基于辩论的Agent谈判中威胁及其评价的形式化模型

针对电子商务中Agent间谈判使用最为重要且普遍的威胁的辩论方式进行了研究,提出了一种有关威胁的形式化模型,并结合现实生活中的交易实例进行了说明,以验证此模型的有效性。在此基础上,提出了一种有关威胁的辩论力度的计算的形式化模型,并在做出相关假定和给出相关的假设数据的基础上,以一个算例对模型进行计算和分析,以验证此模型的正确性。最后,得出相关结论,认为其在交易伙伴的选择方面具有传统的谈判方式所无法比拟的优势,并对进一步的研究方向进行了探讨。     

Agent口碑辩论模型研究

基于辩论的Agent谈判能提高Agent在动态环境下的谈判效率,保证谈判效果。口碑则能强化辩论效果。为保证模型的整体性,将对Agent口碑辩论模型的阐述分为描述和评价两个部分;对口碑进行分类,结合形式化理论,提出Agent口碑辩论模型的描述部分;提出口碑辩论力度的概念,并对其进行量化,提出Agent口碑辩论模型的评价部分;最后通过算例对模型进行验证。     

基于辩论的自动谈判模型

自动谈判是商务活动中最富智能性和创造性的环节,是智能商务模式中亟需解决的关键技术.主要讨论了基于辩论的自动谈判问题,提出了相应的谈判模型和谈判Agent的体系结构模型,并详述了辩论式谈判机制,最后设计了一个辩论式谈判实例.     

基于辩论的多Agent商务谈判认知模型

针对在基于辩论的谈判中如何表示Agent的认知结构和决策机制的问题,提出一个应用于商务谈判的Agent的认知决策模型。该模型由卖方和买方Agent两部分构成,其中,Agent的认知结构用自我目标认知以及对对方的目标认知等集合来表示,Agent的决策用多目标优化模型来辅助进行。基于辩论的谈判实例验证了该模型的实用性。     

基于Agent辩论谈判的奖励模型研究

电子商务谈判过程中,由于能使接受辩论的Agent根据它所接受到的辩论改变其偏好或目标,从而使谈判双方更快更好地达成一致,因而基于辩论的Agent谈判方式受到了广泛关注。目前已经有文献对此作了一定程度的研究,然而较少有对其中客观存在的威胁、奖励和申辩进行有效地形式化建模和描述。目标主要在于研究其中的奖励模型和其评价模型,然后在此基础上对奖励的评价模型进行模拟和分析,以评价其辩论力度的强弱,使被奖励对象最终做出正确选择。     

基于Agent的谈判模型研究

提出了一种基于Agent技术的谈判模型,应用模糊数学理论建立了谈判论据及谈判解接受度数学模型。采用约束放松的方法对谈判模型进行求解,得到了谈判Agent满意的谈判解。阐述了双边多属性谈判过程,设计并开发了Agent谈判系统原型,实例计算分析表明,该谈判模型是一种双赢的谈判模型。     

基于案例匹配度的Agent劝说机制

自动谈判中的Agent劝说能充分提高其在动态环境下的谈判效率,保证谈判效果,同时极大节约谈判成本。案例推理技术能使Agent将谈判中遇到的新案例与以往成功案例进行比对,根据结果做出较优的选择,从而促使Agent之间取得更佳的合作效果。对Agent劝说中的案例匹配度的概念进行了界定;结合形式逻辑理论,建立了基于案例匹配度的Agent劝说模型,并通过举例对模型进行了阐述;提出了模型中关键指标的计算方法,并通过算例进一步给出了相应的评价体系和交互机制;最后进行了验证,实现了基于案例匹配度的Agent劝说机制的构建。实验结果表明,该机制能有效减少系统开销。     

基于移动Agent的安全事件关联框架

现有信息安全防护系统存在着一些不足,比如数据源单一、体系结构不尽合理等,从而影响了整体的安全防护效果.针对这些不足,在对安全事件的树型体系和处理流程进行分析的基础上,提出了一个基于移动Agent的安全事件关联框架,并设计了多种不同功能和角色的移动Agent,借助于移动Agent具有的自主执行能力、智能推理能力与迁移能力,对网络中不同节点处发生的大量安全事件进行高效的检测、过滤与整合,并对这些事件间存在的时序关系、因果关系、统计关系等内在联系进行深度关联分析;在对Agent平台的安全需求与功能需求进行深入分析的基础上,选择Aglet系统作为开发平台实现了简单的原型系统,并通过几个具体的多步骤攻击实例,验证了移动Agent用于安全事件关联分析的有效性和优势.     

