈判模型是一种双赢的谈判模型。     

基于Agent的多问题并行遗传谈判模型

Agent谈判增加了电子商务系统的主动性,一个有效的谈判模型是系统实现的关键。分析了已有Agent谈判模型的特点,设计的基于Agent的多问题并行谈判模型解决了已有谈判模型中存在的谈判问题单一、非并行、不考虑对手收益和固定权重等问题。模型中产生谈判方案的算法的自适应性体现在问题权重、遗传参数和收益偏差的动态调整上,给出了问题实数编码和权重调整公式。最后,设计了一个面向三个问题的电子谈判实例,验证了谈判模型的可行性和有效性。     

基于多Agent的谈判支持系统研究

为提高谈判效率，简化其操作，并增加谈判的智能辅助机制，将分布式人工智能中的Agent技术引入谈判过程，提出了以多Agent系统代替谈判人与对手协商的谈判支持系统框架，研究了有关的Agent理论与方法，为新一代高效、快捷的商务谈判支持系统研究提供了新的思路。     

基于MAS的电子商务谈判支持系统

随着Internet技术的发展,网上电子商务谈判方式正在兴起。为了提高谈判效率,并增加谈判的智能辅助机制,该文引入Agent技术,重点介绍了以多Agent系统为基础的谈判支持系统(NSS)设计框架。在此系统中,建立了一个结合多目标决策理论和基于偏好理论的决策模型。     

基于多Agent多对象多要素的智能谈判模型

多Agent的协作协商问题是当前MAS系统研究的重点和热点.现实世界中买卖谈判所涉及的领域和问题极其广泛,其中又以多对象多要素买卖谈判更为常见.文章通过对现实谈判中的复杂的谈判协商问题,提出了基于多Agent多对象多要素的智能谈判模型（M3INM）.该模型为谈判支持系统在多对象多要素环境下的应用提供一个参考.     

基于Agent和CBR的电子商务谈判系统模型研究*

提出一种融合了多Agent和案例推理（CBR）技术的电子商务谈判系统模型,在多Agent环境下应用CBR技术捕获并重用以前成功的谈判案例,从中提取适应性策略来为交易提供决策支持,这些策略可以根据所处环境的改变动态生成。对相关问题进行了讨论,包括谈判案例的匹配和谈判策略的选择。     

基于辩论的自动谈判模型

自动谈判是商务活动中最富智能性和创造性的环节,是智能商务模式中亟需解决的关键技术.主要讨论了基于辩论的自动谈判问题,提出了相应的谈判模型和谈判Agent的体系结构模型,并详述了辩论式谈判机制,最后设计了一个辩论式谈判实例.     

基于辩论的多Agent商务谈判认知模型

针对在基于辩论的谈判中如何表示Agent的认知结构和决策机制的问题,提出一个应用于商务谈判的Agent的认知决策模型。该模型由卖方和买方Agent两部分构成,其中,Agent的认知结构用自我目标认知以及对对方的目标认知等集合来表示,Agent的决策用多目标优化模型来辅助进行。基于辩论的谈判实例验证了该模型的实用性。     

基于Agent的电子谈判协议设计

Agent谈判和人类谈判一样，需要事先就谈判内容、程序、方案和礼节等事项达成协议，确保谈判的正常进行。该文设计了一个电子谈判协议，该协议包括发起谈判、终止谈判、并行谈判和身份认证4个子协议，为Agent谈判提供了一组规则框架。协议符合安全性和公平性原则，具有Pareto最优、Nash平衡和无欺诈特性。     

基于辩论的社会性Agent间的谈判模型

通过对Agent间存在的有关社会性的关键元素进行分析,建立了基于辩论的社会性Agent间的谈判模型,并建立了相关的决策函数;然后通过一个存在于多Agent社会中而具有社会性的Agent间的谈判实例,在假设了相关数据的基础上对模型和决策函数进行了举例计算,分析验证了其有效性,并在对相关的谈判原语作出定义的基础上对此谈判实例的辩论对话过程进行了模拟。     

基于SOA的多Agent协商服务及其应用

在简述一种融合了面向服务架构和多Agent协商系统特点的新的协商模型——基于面向服务架构的多Agent协商模型的基础上，设计了该协商模型的多Agent协商服务端，阐述了Agent中协商推理机在协商中的基本过程。面向服务架构的协商服务端与协商Agent管理平台组合起来，搭建起支持开放环境并开展协商的软件应用环境，实现了基于面向服务架构的多Agent协商模型在电子商务中的 应用。     

A Real-Time Negotiation Model and A Multi-Agent Sensor Network Implementation

This paper describes a negotiation model that incorporates real-time issues for autonomous agents. This model consists of two important ideas: a real-time logical negotiation protocol and a case-based negotiation model. The protocol integrates a real-time Belief-Desire-Intention (BDI) model, a temporal logic model, and communicative acts for negotiation. This protocol explicitly defines the logical and temporal relationships of different knowledge states, facilitating real-time designs such as multi-threaded processing, state profiling and updating, and a set of real-time enabling functional predicates in our implementation. To further support the protocol, we use a case-based reasoning model for negotiation strategy selection. An agent learns from its past experience by deriving a negotiation strategy from the most similar and useful case to its current situation. Guided by the strategy, the agent negotiates with its partners using an argumentation-based negotiation protocol. The model is time and situation aware such that each agent changes its negotiation behavior according to the progress and status of the ongoing negotiation and its current agent profile. We apply the negotiation model to a resource allocation problem and obtain promising results.     

