基于遗传算法的关联议题并发谈判

基于遗传算法的并发谈判在电子商务应用中具有独特的优势,但已有的研究尚未考虑议题之间的相关性、动态权重的变化规则依赖于对手信息的获取,极大地限制了其使用价值.对此,提出议题分组的方法以解决议题的相关性问题,而议题权重的变化则采取从历史资源中发掘知识的方法进行动态调整.构建了基于遗传算法的关联性议题并发谈判模型,给出了模型的形式化描述、谈判算法设计和动态权重更新方案.通过对模型的实验和比较分析,证实了该方案能够更方便地满足用户谈判的多样性需求,解决谈判中议题关联性的问题,而且能够快速、有效地得出最优谈判结果.     

多Agent谈判中议题相关性及权重度量研究

已有的多议题谈判研究局限于议题相互独立、议题权重固定等前提假设。针对该问题,提出一种议题分组算法。采用移动平均法和事例推理法使用户能更灵活地设定权重,根据单个议题权重初值的确定函数以及议题组的权重求解规则,给出分组变化时的权重动态变更算法。分析结果表明,该算法能解决多议题谈判中的议题相关性问题和议题权重的动态度量问题,使多议题谈判更加科学合理。