基于MULTI-AGENT的电子商务自动谈判

论文摘要

随着计算机技术和电子商务的发展,网上谈判和网上交易越来越被人们所接受。社会的竞争越来越激烈,比起传统的谈判方式和交易方式,网上谈判和网上交易可以节省大量的人力和物力资源。尤其是自动谈判,它不用谈判双方指定一个固定的谈判地点和动用太多的谈判人员,从而减少传统谈判和交易带来的负面影响。在传统的电子商务自动谈判中,人们往往根据效用函数来决定是否接受对方的报价,使得低于给定效用值的报价都被淘汰出去。本文主要是从模糊的角度来讨论谈判者关于对方报价的接受度,采用隶属度函数来表示这个接受度。模型还引入了贝叶斯学习机制通过Agent对谈判双方的一些信念和保留值进行学习,并且结合不同的谈判条款对谈判者的影响权重不同,采用组合的方法来考虑多条款谈判中的让步问题。本文提出了一种比传统谈判模型更加接近现实的谈判模型,并且对该模型如何在计算机中实现进行了研究,并且结合实例采用Swarm仿真平台对不具有学习机制的谈判模型和具有学习机制的谈判模型进行了仿真评估,结果表明模型在各自适应的条件下得出的结果都是合理的。另外还采用遗传算法找到可以同时满足谈判双方的满意解,最后通过比较得出各个模型的适用情况。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 选题的背景和意义
• 1.2 国内外研究现状
• 1.2.1 谈判支持系统研究现状
• 1.2.2 自动谈判系统研究现状
• 1.3 本文研究内容
• 1.4 本文组织结构
• 第2章 谈判系统概述
• 2.1 谈判支持系统概述
• 2.1.1 谈判支持系统的起源与发展
• 2.1.2 谈判支持系统现状
• 2.2 自动谈判系统概述
• 2.2.1 电子商务谈判
• 2.2.2 基于Agent 的自动谈判系统现状
• 2.3 本章小结
• 第3章 自动谈判的理论研究
• 3.1 Agent 技术
• 3.1.1 Agent 的基本概念
• 3.1.2 Agent 的结构
• 3.1.3 Agent 的形式化定义与实现
• 3.2 Multi-Agent 系统
• 3.2.1 Multi-Agent 系统的定义与分类
• 3.2.2 Multi-Agent 系统概念模型
• 3.2.3 Multi-Agent 系统的组织结构模型
• 3.2.4 Multi-Agent 系统中的协调与协作
• 3.3 自动谈判协议
• 3.3.1 谈判协议内容
• 3.3.2 谈判协议特点
• 3.3.3 谈判行动集合
• 3.3.4 本文采用的谈判协议
• 3.4 谈判的学习机制
• 3.4.1 贝叶斯学习机制
• 3.4.2 遗传算法学习机制
• 3.5 自动谈判策略
• 3.5.1 策略分类
• 3.5.2 自动谈判常用策略
• 3.6 基于模糊的谈判模型
• 3.6.1 模糊隶属度函数
• 3.6.2 谈判协议和谈判策略
• 3.6.3 模型中的学习机制
• 3.7 本章小结
• 第4章 自动谈判过程的设计与仿真
• 4.1 自动谈判过程设计
• 4.2 仿真实例分析
• 4.3 采用Swarm 平台的自动谈判仿真
• 4.3.1 Swarm 技术
• 4.3.2 利用Swarm 技术进行仿真实验
• 4.4 基于遗传算法的自动谈判仿真
• 4.4.1 遗传算法概述
• 4.4.2 基于遗传算法的编码、参数和相关条件
• 4.4.3 模型仿真结果
• 4.5 模型比较
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间的发表论文
• 致谢