一种基于Agent技术的安全能力自动协商机制

适应多安全域环境的安全能力自动协商机制包括了一种基于Agent的安全能力协商模型、适用于该模型的协商Agent和协商流程。该机制中，通过定义安全能力协商描述语言(SanDL)文档，用户可以方便准确地将协商要求和协商策略告知协商Agent，由协商Agent自动完成协商过程。在协商Agent中通过定义通信适配器和一套基本协商原语，使协商Agent的通信接口更加安全、灵活、易于扩展。     

电子商务中的自动协商

描述电子商务中基于智能体的自动协商，给出基于智能体的自动协商模型和协商智能体的体系结构，描述了一组构成协商协议的通信原语。通过约束满足机制、协商策略和提议评估算法实现自动协商。并实现了一个供应链管理中买卖自动协商的原型系统。     

基于神经网络的Agent电子商务协商模型

提出一个在电子商务中能辅助用户网上采购的智能Agent协商模型,并对模型进行仿真实验,以验证模型的有效性。模型的构造基于BP神经网络,通过对用户的购物偏好训练学习,使Agent获得一组包含用户偏好特征的规则信息并作为协商过程中推理的依据;每次协商的结果都作为学习样本,以提高Agent对市场变化的适应能力。     

基于代理的电子商务洽谈模式的研究和设计

商务洽谈是电子商务活动中十分关键的行为。该文从软件生命周期的角度阐述了电子商务洽谈的生命周期，并给出了相应的商务洽谈过程模型，最后给出了一个基于软件代理的商务洽谈的应用框架。     

一种多Agent多议题的协商模型

协商是多Agent系统实现协作、协调和冲突消解的关键技术。本文分析了协商问题的实质和协商过程,提出了一种支持多轮协商的多Agent多议题协商模型。模型中引入了Agent类型的概念,在信息不完全的条件下,协商Agent通过推测协商对手的类型来指导自身的提议策略和协商战术,使提议更具针对性,避免了盲目性,从而节约了协商时间,提高了协
商质量。     

An agent architecture for multi-attribute negotiation using incomplete preference information

A component-based generic agent architecture for multi-attribute (integrative) negotiation is introduced and its application is described in a prototype system for negotiation about cars, developed in cooperation with, among others, Dutch Telecom KPN. The approach can be characterized as cooperative one-to-one multi-criteria negotiation in which the privacy of both parties is protected as much as desired. We model a mechanism in which agents are able to use any amount of incomplete preference information revealed by the negotiation partner in order to improve the efficiency of the reached agreements. Moreover, we show that the outcome of such a negotiation can be further improved by incorporating a “guessing” heuristic, by which an agent uses the history of the opponent’s bids to predict his preferences. Experimental evaluation shows that the combination of these two strategies leads to agreement points close to or on the Pareto-efficient frontier. The main original contribution of this paper is that it shows that it is possible for parties in a cooperative negotiation to reveal only a limited amount of preference information to each other, but still obtain significant joint gains in the outcome.     

基于多Agent协商的虚拟企业伙伴选择方法

伙伴选择是虚拟企业建立过程中的核心问题,分析了虚拟企业的特点、虚拟企业环境下协商问题的特点,提出了一个适合于虚拟企业环境的多Agent协商模型。该模型支持多Agent多议题的多轮谈判,并将Agent类型引入到协商中来,作为指导协商Agent提议的一个重要因素。在不完全信息的条件下,应用贝叶斯学习的方法,更新既有信息,并通过分析对方Agent的历史提议序列,推测其类型,来指导自身的提议策略和战术,使自己的提议更具有针对性,避免了盲目性,从而节约协商时间,提高了协商的效率,使得盟主企业能在尽短的时间里寻找到理想的合作伙伴。     

多智能体系统中的协商模型

目前，对多智能体系统的应用多是以开放的、复杂的、变化的网络为平台，为了更好地与环境相匹配，同对提高智能体之间协商的效率，从全局与单个智能体两方面着手，提出了一种新的MAS全局模型，并相应地提出了全局协调Agent的三维模型以及智能体之间的协商模型。通过这一系列模型的模拟实现，证明了此协商模型是正确的与接近自然的。从理论上基本上解决了与当前流行的基于网络的各种先进的智能系统，分布式问题求解等领域的衔接，因而有一定的指导意义并具有广阔的发展前景。