基于自我意识的Agent通信语言研究

Agent间的通信目的是不断完善其自我意识,Agent间的通信内容是Agent对其自我意识的解释,Agent间的通信过程是Agent在其自我意识上的推理。在研究经典Agent通信语言的基础上,结合知识类别、自我意识、语气等相关研究成果,以能描述语义的互表性、模糊性、动态性和自我意识性的动态本体描述语言作为通信内容的表示工具,设计了一个基于自我意识的Agent通信语言,给出了该语言的消息结构和语用词,并通过实例来解释Agent间的通信过程是Agent在其自我意识上的推理。     

面向Agent的智能电梯的分析和建模

面向Agent的分析和建模是当前Agent领域研究的重点和难点。通过参考面向对象的分析和建模技术,借助于扩展UML技术,基于Agent和对象的相似性,提出了一个面向Agent的分析和建模方法。我们在一个实例的基础上分析并描述了一个Agent系统,从而建立起Anent系统的整体模型。     

自动协商中Agents的行为建模

文中提出了一种预测协商中Agent行为的学习机制,该机制的基础是仅使用协商交往中对方的历史响应进行非线性回归分析。自动协商中对方Agent的行为由其决策函数表示的策略决定。先通过一系列的模拟得到对方在采用各种策略和参数配置的响应,然后总结提取了估计对方策略的启发性知识,最后把此知识应用到实验性的在线协商中进行测试。结果表明使用这些知识能够取得比现有决策函数策略更好的结果。该学习机制可以在线使用,也不需要有关于对方的过去知识,在双方不了解或很少了解的开放式系统中尤为有效。     

基于人工免疫算法的多属性谈判模型

在基于多Agent的多属性谈判过程中,谈判Agent间常因追求自身最大利益导致谈判陷入僵局。为此,将谈判目标视为抗原,将候选提议视为抗体,建立基于人工免疫算法的多属性谈判模型。该模型通过抗原与抗体的免疫过程,取得谈判双方整体利益的最大化。仿真实验表明,该模型可有效解决谈判僵局问题,提高谈判的适应性及效率。     

基于关系网模型的Agent联盟形成策略

从研究Agent社会合作机制入手,引入了一个表示Agent之间联系的社会关系网模型,并以该模型中的熟人集为基础提出了一种Agent联盟形成策略。该策略能有效地减少系统中的联盟数,避免联盟形成过程中的盲目性,节省协商时间并提高协商效率。     

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。     

基于合同网协议的多智能体虚拟企业协商研究

协商是虚拟企业成员之间协作的实现方式。本文通过对多智能体的协商框架、协商模型和协商过程等进行深入的分析,在合同网协议的基础上构建多智能体协商体系框架,并结合贝叶斯决策方法来建立自学习协商模型。根据协商中的更新信息实时更新智能体信念,实现多智能体协商过程的自学习功能。从而有利于提高协商效率,改善网络通信,保证虚拟企业的敏捷性和协商双方的利益。     

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。     

一种用于软件过程建模的适应性Agent 协商

大多软件过程模型是预定义的.在变化的应用环境中,需要由相应人员进行适应性调整.提出一种用于软件过程建模的适应性多边协商模型—— AMNM-PA,其采用Agent 封装软件过程中所涉及的个体,包含组织、团队、个人等,通过Agent 间的协商动态、适应地建立针对给定软件项目的软件过程模型.AMNM-PA 基于非静态有限阶段Markov 决策过程,采用模型无关的Q 学习算法选取协商策略,因此能够支持动态、非预知环境下的适应性协商,从而满足软件过程建模对环境的适应性需求.AMNM-PA 已经实施于软件过程管理系统——SoftPM.     

一个基于Bayesian学习的协商模型

在Multi-Agent系统(MAS)中,每一个Agent都有不同的目标。通常只拥有对方的不完全信息。Agent需要具有解决在实现各自目标过程中所产生的各种矛盾的能力。协商是解决这些矛盾的一种有效途径。本文提出了一个基于Bayesian学习的协商模型NMBL：在每一轮协商中,Agent通过Bayesian学习获取协商对手的信息,更新对协商对手的信念,然后根据基于冲突点和不妥协度的协商策略提出下一轮的协商提议。NMBL把整个协商过程看成一个动态的交互过程,体现了Multi-Agent系统的动态特性,同时NMBL具有较强的学习能力。试验证明,该模型具有较好的协商性能。