多agent两阶段多属性协商模型

多议题模型中,在议题的评价机制上买卖双方大多采用多属性效用理论或其变形理论,如距离函数等。提出了多属性效用理论实际应用中的悖论问题,分析了造成理论应用偏差的原因和B2C领域电子商务活动交易的特点,进而提出了一个协商拍卖模型。该模型分两个阶段来进行,提高了协商效率,而且允许卖方体现商品的特色,差异化自己的商品。     

基于GA的一对多、多属性谈判模型研究

随着商务智能的发展,自动谈判已成为解决用户与商家冲突的重要渠道.买家与卖家进行交易时,往往要针对产品的多个属性进行交涉,并希望与多个卖家同时进行,从而选取最优方案.通过对遗传算法进行改进,保证最优个体的不变性,采用动态的选择概率以及增大交叉和变异概率等,设计了基于GA的一对多、多属性自动谈判问题模型.仿真结果验证了该模型的有效性及可行性.     

多Agent多阶段一对多协商模型

为解决多Agent一对多、多议题协商问题,提出了具有议题属性协商阶段的多阶段协商模型,设计了一种根据Agent让步幅度变化所形成的曲线来判定Agent类型和使用何种协商方法的协商策略.详细地分析了多Agent、多阶段一对多协商的协商过程.将三角模糊数多属性决策方法引入到多Agent协商过程中降低了决策者评估对方所提出方案的难度,能更自然地对不同方案的优劣进行排序.模拟算例表明,该模型有效且可行,为多Agent协商提供可参考的模型和求解算法.     

基于辩论的多商品谈判模型研究*

旨在对一组商品的多agent谈判进行研究,这组商品具有共同的性质,能满足买方特定需求。通过分析一组商品的属性特征,将商品的属性分为主属性和非主属性,用辩论方法构建多商品谈判机制,提出基于辩论的多商品谈判模型,并通过原型系统实验验证了模型的正确性和有效性。提出的模型将一组商品的多agent谈判统一到一个过程中,有利于达成谈判协议,提高谈判效率。     

基于模糊理论的一对多自动谈判协调策略

针对一对多自动谈判参与各方在谈判过程中因为相互等待而效率低下的问题,提出一种能使谈判过程连续化的基于模糊的协调策略,以达到在尽可能少的时间内得到最满意协议的目的。该策略通过协调Agent灵活地创建和撤离新的谈判线程并在谈判过程中不断更新谈判的信念值进而支持连续谈判,满足开放和动态的谈判环境,提高谈判效率。模拟实验表明,该策略能够对谈判效用和时间进行优化,具有有效性和实用性。     

基于异质策略消费者的销售商两阶段订货模型

采用基于目标客户群定位的两阶段决策方法,研究策略消费者异质情形下的销售商订货模型.假设策略消费者对产品的估价为随机变量,通过对模型的逆向求解和仿真得出:1)消费者平均支付意愿的大小影响销售商定位的目标客户群的范围;2)随着消费者平均支付意愿、产品清仓价格的提高以及消费者异质程度、产品成本的降低,销售商会将更多的消费者定位为目标客户;3)当消费者平均支付意愿较低或异质程度较大时,销售商可以获得比消费者同质情形更高的利润,消费者的异质性有利于销售商.     

基于模糊多准则决策的谈判模型

针对目前谈判支持系统中谈判模型存在的难以准确获知谈判人的偏好,以及利用偏好构造其效用函数的问题,应用模糊数学的方法,将谈判人的偏好和对目标值的评价用梯形模糊数表示,由此提出一种基于模糊多准则决策方法求解谈判问题的模型。通过示例分析计算,表明该模型能帮助谈判各方达成一个满意解。     

基于两阶段免疫接种的SIRS计算机病毒传播模型

针对现有的带有免疫接种策略的病毒传播模型的不足,根据生物学中的传染病模型提出了带有阶段免疫接种特点的SIRS计算机病毒传播模型。该模型充分考虑了在达到感染阈值时免疫接种概率的变化对于病毒传播的影响。此外,利用动力学稳定性理论分析并证明了病毒平衡点的存在和稳定条件。数值仿真结果表明,提高免疫接种率和设定适当的感染阈值可以有效控制计算机病毒在网络中的传播。     

基于两阶段学习的多行为推荐

多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能. 现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上, 并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模. 然而, 这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题. 事实上, 用户偏好是指用户在不同行为中表现出来的喜好(例如, 浏览的喜好), 而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如, 浏览转换为购买). 在多行为推荐中, 对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务. 基于上述讨论, 提出基于两阶段学习的多行为推荐. 两阶段策略设计的优势是解耦了前述两种任务. 两阶段策略采取固定参数交替训练的方式实现, 并同时保留了模型端到端的结构. 1)第1阶段专注于不同行为下的用户偏好建模: 先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模, 以最大程度缓解数据稀疏性问题, 再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好), 以减轻不同行为之间的数据不平衡问题造成的影响. 2)第2阶段专注于对不同行为间联系的建模, 通过解耦对用户偏好的挖掘和对不同行为间联系的建模, 以缓解因适配两种任务而引起的信息损失问题. 这种两阶段模式能够显著提升系统对目标行为的预测能力. 大量实验结果表明, 所提模型在性能上远优于最先进的基线模型, 在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.     

