基于SOA的多边多议题协商模型的研究

提出了一种新的协商模型--基于面向服务架构(SOA)的多边多议题协商模型.利用面向服务架构(SOA)技术来构建松散耦合的协商模型,并在协商模型中应用本体的基本理论和相关技术来定义提议、议题等本体模型,以实现协商议题的多样性和可变性,最后在SOA的框架下以Web服务方式使用经SOAP封装的通信原语实现多边多议题协商模型.     

基于遗传算法的多边多议题自动协商模型

协商是MAS实现协同、协作和冲突消解的关键环节。在虚拟组织建立的背景之下,讨论了现有的多agent协商技术,提出了一个基于遗传算法的多边多议题自动协商模型,并且给出了相应的协议和算法。该模型能够迅速求出协商解,且agent能保持较高的效用,因此具有一定的通用性,适宜在动态的、时间约束强的开放网络环境下工作。     

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。     

基于自适应差分进化算法的多边多议题协商

为提高基于智能体(agent)的电子商务多边多议题协商的效率及稳定性,提出改进的自适应差分进化算法(ADE)并将其引入到合作环境下的多边多议题协商问题中。差分进化(DE)算法是目前求解连续空间内全局优化问题性能最优的进化优化算法之一。利用该算法收敛速度快、收敛精度高、全局寻优能力强等特点加快多边多议题协商的速度,使协商效率更高、稳定性更强。通过与目前解决多边多议题协商问题效果最好的混合遗传算法(HGA)对比,实验结果表明,自适应差分进化算法具有更快的收敛速度和更好的稳定性,可以使多边多议题协商中的各智能体达到协商最优解,并有效地减少协商次数,提高协商的效率和稳定性。     

一种基于案例的Agent多议题协商模型

不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式;另一方面,Agent一般拥有或多或少的经验和知识,这将帮助它们取得更好的协商结果.这启发了用基于案例的方法直接学习得到最优回价,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型.所给出的算法计算复杂度为多项式级,且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度.实验结果显示,采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间,且优于Lin等人的实验效果.改进了Fatima等人的工作.     

一种基于多目标优化的Agent多议题协商模型

Agent多议题协商研究是多Agent合作求解的核心内容之一,一般基于对策论的方法实现Pareto最优的协商结果。由于很多学者将其转化为单目标约束满足问题,因而只能满足一方的效用最大化要求。Nash指出在理想情况下Agent应追求自身效用最大和对手效用最大的多目标优化,以达到快速达成一致并能最优化自身效用的目的。针对该问题,本文给出一种用指数型功效系数法求解的一揽子交易多议题协商模型NMMOP,该模型能够实现双方Agent的效用最优,提高协商双方的总效用。实验结果验证了该模型的优化效率优于Fatima和Faratin等人的工作。     

基于Agent的双边多议题协商算法

双边多议题协商是一个复杂的动态交互过程。解决Agent在对环境和对方信息不全知的情况下通过协商达成一致并最大化自身效用是非常重要的。为了寻求Pareto效率解,提出了一种在无中介参与的情况下双方通过多轮相互探测求解的方法。实验分析了偏好对协商过程的影响并说明了该算法是一种在较低计算代价下求得Pareto效率解的有效双边多议题协商算法。     

基于学习的多Agent多议题协商优化研究

以买方Agent的观点,对从交易平台上获得的卖方Agent的历史协商信息进行分析,并根据其特点做初步过滤。在此基础上,针对现有协商模型中存在的问题,提出了一个Agent协商对手选择算法和相应的交互机制,并验证了其可行性。该算法可用于Agent协商开始前协商对手的选择和初始信念的更新,对Agent在协商中策略的选择和执行具有指导作用,能有效提高Agent在协商中的效用及效率。     

一种劝说式多Agent多议题协商方法

多Agent系统中的协商问题往往由许多议题组成,导致问题空间十分庞大.传统的协商方法通过对问题空间进行穷尽搜索来找到最优解,并不适合多议题协商.而且,传统的方法不考虑协商偏好变化的情况,使得Agent在不完全及不正确环境下找到的最优解并不合理.提出一种劝说式多Agent多议题协商方法.借助信念修正这一有效的推理工具,协商Agent能够在协商过程中接受协商对手的劝说,考虑对手对协商议题的偏好,并根据一种基于辩论的信念修正方法调整自身的偏好.这样就能够使协商Agent对变化的协商环境具备适应性,从而提高协商的效率及正确率,快速准确地达成协议.     

基于学习的多议题协商

随着在线交易越来越普遍,如何有效地将先进的agent技术运用于电子商务协商领域,已经成为经济学家和计算机学者共同研讨的一个主要方向。文中从买方agent的观点出发,在协商过程中采用贝叶斯学习机制进行预测和更新对方agent的信念,使得每个agent通过学习来协调自身的行为,从而缩短了协商时间,提高了协商效率,更能有效地完成协商目的。并实验说明了其可行性。     

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。     

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。     

技术创新平台中基于Agent的多议题协商算法与策略

针对技术创新平台应用背景下的技术对接协商问题,结合智能感知Agent技术,分析并设计了多议题协商算法与策略。由技术创新平台中技术对接的实际环境,充分地利用平台中的历史技术对接提议,并考虑到技术对接双方的技术对接效益,设计技术对接中基于智能感知Agent的多议题协商算法,并在此基础上设计提议生成策略,提出技术对接协商中的建议解。保证了技术对接过程中技术交易双方的综合效益最优,使得技术交易双方能够在技术对接协商中达到效益“双赢”。通过技术创新平台中的技术对接的实际算例,例证了该协商算法与协商策略对技术创新平台中技术对接环境的适用性、合理性、可行性和有效性。     

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。     

基于多Agent的合作伙伴选择协商模型

为提高合作伙伴选择的效率和质量,将具有自治性的软件Agent应用于合作伙伴选择系统,提出了基于多Agent的合作伙伴选择系统的框架。定义了Agent的结构,确定了Agent间交互作用的方式,包括协商目标、协商协议和推理模型。     

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.     

An agenda-based framework for multi-issue negotiation

This paper presents a new model for multi-issue negotiation under time constraints in an incomplete information setting. The issues to be bargained over can be associated with a single good/service or multiple goods/services. In our agenda-based model, the order in which issues are bargained over and agreements are reached is determined endogenously, as part of the bargaining equilibrium. In this context we determine the conditions under which agents have similar preferences over the implementation scheme and the conditions under which they have conflicting preferences. Our analysis shows the existence of equilibrium even when both players have uncertain information about each other, and each agent's information is its private knowledge. We also study the properties of the equilibrium solution and determine conditions under which it is unique, symmetric, and Pareto-optimal.     

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.     

Agent-based bilateral multi-issue negotiation scheme for e-market transactions

Software agents are flexible, autonomous, and dynamic computational entities. For electronic market (e-market) applications, the wide variety of choices to the consumers has introduced the problem of information searching. Meanwhile, there are also so many issues for the participants that require negotiations to find the best deal. In this paper, we present a bilateral multi-issue negotiation scheme, which deploys risk seeking/averse strategies and cost-oriented/benefit-oriented tactics to explore the negotiation space of possible trade-off for the one that is most likely to be acceptable. In particular, it focuses on the incorporation of the level of vagueness of preferences for those issues (either crisp or fuzzy) and multi-objective decision-making techniques. The goal of this research is to design an effective model and some constraints-based fuzzy rules and relax of these constraints to their prevailing transaction circumstances.