基于机器学习的自动协商决策模型

所提出的模型利用协商历史中隐含的信息自动对数据进行标注以形成训练样本,用最小二乘支持向量回归机学习此样本得到对手效用函数的估计,然后结合自己和对手的效用函数构成一个约束优化问题,用遗传算法求解此优化问题,得到的最优解就是己方的反建议.实验结果表明,在信息保密和没有先验知识的条件下,此模型仍然表现出较高的效率和效用.     

基于学习的多Agent多议题协商优化研究

以买方Agent的观点,对从交易平台上获得的卖方Agent的历史协商信息进行分析,并根据其特点做初步过滤。在此基础上,针对现有协商模型中存在的问题,提出了一个Agent协商对手选择算法和相应的交互机制,并验证了其可行性。该算法可用于Agent协商开始前协商对手的选择和初始信念的更新,对Agent在协商中策略的选择和执行具有指导作用,能有效提高Agent在协商中的效用及效率。     

QoS映射与自适应协商机制的研究与实现

TCP/IP协议本身只提供“Best-Effort”级别的服务,而对QoS支持很少.基于此,提出一种基于TCP/IP协议的自适应QoS协商机制,其基本思想是基于资源预留协议RSVP(resource reservation protocol).在提出QoS请求时进行QoS映射,然后启动适应性函数和资源管理函数进行协商,直到获得一组在当前资源状况下最佳的QoS指标为止.然后介绍了应用GQoS实现自适应QoS协商的基本步骤以及重要数据结构和函数.实验结果表明,应用该方法可以根据网络资源的变化,自适应地调整QoS参数.     

Business negotiations on different culture context

With economic globalization and China’s entry into WTO, commercial contacts among various countries are bound to be increasingly substantial. As a result, negotiation among people who come from differe...