双边多事件谈判的动态模型

研究了双边多事件评判问题，结合Ｂａｌａｋｒｉｓｈｎａｎ和Ｅｌｉａｓｈｂｅｒｇ的单事件谈判动态模型和Ｒａｉｆｆａ以及Ｓｉｍｏｎ的有关理论，建立了双边多事件谈判问题的动态模型，并讨论了模型的性质。     

一对多协商协调策略研究

介绍了一种基于模糊逻辑的协调策略。协调策略考虑协商过程中的各种因素,包括时间、对手数目、对手的提议等,使用模糊规则和模糊推理,对多个相互影响的并发一对一协商进行协调。实验证明,该策略能够很好地适应信息不完全的环境。     

基于Agent的Web服务QoS协商研究

协商机制是协调Web服务使用者和提供者的不同QoS(quality of service)需求的一种重要方法,通过扩展的协商代理中介角色完成双方的协商.扩展了Web服务的描述,增加了关于QoS的信息,将协商双方的偏好和协商策略参数化,使得双方可以通过简单设置参数来指定,从而Agent可以根据这些信息代表协商双方进行自动协商,并将协商结果转化为合同,更好地约束服务的交付.     

多Agent自动协商的公平性研究

为了能够快速、高效地进行Agent协商,构建一个优化的多Agent协商模型。在这个模型的基础上,提出了一个基于协商各方公平性的协商学习算法。算法采用基于满意度的思想评估协商对手的提议,根据对方Agent协商历史及本次协商交互信息,通过在线学习机制预测对方Agent协商策略,动态得出协商妥协度并向对方提出还价提议。最后,通过买卖协商仿真实验验证了该算法的收敛性,表明基于该算法的模型工作的高效性、公平性。     

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。     

应用记忆演化学习的Agent协商研究

在多Agent系统（MAS）环境中,协商是一个复杂的动态交互过程。如何提高协商效率,成为了研究者关注的焦点。应用记忆演化理论的强化学习思想,提出一种Agent协商算法。它与基本强化学习相比,3阶段的记忆演化的强化学习,使得Agent可以在实时回报与延迟回报间更好的做出平衡,并为Agent记忆社会化交互创造条件,使强化学习更适合MAS的要求。通过模拟实验证明该协商算法是有效性的。     

多Agent谈判：一种基于模糊逻辑控制的方法

在分析各种Agent谈判模型不足的基础上，首先给出基于黑板模式的谈判Agent体系结构，然后设计了一个通用的谈判Agent建议的综合评价方法。此外，应用标准可加性模型原理设计了谈判Agent的策略模型，从而构建了应用范围广泛的自动化谈判Agent模型。     

基于效用图的依赖关系与协商策略研究

依赖关系一直是多议题协商的重点和难点.在基于依赖关系的多议题协商背景下,对依赖关系和依赖度进行了严格的定义和度量.在协商过程中,协商Agent强化了自身的协商策略,并使用多目标遗传协商算法对协商进行优化.实验结果表明,在该协商背景下依赖关系的定义以及依赖强度的度量是合理的,卖方Agent使用多目标遗传协商算法和各种协商策略是可行的,并取得了较好的协商效果,且使协商结果迭到了pareto最优.     

一种强调私密性的多智能体协商模型

提出一种更具私密性的多智能体协商模型；基于经济学边际效用的概念建立了基于市场交互机制的协商算法。每个智能体不需向市场智能体发送原料需求信息，只需发送对某种原料边际效用的符号信息；市场智能体作为中间人运行定价算法和分配算法对原料进行定价和分配。仿真结果表明本文方法与已有方法性能相近，但是协商过程不会泄露商业机密信息，更符合分布式智能体的私密性要求。     

基于前景理论的辩论协商研究

基于最大效用理论的协商往往假设协商者完全理性,然而在现实的协商中,协商者的行为往往偏离理性,针对这一问题,将前景理论应用到辩论协商中,利用前景理论对不确定条件下协商者的决策行为进行探讨。利用知识库中的信息构造协商者相对收益或损失的参考点,同时利用外部信念模型对前景理论中的参考点进行动态移动,以动态反应协商者偏好的变化。通过算例验证了基于前景理论的辩论协商可以很好地反应协商者的决策行为,并能够帮助协商者顺利完成协商。