供应链环境下基于库存约束的多agent协同谈判研究*

建立了供应链环境下的多agent协同谈判模型,用于制造商同时与多个下游企业进行动态谈判。对谈判的基本要素进行了描述,探索了这种谈判的具体流程,并提出了一种基于库存约束的谈判策略,最后用原型系统进行了验证。因为协同谈判是在整体的库存约束条件下进行的,谈判结果也是经过管理agent从整体的观点进行评估后形成的,所以制造商在履行订单协议时,不会发生内部资源冲突,提高了订单的履行率。     

基于Multi-Agent的供应商选择系统

制造企业在网上采购进行商务谈判的第一阶段任务是选择供应商,该文运用Multi-Agent技术对该问题的自动化实现进行研究。设计基于Multi-Agent的供应商选择系统的总体结构、评价指标体系和评价方法,给出有关Agent的功能结构,在设计系统工作流程的基础上研制原型系统。制造商Agent通过改进的FIPA合同网协议获得各供应商的报价,采用AHP方法进行评价和选择。该方法可快速自动选择符合要求的供应商,为企业下一阶段谈判提供初始报价依据。     

专家系统中知识库组织与维护技术的研究

为了提高知识的利用效率，提出了一种“顺序存储，动态组织”的知识库组织策略。在知识库维护方面，提出了基于规则知识库的环路检测，不可达选择子，闭塞选择子检测，等价，从属，冲突规则集检测等三个知识库维护算法，并给出了相应的示例加以说明。     

基于Multi-Agent的供应商选择系统

制造企业在网上采购进行商务谈判的第一阶段任务是选择供应商,该文运用Multi—Agent技术对该问题的自动化实现进行研究。设计基于Multi—Agent的供应商选择系统的总体结构、评价指标体系和评价方法,给出有关Agent的功能结构,在设计系统工作流程的基础上研制原型系统。制造商Agent通过改进的FIPA合同网协议获得各供应商的报价,采用AHP方法进行评价和选择。该方法可快速自动选择符合要求的供应商,为企业下一阶段谈判提供初始报价依据。     

带有熟人关系的agent劝说及其评价模型研究

为进一步提高agent劝说效果,对agent熟人关系进行了新的分类;结合形式化理论,构建了带有熟人关系的agnet劝说模型;对模型中的熟人关系等元素进行量化,构建了相应的评价模型;最后通过算例对带有熟人关系的agent劝说及其评价模型进行了验证.该模型进一步发挥了agent在劝说中的人工智能特性,使劝说效果更加合理和有效.     

基于MetrOPOlis准则的Q-学习算法研究

探索与扩张是Q－学习算法中动作选取的关键问题，一味地扩张使智能体很快地陷入局部最优，虽然探索可以跳出局部最优并加速学习，而过多的探索将影响算法的性能，通过把Q－学习中寻求成策略表示为组合优化问题中最优解的搜索，将模拟退火算法的Mketropolis准则用于Q－学习中探索和扩张之间的折衷处理，提出基于Metropolis准则的Q－学习算法SA－Q-learning，通过比较，它具有更快的收敛速度，而且避免了过多探索引起的算法性能下降。     

供应链环境下基于库存约束的多agent协同谈判研究

建立了供应链环境下的多agent协同谈判模型,用于制造商同时与多个下游企业进行动态谈判。对谈判的基本要素进行了描述,探索了这种谈判的具体流程,并提出了一种基于库存约束的谈判策略,最后用原型系统进行了验证。因为协同谈判是在整体的库存约束条件下进行的,谈判结果也是经过管理agent从整体的观点进行评估后形成的,所以制造商在履行订单协议时,不会发生内部资源冲突,提高了订单的履行率。     

Agent劝说中的积极舆论模型及其评价

Agent劝说中的舆论能发挥其人工智能优势,同时节约谈判成本和提高谈判效率。为此,给出Agent劝说中舆论的定义,并将Agent劝说中的舆论分为积极舆论和消极舆论,在定义和分类的基础上,结合形式逻辑理论,提出Agent劝说中的积极舆论模型,并通过相应的举例对模型进行解释。针对该模型,提出相应的评价体系,并通过相应的算例对该体系进行验证。结果表明,该模型和评价体系能促使Agent劝说进一步快速高效完成。     

基于Agent正面情绪变化的劝说及评价模型

Agent劝说在提高电子商务谈判自动化程度的同时也能相应提高其理性程度,因此受到广泛关注。Agent情绪变化则能影响劝说的进程和效果。对Agent劝说中的情绪变化进行分类;结合形式化理论,提出了基于Agent正面情绪变化的劝说模型,并对模型进行举例说明;为使该劝说模型有效,提出了Agent正面情绪变化度的概念;在此基础上,构建了相应的评价模型;最后通过算例对模型的有效性进行了验证。