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.     

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。     

一种零售电子市场中的商品交易自动协商模型

本文提出了一个针对零售电子市场中商品交易协商的双边多议题自动协商模型。基于实质利益协商法的原则,综合采用带优先级的模糊约束满足问题(PFCSP)和多属性效用理论(MAUT)的思想对协商进行建模,给出了买卖双方Agent的形式化模型,对协商双方的行为和策略进行了算法描述,并对协商可能获得的结果进行了分析。     

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Nearest-Biclusters协作过滤技术的效用图结构学习算法

在多议题协商研究中,议题之间的依赖关系增加了协商Agent效用函数的复杂性,从而使得多议题协商变得更加困难.基于效用图的多议题依赖协商模型是体现议题间依赖关系的多议题协商模型.在该协商模型中,协商双方仅需要较少的协商步数就能够找到满足Pareto效率的协商结局.如何有效地学习买方Agent的效用图结构是该协商模型的关键.文中基于Nearest-Biclusters协作过滤技术的思想提出了一种新的效用图结构学习算法(NBCFL算法).该算法首先利用Nearest-Biclusters协作过滤技术发现买方偏好的局部匹配特性,提取与当前买方Agent类型相同的买方Agent所产生的协商历史记录,然后通过计算各议题间的依赖度学习买方Agent的效用图结构.实验表明在参与协商的买方Agent类型不同的条件下,NBCFL算法比IBCFL算法能更好地学习买方Agent的效用图结构.     

一个基于多属性协商的效用函数研究

传统的效用函数模型还不能满足多属性协商中反映协商属性间的关联关系的内在要求,束缚了自动协商的应用.本文阐述了自动协商的相关知识背景,分析了多属性协商的特征和协商属性的类型特征,对现有的多属性协商协议进行了讨论.通过对传统的效用函数的改进,提出了更加切合多属性关联作用的多属性效用函数的构建模型,从而更好的完成对多属性自动协商的效用函数构建工作,有利于对效用函数的拟和和应用研究.     

基于双边多议题的Pareto最优协商研究

研究完全信息情况下的双边多议题协商问题,提出一种双方反提议决策模型,在每一轮反提议生成过程中,提议方在满足自身效用在该轮的保留效用水平下,最大化对方的效用,从而使协商结果达到Pareto最优,同时对双方在不同让步策略下的协商结果进行算例分析,为基于双方合作的完全信息协商提供理论参考。     

基于遗传算法的Agent多边多议题协商模型

提出了一种基于遗传算法的多边多议题协商模型,该模型能够根据协商过程中对手提议的变化情况动态估计对手偏好,提高了适应度函数的判断能力,促使协商达成一致.实验分析表明,该模型使各Agent均能在短时间内协商成功,并且各Agent获得的效用总和近似于最高社会效益,从而验证了该模型的有效性.     

基于改进增强学习算法的双边多协议协商策略

针对传统增强学习算法存在妥协过快导致自身效用降低的缺点,通过设计改进增强学习算法的双边多议题协商模型,引入期望还原率,还原Agent的期望,从而提高协商解的质量。通过实验分析了期望还原率不同取值对协商的影响,并对传统增强学习协商策略、基于时间的协商策略和改进增强学习协商策略的协商效果做了对比。实验表明,在协商次数允许的范围之内,基于期望还原率的改进增强学习算法在双边多议题协商中能够提升双方的效用。     

多议题协商服务平台的研究与实现

基于面向服务架构(SOA)的多Agent多议题协商模型融合了面向服务架构和多Agent多议题协商系统的特点.在协商服务平台中应用本体的基本概念和相关技术来定义协商的提议和议题,可实现协商议题的个性化和按需变化的动态性,提高了协商Agent的能力、效率和协商的有效性,让协商不再局限于某些特定协商对象.     

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。     

基于增强学习的多agent自动协商研究

该文通过对协商协议的引入,对提议形式、协商流程的分析,结合多属性效用理论和连续决策过程,提出了一个开放的、动态的、支持学习机制的形式化多问题自动协商模型。并在模型的基础上分别对评估提议、更新信念、生成提议等协商过程作了详细描述;对传统Q学习进行了扩充,设计了基于agent的当前信念和最近探索盈余的动态Q学习算法。     

Reaching unanimous agreements within agent-based negotiation teams with linear and monotonic utility functions

In this article, an agent-based negotiation model for negotiation teams that negotiate a deal with an opponent is presented. Agent-based negotiation teams are groups of agents that join together as a single negotiation party because they share an interest that is related to the negotiation process. The model relies on a trusted mediator that coordinates and helps team members in the decisions that they have to take during the negotiation process: which offer is sent to the opponent, and whether the offers received from the opponent are accepted. The main strength of the proposed negotiation model is the fact that it guarantees unanimity within team decisions since decisions report a utility to team members that is greater than or equal to their aspiration levels at each negotiation round. This work analyzes how unanimous decisions are taken within the team and the robustness of the model against different types of manipulations. An empirical evaluation is also performed to study the impact of the different parameters of the model.     

不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组 成。PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析。NDM通过 引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平 衡,以保证决策者的利益。实验结果表明,提出的协商模型(DMNM)不仅能够有效平衡决策者对当前利益和长远利 益的选择,而且最大化地保证了决策者的收益。C;E-HOA算法在保证解质量的前提下提高了搜索效率,使得决策过 程更为高效。     

一种基于契约和协商的授权方法*

针对目前信任协商研究中缺乏激励真诚协商动机的研究工作,通过引入博弈论中契约理论的思想,提出了一种基于契约和协商的授权方法,为陌生者之间真诚的信任协商提供了保障,是对信任协商机制的有益补充。通过对方法的性能分析,表明由契约协商引入的代价是可以接受的。这种方法为解决陌生环境下的资源授权管理问题提供了一种新的有效手段。     

一种有效的信任协商多方安全计算模型*

以DataLog逻辑描述语言的Herbrand模型为基础定义策略语言,实现访问控制与授权控制逻辑,提出了积极协商策略,以解决信任协商中的多方协商问题。     

A risk-reduction approach for optimal software release time determination with the delay incurred cost

Most existing research on software release time determination assumes that parameters of the software reliability model (SRM) are deterministic and the reliability estimate is accurate. In practice, however, there exists a risk that the reliability requirement cannot be guaranteed due to the parameter uncertainties in the SRM, and such risk can be as high as 50% when the mean value is used. It is necessary for the software project managers to reduce the risk to a lower level by delaying the software release, which inevitably increases the software testing costs. In order to incorporate the managers’ preferences over these two factors, a decision model based on multi-attribute utility theory (MAUT) is developed for the determination of optimal risk-reduction release time.     

CSCW协同建组自动协商模型研究

文章提出了支持协同工作组建立的自动协商模型,定义了agent协商协议、协商算法和协商agent用于产生及评估offer、counter-offer的效益决策函数,分析了算法时间耗用,与现有协商模型和协商建组FITS/CL框架进行对比,验证了该模型在支持用户参加多个协同组、进行多协商方面的优势,解决了组建立中的群体决策问题,对探索自动建组方式进行有益尝试。     

基于商务谈判的机器学习理论方法研究

电子商务的谈判中应用机器学习方法可增加其智能特性.探讨基于商务谈判的机器学习理论,建立了商务谈判学习模型,设计出相应的学习算法Strategy Learning以获取谈判领域的专家知识-谈判规则.通过一个应用实例,验证了SL方法的可行性和正确性.