基于多Agent的谈判支持系统研究

为提高谈判效率，简化其操作，并增加谈判的智能辅助机制，将分布式人工智能中的Agent技术引入谈判过程，提出了以多Agent系统代替谈判人与对手协商的谈判支持系统框架，研究了有关的Agent理论与方法，为新一代高效、快捷的商务谈判支持系统研究提供了新的思路。     

基于Agent的多问题并行遗传谈判模型

Agent谈判增加了电子商务系统的主动性,一个有效的谈判模型是系统实现的关键。分析了已有Agent谈判模型的特点,设计的基于Agent的多问题并行谈判模型解决了已有谈判模型中存在的谈判问题单一、非并行、不考虑对手收益和固定权重等问题。模型中产生谈判方案的算法的自适应性体现在问题权重、遗传参数和收益偏差的动态调整上,给出了问题实数编码和权重调整公式。最后,设计了一个面向三个问题的电子谈判实例,验证了谈判模型的可行性和有效性。     

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。     

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.     

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。     

一种基于多Agent的多策略谈判框架

多Agent之间的谈判是DAI领域的重要研究课题.目前的谈判框架大多是采用单因素依赖的谈判策略,没有考虑复杂环境下多因素的综合影响,为解决这一问题,提出了一个多策略加权整合的多议题的谈判框架.本文从时间、资源、对方策略等多方面的因素来考虑整个谈判策略,从而提高了谈判框架的效率.     

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Agent的协商与谈判的研究

随着在线交易的越来越普遍,电子商务己成为当前一种重要的商务方式。在商务活动中,买卖双方在交易时必然会因商品属性的要求不同而发生争议,这时一般采用协商、谈判方式来达成共识。为了达到这种共识提出了多Agent的协商与谈判的技术。首先对限时条件下的两方多议题协商提出了多回合协商框架,其次探讨了时间约束下的谈判策略。     

多Agent谈判：一种基于模糊逻辑控制的方法

在分析各种Agent谈判模型不足的基础上，首先给出基于黑板模式的谈判Agent体系结构，然后设计了一个通用的谈判Agent建议的综合评价方法。此外，应用标准可加性模型原理设计了谈判Agent的策略模型，从而构建了应用范围广泛的自动化谈判Agent模型。     

多Agent自动协商的公平性研究

为了能够快速、高效地进行Agent协商,构建一个优化的多Agent协商模型。在这个模型的基础上,提出了一个基于协商各方公平性的协商学习算法。算法采用基于满意度的思想评估协商对手的提议,根据对方Agent协商历史及本次协商交互信息,通过在线学习机制预测对方Agent协商策略,动态得出协商妥协度并向对方提出还价提议。最后,通过买卖协商仿真实验验证了该算法的收敛性,表明基于该算法的模型工作的高效性、公平性。     

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.     

基于多Agent协商的虚拟企业伙伴选择方法

伙伴选择是虚拟企业建立过程中的核心问题,分析了虚拟企业的特点、虚拟企业环境下协商问题的特点,提出了一个适合于虚拟企业环境的多Agent协商模型。该模型支持多Agent多议题的多轮谈判,并将Agent类型引入到协商中来,作为指导协商Agent提议的一个重要因素。在不完全信息的条件下,应用贝叶斯学习的方法,更新既有信息,并通过分析对方Agent的历史提议序列,推测其类型,来指导自身的提议策略和战术,使自己的提议更具有针对性,避免了盲目性,从而节约协商时间,提高了协商的效率,使得盟主企业能在尽短的时间里寻找到理想的合作伙伴。     

一种基于GA的自动谈判问题解决方案

针对电子商务的自动谈判问题,文章用数学规划模型对其形式化描述。设计了一种基于遗传算法的解决方案,得到谈判的最优解。实验表明,上述方法可以对offer不断优化,最终生成使参与自动协商的Agent双赢的交易方案。     

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。     

基于Agent和CBR的电子商务谈判系统模型研究

提出一种融合了多Agent和案例推理（CBR）技术的电子商务谈判系统模型,在多Agent环境下应用CBR技术捕获并重用以前成功的谈判案例,从中提取适应性策略来为交易提供决策支持,这些策略可以根据所处环境的改变动态生成。对相关问题进行了讨论,包括谈判案例的匹配和谈判策略的选择。     

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。     

基于信任和K臂赌博机问题选择多问题协商对象

Agent之间的多问题协商(multi-issue negotiation)是一个复杂的动态交互过程.解决协商之前的对象选择问题在电子商务中有着重要的应用价值.为了提高多问题协商的准确性和购物Agent的效用,主要解决协商前的销售Agent的选择问题.为了充分利用协商历史,实现探索(exploration)和利用(exploitation)的折衷,把销售Agent的选择问题转变成K臂赌博机问题(K-armed bandit problem)来求解.提出了信任和声誉的度量模型,结合K臂赌博机问题的求解技术,采用学习机制,提出了几个确定奖励分布的改进算法.最后,以模拟协商过程为基础,将改进算法、信任和声誉有机地结合起来,提高了选择销售Agent的准确性和实用性.几个实验都说明了该工作在应用中的有效性.     

基于MAS的电子商务谈判支持系统

随着Internet技术的发展,网上电子商务谈判方式正在兴起。为了提高谈判效率,并增加谈判的智能辅助机制,该文引入Agent技术,重点介绍了以多Agent系统为基础的谈判支持系统(NSS)设计框架。在此系统中,建立了一个结合多目标决策理论和基于偏好理论的决策模型。     

基于GAI多属性依赖的协商模型

多属性之间的依赖关系增加协商Agent效用函数的复杂性,从而也增加多属性协商问题的复杂度.本文提出一种基于GAI多属性依赖的协商模型.该模型使用GAI分解将协商Agent的非线性效用函数表示为依赖属性子集的子效用之和.在协商过程中,协商双方采用不同的让步策略和提议策略来改变提议的内容.卖方Agent利用本文提出的GAI网合并算法将协商双方的GAI网合并,并利用生成的GAI树产生使社会福利评估值最大的提议.实验表明当买方Agent采用局部让步策略且卖方Agent采用全局让步策略时,协商双方能够在有限的协商步内达到接近Pareto最优的协商结局.     

基于辩论的社会性Agent间的谈判模型

通过对Agent间存在的有关社会性的关键元素进行分析,建立了基于辩论的社会性Agent间的谈判模型,并建立了相关的决策函数;然后通过一个存在于多Agent社会中而具有社会性的Agent间的谈判实例,在假设了相关数据的基础上对模型和决策函数进行了举例计算,分析验证了其有效性,并在对相关的谈判原语作出定义的基础上对此谈判实例的辩论对话过程进行了模拟。