基于混合遗传算法的电子市场双边协商求解

双边协商是电子市场交易过程中重要环节，目标是寻求使买卖双方效用最大的协商方案。在构建电子市场双边协商的决策模型的基础上，提出了一种求解双边协商问题的十进制编码、实施保留最优策略和基于种群熵的混合遗传算法。该算法能够避免二进制编码的缺点，有效地提高收敛速度、克服早熟现象，并容易引入领域知识。算例说明了该混合遗传算法的高效性。     

基于LDPC码和二分法的联合信息协商算法

信息协商是量子密钥分发(QKD)中的重要环节。在此环节中常需要用信道纠错码技术,如采用性能优异的低密度奇偶校验(LDPC)码。为了增强协商算法对合法双方的错误率的适应性,可以采用码率自适应的方案,但其设计不便、灵活性较差。文章提出了一种以LD-PC码协商算法为主,以二分法协商方法为辅的联合协商算法,可在协商效率和协商轮数上取得较好折衷,对合法双方原始密钥的错误率有良好的适应性。     

多Agent自动协商中的改进遗传算法

针对多Agent自动协商中所存在的协商时间长、复杂性高、协商结果无法保证等问题,文中提出了一个基于Pareto最优解的改进遗传算法。该算法在评价函数、种群规模与分布、交叉和变异操作等方面都对传统遗传算法进行了改进,以提高具有高维度多Agent自动协商中算法的性能和效率。通过买卖Agent之间的多对多自动协商典型算例表明,这种算法在保证不同利益群体Agent之间协商取得Pareto最优解的稳定性和使得协商参与者达到协同进化等方面都具有明显的优势。     

一种基于混合遗传算法的双边多议题协商

为了提高基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种agent的协商模型,并且将混合遗传算法HGA应用于这种模型当中,来提高模型中agent协商的效率。分别对4种遗传算法各进行1000次的实验。结果表明,它们同样达到协商最优解时,标准遗传算法SGA平均需要218次协商,基于Metropolis准则的遗传算法MGA平均需要184次协商,自适应遗传算法AGA平均需要152次协商,而混合遗传算法HGA平均仅需要121次协商。这说明,在求解双边多议题协商问题的时候,HGA可以使得协商当中的agent高效达到协商的最优解。     

基于信任度的协同商务链自学习协商研究

在传统合同网协议的基础上，构建了协同商务链自学习协商框架．借鉴群体智能技术中的响应阀值概念，提出了基于信任度的自学习协商模型，同时给出实现该模型的算法和步骤．根据协商过程中投标主体完成任务的情况，实时更新其信任度值．基于此动态值，管理者可以有效的选择合适的投标主体，提高了协商效率，并减少协商时间和成本，从而达到减少通信量和保证协同商务链上各主体利益的目的．最后，通过仿真实验，从通信量、时间和任务完成数3个指标来进行比较．结果表明：该模型可以有效缓解协商过程中的管理器瓶颈和信息拥塞问题，相对于单任务双方协商模型，其在解决多主体、任务不断变动的动态环境下的协商问题有明显的优势．     

对手偏好主动学习驱动的协商框架

针对自动化协商问题,提出一种基于主动学习算法的对手协商偏好学习方法. 在该方法中,协商过程表示为建议序列,将建议序列映射到出价轨迹特征空间,建立训练样本集. 在激烈竞争的电子商务环境中,样本标记的成本较高,引入主动学习算法后,在预算范围内,提高了对手协商偏好预测的精度. 实验数据表明,该方法能在少量有标记训练样本下获得良好的预测能力,减少了协商回合数,提高了协商总效用.     

