多Agent的自动协商

协商是多Agent系统实现协调、协作和冲突消解的关键环节。如何构造有效的协商模型来提高Agent的协商能力，是多Agent系统研究中待解决的问题之一。文章主要讨论了双边多项目协商问题，提出了相应的协商模型、协议和协商算法，具有一定的通用性。     

基于多Agent自动协商的电子商务系统的研究

本文首先分析了多Agent系统的特点,并对基于博弈论的商品价格自动协商的双向博弈模型及其运行过程进行了探讨.在此基础上,结合电子商务系统的实际需求,提出了一种基于多Agent自动协商的电子商务系统,对该系统的组成单元及其运行过程进行了详细阐述,为该系统的具体实施打下了基础.     

基于Q-强化学习的多Agent协商策略及算法

针对传统Agent协商策略学习能力不足,不能满足现代电子商务环境需要的问题,采用Q-强化学习理论对Agent的双边协商策略加以改进,提出基于Q-强化学习的Agent双边协商策略,并设计实现该策略的算法。通过与时间协商策略比较,证明改进后的Agent协商策略在协商时间、算法效率上优于未经学习的时间策略,能够增强电子商务系统的在线学习能力,缩短协商时间,提高协商效率。     

DDSS中多Agent协商联盟的构建与算法分析

通过对DDSS中的多agent协商机制的分析,阐述了agent系统的协商联盟的概念,对构建agent协商联盟作了说明,并对协商联盟进行了公式化描述;提出了多方协商算法构建agent协商联盟,给出了算法的流程图和文字描述。协商联盟的建立是Agent协商机制的关键,也是提高系统的性能,增强其解决问题能力的关健,并使DDSS具有更好的灵活性。     

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.     

网络交易中多Agent协商策略的研究

网络购物是当今社会发展的必然趋势,如何在丰富的网络资源中选择自己需求的商品达成交易是关键。因此根据Agent技术的特点,采用Agent技术对网络资源进行收集、选择、提取,获得用户满意的商品信息,并提出了一种多Agent协商策略模型,收到对方提出的意见后通过经验值和互助机制作出一定的判断,看是否达到预期的效果给出相应的反映。该模型主要通过经验值的积累,准确掌握对方的信息,制定出一套协商策略,采用利益随机调整方式选择对策,促进协商成功。经过实验证明,此算法有效。     

基于加速模拟退火策略的Agent协商优化算法

网络的普及促进了电子商务的发展,而智能代理是电子商务的关键,如何实现智能代理的快速、高效协商是一个很重要的问题。本文在加速模拟退火策略的基础上,提出了一种Agent协商优化算法。理论分析和仿真实验都表明该算法是一个快速、有效的方法。     

多目标进化算法在主体自动协商中的应用

研究多主体系统中主体之间的协商协议和通信协议,分析一对一协商模型,该模型采用响应型策略和慎思型策略进行协商。考虑协商双方的偏好和最大化己方的效用值,建立多目标进化算法,构造主体的预提供方案集及其支配子集,实现多主体自动协商。实验结果验证了该方法的有效性。     

多Agent协商领域中的拍卖

协商是多Agent研究领域的热点方向,对策论是目前多Agent协商领域研究的主要方法之一,而拍卖属于对策论研究范畴。总结了多Agent协商领域中一些重要的拍卖形式,并给出了拍卖过程的模型和一般的算法流程。     

基于交互历史的多Agent自动协商研究

在多Agent协商过程中,初始信念起到了至关重要的作用.而初始信念的形成是由设计者给予的部分专家知识和策略集,成功的交互历史是Agent在复杂环境中最后达成一致的提议集.通过学习机制从交互历史中获得知识,形成协商的初始信念,将更加有效地预测对方的策略,缩短协商过程的时间,再通过在线学习来协调己方Agent的行为.在此基础上优化协商模型,提高协商的效率和成功率.     

一种基于市场驱动的Multi-agent自动谈判策略

针对当前电子商务中基于Agent的谈判系统的谈判策略的静态性问题,提出基于市场驱动的谈判策略。Agent在谈判中能根据变化的市场情况做出可以调整比率的让步,帮助用户做出最优的交易决策,且自动地选择合适的策略。实验结果表明,采用基于市场驱动的策略比采用固定的策略的谈判结果更让用户感到满意。     

协商僵局的消解策略研究

针对多议题协商中的僵局问题,提出了一个基于议题权值的优化策略。利用学习机制预测对手议题权值,并考虑多议题协商中各议题之间的相关性,在保证协商参与者利益的前提下,根据议题的权值,有针对性地调整议题预保留值的取值,从而能够打破僵局,并快速消解协商僵局,促使协商双方得到合理协商解,使得协商效率大大提高。     

