基于时间约束的不完全信息的战略协商模型

在实证的一对一协商中，协商Agent不仅要面临自己的最后期限的压力，同时又要预测协商对手的最后期限和其类型，协商Agent的协商战略必须满足理性与均衡的要求。提出了通过形式化的方法建立轮流出价协商模型，给出了轮流出价协商战略均衡的条件定义，求出了基于时间限制的不完全信息环境下满足均衡组合的协商战略，建立了依据均衡战略的实用化协商算法，最后分析了该算法产生的实验数据，并在相同环境下与Zeus协商模型比较显示，依从本模型的均衡战略的协商Agent能根据对对手的不确定信息的信念动态地采取行动，以获得最大的期望收益。     

自治Agents的面向服务的协商模型

提出了一个基于自治Agents的面向服务的协商模型。模型主要包括两大模块：首先定义了一系列的战略和战术过程，使得Agents可以产生初始建议，评价对方的建议，以及在此基础上做出反建议；其次，定义了两个层次的Agent通信机制。二者相辅相成，实现了Agents间合作的动态形成和随机协调，使得Agents可以承担因环境的不确定性而需动态协作的复杂任务。     

Agent协商研究进展

自2001年Jennings研究协商以来,已经成为MAS研究的热点。介绍了协商的定义、研究内容、应用领域;分析了协商的复杂性;总结了通用的单议题协商和多议题协商协议的对策论模型;综述了Agent多议题协商的策略与学习算法;并分别介绍了两种典型的多议题协商：拍卖和并发协商,给出组合拍卖、多属性拍卖和并发协商的基本模型及其研究进展;最后探讨了协商存在问题和将来可能的发展方向,指出作为交互、竞争与合作的基础,协商需要继续深入的探讨,也必将成为多Agent系统研究的主流。     

基于知识本体的协商Agents模型研究

知识本体具有知识共享,再利用和规则推理的能力,基于知识本体构建协商Agent模型,使协商Agent与特定的协商语言．协商协议和协商议题分离,解决异构Agent之间协商问题。     

协商Agent的历史学习算法研究

文章以买方Agent的观点对交易平台上获得的对方Agent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,该文针对现有协商模型中存在的问题,提出了一个Agent协商历史学习算法,并实验说明了其可行性。该算法可用于Agent协商前初始信念的创建,对Agent在协商中策略的选择、执行具有指导作用。     

基于知识本体的协商Agents模型研究

知识本体具有知识共享,再利用和规则推理的能力,基于知识本体构建协商Agent模型,使协商Agent与特定的协商语言,协商协议和协商议题分离,解决异构Agent之间协商问题。     

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。     

网格环境面向服务的Multi-Agent交互协议及协商模型

网格目的是为了实现地理上分布的异构资源和服务的共享.资源的分配、应用开发和模型使用是网格环境中的关键问题和复杂的任务.利用具有一定自主推理、自主决策能力的Agent以及由其组成的Multi-Agent系统(MAS)来模拟、优化、实施、控制网格资源的分配和管理为网格研究提供了一种有效的新方法.在基于MAS的网格系统中资源分配和调度活动都是通过协商完成的,因此如何保证Agent之间能够有效、有序地进行协商的协商机制是网格计算环境的重点.针对目前对协商的研究还只是单纯地研究协商协议或者只重视研究协商策略,缺乏对网格环境下协商模型的研究背景下,提出了一个医学图像处理网格环境下的面向服务的多代理协商模型.     

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。     

Autonomous negotiation for resource allocation of multiple sectors in the TFT-LCD manufacturing industry

In a global TFT-LCD manufacturing enterprise, a central planning sector promises orders to maximize profit, while the production sector is responsible for minimizing costs and meeting delivery deadline. The two sectors frequently struggle with different preferences. The contradictory objectives raise conflict between the two sectors when developing an entire resource allocation plan for the enterprise. This study presents a novel negotiation framework and develops a mutually acceptable resource allocation plan via autonomous negotiation between sectors with different preferences. A mathematical model considering the major characters of the TFT-LCD industry is formulated. Individual sectors can employ preferred negotiation tactics to achieve their objectives with an acceptable level of trade-off. This study examines various negotiation tactics and compares the proposed decentralized model with a centralized solution. Negotiation experiments demonstrate a good resource allocation plan over a short time and the conflict between sectors can be resolved efficiently. The proposed autonomous negotiation facilitates smart operations management.     

Market_based grid resource allocation using new negotiation model

This paper presents a new negotiation model for designing Market- and Behavior-driven Negotiation Agents (MBDNAs) that address computational grid resource allocation problem. To determine the amount of concession for each trading cycle, the MBDNAs are guided by six factors: (1) number of negotiator's trading partners, (2) number of negotiator's competitors, (3) negotiator's time preference, (4) flexibility in negotiator's trading partner's proposal, (5) negotiator's proposal deviation from the average of its trading partners’ proposals, and (6) previous concession behavior of negotiator's trading partner. In our experiments, we compare grid resource consumer (GRC) of type MBDNAs (respectively grid resource owner (GRO) of type MBDNAs) with MDAs (Market Driven Agents) in terms of the following metrics: total tasks complementation and average utility (respectively resource utilization level and average utility). The results show that by taking the proposed factors into account, MBDNAs of both types make a more efficient concession amount than MDAs and are, therefore, considered an appropriate mechanism for grid resource allocation in different grid workloads and market types.     

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。     

A decision support framework for security resource allocation under ambiguity

There has been increasing interest in using Stackelberg game (known as a security game) to allocate limited security resources against different attacker types with a specific probability distribution. However, real problems of this kind often face ambiguous information, such as imprecise, unreliable and absent payoffs, and ambiguous assignments of these payoffs. To this end, based on decision theory and the Dempster–Shafer theory of evidence, this paper proposes a novel framework that can handle these common types of ambiguity. More specifically, this paper deploys the underlying principles of existing rules from decision theory, as a way to characterise different attitudes to ambiguity, during the transformation of ambiguous payoffs into point‐valued payoffs. Hence, our framework holds some good properties: (i) it subsumes traditional security games without ambiguous payoffs, (ii) a uniform margin of error will not affect the results and (iii) the influence of complete ignorance can be minimised. Also, our framework is evaluated by using nine different transformation rules, under various conditions and constraints, against 73,000 randomly generated games (a first comprehensive empirical evaluation to date). The evaluation reveals the benefits of each transformation rule and confirms that different rules can model individuals' different attitudes to ambiguity.     

基于博弈分析的自动协商系统

自动协商作为一个热点已经研究了很多年。大多数研究工作都着重于研究独立协商应用的抽象和理论模型,而对于实际算法的应用性只做了很少的工作。主要提出了一种基于博弈论的比较有效的协商模型来解决协商中的冲突。在该模型中利用遗传算法进行策略优化,而利用另外一个算法对已有的No-Fear-of-Deviation（NFD）算法进行了改进。     

一种优化的基于增强学习协商策略

增强学习可以帮助协商Agent选择最优行动实现其最终目标。对基于增强学习的协商策略进行优化,在协商过程中充分利用对手的历史信息,加快协商解的收敛和提高协商解的质量。最后通过实验验证了算法的有效性和可用性。     

一种劝说式多Agent供应链协商模型研究

好的协商模型对提高供应链协商效率有着重要的意义。提出了一种基于劝说式的多Agent供应链协商模型。对供应链协商模型框架和协商Agent的状态信息进行了形式化的定义,阐述了协商中的劝说方法、让步原则和提议交互过程。实践表明利用该模型建立起供应链协商支持系统能提高供应链伙伴协商效率和协商成功率。