基于角色交换的多Agent协商问题的研究

利用角色与Agent之间的动态性刻画多Agent系统的结构和行为模型的特点,针对在协商过程中相互协作的Agent如何结成具有相对稳定的合作领域的问题,对角色进行形式化描述,提出了基于角色交换的多Agent协商角色交换算法。该算法能在不完全信息的环境下,提高多个Agent之间的协商效率;并以模拟足球赛为平台进行实验,结果证明该算法是可行有效的。     

基于直推式支持向量机的协商决策模型

为了解决在电子商务活动中由于信息的保密性协商参与者无法获得对手效用函数,进而影响双方协商性能的问题,提出一种基于直推式支持向量机(TSVM)算法的双边多议题协商决策模型.该模型利用协商历史中隐含的信息,分析协商过程中产生的建议是否落在对手效用可接受区间内,构造有标记和无标记的训练样本,并通过直推式支持向量机来学习这些训练样本,得到协商对手效用函数的估计,然后与己方效用函数相结合构成一个约束优化问题,利用粒子群算法求解此优化问题得到己方的最优反建议.实验结果表明:此模型在信息保密和缺乏先验知识的情况下,能够兼顾对手效用做出协商决策,增加了双方的协商成功率和联合效用值,并能够有效减少协商时间.     

软件人协商中的自学习

首先提出了一个双边多主题的协商模型,给出了协商模型定义、协商要素及一个软件人双边协商框架,并详细讨论了协商主题、协商协议、效用函数、协商资源及协商策略,然后利用BP神经网络学习算法对协商策略中关键的最终结果集进行预测和学习,实现了软件人协商的自学习过程.与其他的相关研究相比,论文针对不完整信息环境下的协商交互过程,利用神经网络具有的网络自适应、自学习的能力,对协商最终结果集进行预测,提高了协商的效率.在协商交互中采用该框架的个体将得到更为有利的协商结果,因此更加适用于不完整信息环境下的协商.     

基于历史信息和时间约束的多Agent协商模型

协商是多Agent系统（Multi—Agent Systems：MAS）实现协调、协作和冲突消解的关键环节。如何在不完全信息的情况下构造有效的协商模型来提高Agent的协商能力,是多Agent系统研究中占有重要地位的问题之一。通过考虑历史信息和时间约束的情况下,讨论了多Agent多问题的协商类型,提出了基于历史信息和时间约束的协商模型（HTANM）和协商算法,为多Agent能进行自动协商奠定了一定的基础。     

基于对手态度学习的协商决策模型

为了解决基于多Agent应用环境下的双边自动协商问题,提出了一种用基于支持向量机(SVM)算法的对手协商态度学习方法.在该方法中,协商的过程被看作一个建议序列,把建议序列映射到新的特征空间,形成了多个协商轨迹（每个协商项有一个协商轨迹）.通过支持向量机的方法来学习协商轨迹,得到协商对手在每个协商项的态度.然后利用学习得到的对手协商态度,构造了一个协商的决策模型.此模型能同时基于对手的态度和自身的偏好来做出协商决策.另外,模型中的模型函数在满足一定约束的条件下,可以保证协商决策的收敛性和单调性.实验结果表明,该模型能有效较少协商的时间,增加协商双方的效用总和.     

主动网络资源动态协商机制的研究

从通信服务集和安全性这两个关键角度探讨了主动网络中采用资源动态协商机制的重要性。在此基础上建立了主动队列模型作为资源协商之地;同时设计了资源分配算法和资源价格凸函数,让用户直接参与资源协商,自主地共享节点资源。通过OPNET进行仿真实验,实验中设计了资源动态协商和非协商两种方案,从队列长度、包延迟等方面说明了前者的优势。     

多智能体系统混合智能学习算法研究

针对Agent个体学习与群体学习各自的不足，探讨了多智能体系统(MAS)中的合作与协商及Agent学习技术，提出了一种新的混合智能学习算法．将个体学习与群体学习有效结合起来，提高了Agent的个体性能及系统整体的智能水平．在足球机器人仿真系统中进行了实验，结果表明了算法的可行性与有效性．     

GSM网络环境认证协议的研究

针对现有的对GSM的攻击，提出一种应用AES算法在GSM中进行身份认证和密钥协商的方案。该方案易于实现，仅使用AES算法，不需要对GSM现有的数据库进行变动，认证流程也与正在使用的GSM认证流程相似。此外，该方案还有保密性高，计算复杂度低，传输参数少的优点。文章最后给出了协议的安全性分析和实现效率的分析。     