一种多agent系统框架与协商机制研究*

从基于动态、异构网络上快速构建稳健的多agent系统出发,设计了多agent远程过程调用通信模型,定义了三种基本类型的agent,对KQML消息规范进行扩展,增加了对消息生存周期的控制,设计了双缓存消息推送器以实现agent消息的主动推送,并在WCF的基础上实现了该通信框架。针对同目标多agent协作系统提出了基于开销均衡的agent系统交互协商策略,通过实例证明相对于独立运行和基于正交互协商策略的agent系统,本协商策略可有效降低系统总开销,并可使运行负载更为均衡。     

链式多种群多智能体进化算法

将多种群的进化方式和链式结构的动态邻域引入到多智能体进化算法中,提出了一种链式多种群多智能体进化算法.算法设置了多种群交互的演化结构.各种群中的智能体通过与其动态邻域智能体的竞争、合作及自学习操作来增加自身的能量;动态邻域的链式结构提高了算法的效率、降低了计算复杂度;多个种群之间的信息定期以一定的方式进行交互,增强了种群的多样性,减小了算法陷入局部最优的机率.理论分析和多个测试函数的仿真结果均表明:链式多种群多智能体进化算法在求解高维优化问题上具有很好的性能.     

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TD3算法的自动协商策略

协商是人们就某些议题进行交流寻求一致协议的过程.而自动协商旨在通过协商智能体的使用降低协商成本、提高协商效率并且优化协商结果.近年来深度强化学习技术开始被运用于自动协商领域并取得了良好的效果,然而依然存在智能体训练时间较长、特定协商领域依赖、协商信息利用不充分等问题.为此,本文提出了一种基于TD3深度强化学习算法的协商策略,通过预训练降低训练过程的探索成本,通过优化状态和动作定义提高协商策略的鲁棒性从而适应不同的协商场景,通过多头语义神经网络和对手偏好预测模块充分利用协商的交互信息.实验结果表明,该策略在不同协商环境下都可以很好地完成协商任务.     

基于多智能体遗传算法的战术航段优化

针对飞机战术飞行要求和威胁规避目标的问题,采用优势函数和战术规避相结合的原则,将战术航段优化问题转化为路径搜索问题,提出了基于多智能体遗传算法来解决此问题.采用自适应交叉和变异算子,改进自学习算子获取子代的算法,实现了全局最优的结果.通过和传统遗传算法进行仿真比较,相比之下,基于多智能体的遗传算法可以有效利用地形,实现战术飞行.     

Using similarity criteria to make issue trade-offs in automated negotiations

Automated negotiation is a key form of interaction in systems that are composed of multiple autonomous agents. The aim of such interactions is to reach agreements through an iterative process of making offers. The content of such proposals are, however, a function of the strategy of the agents. Here we present a strategy called the trade-off strategy where multiple negotiation decision variables are traded-off against one another (e.g., paying a higher price in order to obtain an earlier delivery date or waiting longer in order to obtain a higher quality service). Such a strategy is commonly known to increase the social welfare of agents. Yet, to date, most computational work in this area has ignored the issue of trade-offs, instead aiming to increase social welfare through mechanism design. The aim of this paper is to develop a heuristic computational model of the trade-off strategy and show that it can lead to an increased social welfare of the system. A novel linear algorithm is presented that enables software agents to make trade-offs for multi-dimensional goods for the problem of distributed resource allocation. Our algorithm is motivated by a number of real-world negotiation applications that we have developed and can operate in the presence of varying degrees of uncertainty. Moreover, we show that on average the total time used by the algorithm is linearly proportional to the number of negotiation issues under consideration. This formal analysis is complemented by an empirical evaluation that highlights the operational effectiveness of the algorithm in a range of negotiation scenarios. The algorithm itself operates by using the notion of fuzzy similarity to approximate the preference structure of the other negotiator and then uses a hill-climbing technique to explore the space of possible trade-offs for the one that is most likely to be acceptable.     

Resolving crises through automated bilateral negotiations

We describe the development of an automated agent that can negotiate efficiently with people in crises. The environment is characterized by two negotiators, time constraints, deadlines, full information, and the possibility of opting out. The agent can play either role, with communications via a pre-defined language. The model used in constructing the agent is based on a formal analysis of the crises scenario using game-theoretic methods and heuristics for bargaining. The agent receives messages sent by its opponent, analyzes them and responds. It also initiates discussion on one or more parameters of an agreement. Experimental results of simulations of a fishing dispute between Canada and Spain indicate that the agent played at least as well as, and in the case of Spain, significantly better than a human player.     

一对多协商协调策略

重点研究了一对多协商中对多个并发的一对一协商进行协调的协调策略。首先提出了相对效用理论,接着提出了基于相时效用理论的一对多协商协调策略,谊策略能够很好地解决当多个并发协商进程同时获得满足艘用评估的提议,特别是存在多个最大相同效用提议时的取舍问题,为协商更加有效、健壮、有序地执行提供了坚实的基础。