基于策略属性协商的云间组合服务访问控制机制

提出一种基于策略属性协商的云间组合服务访问控制机制.使用属性来表达服务组件之间的授权关系,能够满足云环境下动态、弹性、点对点的交互特点,该机制使用策略属性协商来实现访问控制的交互,减少了服务内安全信息的披露,有效地保护了用户隐私,实现了云组合服务内不同服务组件的策略对外一致性的访问控制表现.设计一种基于历史信息的策略协商算法,通过同步高频协商策略、存储历史协商信息、计算属性披露开销,来优化协商流程,提高交互效率.仿真实验验证了该机制的可行性及其运行效率.     

基于CDS结构的动态安全组播密钥协商方案

提出了一个应用椭圆曲线密码体制在基于CDS结构的动态安全组播中进行密钥协商的方案．首先采用CDS分组算法对组播组成员进行区域划分,然后应用椭圆曲线密码体制进行各个子组及整个大的组播组的密钥协商．采用CDS结构增加了灵活性,避免了单点故障的产生,提高了组播系统的健壮性．应用椭圆曲线密码体制,有效地减少了密钥程度和密码算法的计算量．具体分析了各个子组和整个大的组播组的密钥协商过程,以及在组成员动态变化时密钥的更新过程,结果表明,所提方案在降低计算和通信代价方面取得了较好的效果,而且满足组播密钥协商的各种安全要求．     

一个有效的动态组密钥协商协议

针对常数轮基于身份(ID-based)的可验证密钥协商协议存在协商通讯效率不高，以及没有涉及到当组成员变动时如何重新协商的问题，采用分布式两轮组密钥协商协议中的环形组成员结构，利用单轮三方密钥协商协议技术，使得第二轮密钥协商阶段所需的广播交互信息的成员数较现有协议减少一半，提高了通讯效率.将协议推广到组成员动态变化的情形，当成员关系变化时协商的代价只与变化成员的数目相关，而与组内成员总数无关.分析表明，该协议是安全的，并且协商效率优于现有协议.     

簇状传感器网络临时分类密钥管理协议

提出了一种基于密钥树的簇状传感器网络临时分类密钥管理方法.采用DH密钥协商算法和逻辑密钥树分发节点间通信使用的三类密钥;使用事件激发来启动密钥系统更新,以确保网络拓扑变化时的密钥安全.实验表明密钥协商算法适当地增加计算量,但有效地降低了通信负载,并且减少了密钥占用的存储空间;动态更新策略能自适应网络拓扑变化,提高了密钥系统的安全性.     

一种支持多利益相关者协商的复杂产品概念设计方法

复杂产品的概念设计是用户、设计者、制造者、产品经理等多利益相关者参与的过程。为了支持多利益相关者参与的产品概念设计过程,基于多利益相关者的协商特点,建立了多利益相关者的产品概念设计过程模型,结合试验设计、响应面构建和数值寻优算法,提出了多利益相关者一致性协商方法,并制定了协商一致性条件不满足时的调整策略。最后以自助式轮椅概念设计中功能一致性协商过程为例,说明了该方法的具体应用。     

基于效用最大化协商机制的云媒体资源分配算法

针对传统云媒体资源分配算法中没有考虑整体服务满意度和分配效用等因素对算法性能的影响,导致云媒体资源分配服务效率和可应用性不高的问题,引入云媒体服务提供者和云媒体服务请求者的效用函数模型,从服务价格、服务响应时间和服务带宽3个方面对该模型进行统一化描述。利用云媒体服务双方的效用函数值和让步策略,得到最大效用化的云媒体服务资源,并进行协商分配。基于协商机制效用模型,提出了资源分配算法RAANM(Resource allocation algorithm based on negotiation mechanism)。与传统调度算法相比,RAANM算法的云媒体资源分配的目标函数不再是最小化响应时间,而是最大化效用值,进而提高服务满意度。最后通过仿真实例验证了该算法的有效性。