基于多Agent的电子商务市场结构及交易模型研究

论文摘要

信息技术、网络与服务型经济形态的迅速发展,使基于互联网环境的商务交易模式已逐渐进入实用化阶段,并成为企业核心竞争力乃至国家综合实力的重要体现。基于互联网的在线交易模型的研究与应用也因此得到了空前发展,并在传统商务交易模型向网络环境迁移方面取得了丰富的成果,它们主要集中在在线拍卖和招投标交易模型等领域。但是如何进一步将网络应用中信息服务的技术特征与电子商务特有的经济属性相结合,建立有效的电子商务微观市场结构、交易模型与运行机制,则是影响电子商务向纵深发展的关键问题。因此,开展电子商务市场结构及交易模型的研究是一项具有重要现实意义的工作。本文以实际工程应用项目为背景,以电子商务交易逻辑的模型化为核心展开研究,旨在进一步探索电子商务实用化、智能化和自动化的有效途径。具体包括以下工作:①分析了电子商务交易模型的经济技术特征,并有针对性地选择博弈论与信息经济学、MAS理论和智能计算方法等理论工具,建立了一种电子商务交易模型的计算架构,为构建高效实用的电子商务交易模型提供了理论与技术基础。②构建了一种有效的电子商务微观市场结构。论文针对市场主体、市场客体和运行机制三个基本要素,应用MAS理论,建立了多Agent协同商务市场模型(MACCM)和体系结构;针对多维商品属性空间难于实现交易过程中商品的快速检索与匹配,提出商品关键属性、撮合树和元模式组合特征等概念,并以此为基础构建了MACCM的微观逻辑结构和市场运行机制,从而可为电子商务交易模型的有效运行提供重要的基础设施和承载环境。③建立了多Agent撮合交易模型。为了实现市场交易的自动和有效匹配,论文运用市场博弈一般均衡理论,建立了多Agent撮合交易模型和算法;针对市场信息效率在电子商务交易中的特殊重要性,提出交易熵和交易熵链的概念,并分析了市场信息效率对价格波动的影响。该模型的建立,有利于构造合理的市场价格行为、优化市场微观结构和市场运行机制,能提高市场交易效率和市场效益,促使市场资源配置经济有效。④建立了多Agent动态竞标模型。多Agent动态竞标作为交易主体向市场提交买卖意向的必要环节,是构成有效市场环境的关键,因此论文根据交易Agent的个体行为特征,应用演化博弈理论,建立了支持向量机市场预测模型和神经网络随机反应均衡强化学习模型,设计了相应的算法和多Agent动态竞标流程。使交易Agent通过预测和学习,不断调整交易信念,规避市场风险,优化竞标策略,从而最大化其预期效用,可有效促进MACCM动态博弈的形成、市场价格的构造和各方收益的均衡。⑤建立了多Agent协商交易模型。协商是电子商务交易的重要阶段,针对MACCM中存在的潜在交易,论文应用Bayesian纳什均衡理论,提出了不妥协度的概念,构建了基于不妥协度的协商交易协议和Bayesian学习多Agent协商交易模型。使交易Agent通过有限轮协商,能够对协商对手的信念做出较为准确的判断,优化自身交易策略,从而进一步扩大市场成交量,提高市场效益。⑥最后对论文工作进行了总结,并对今后的研究方向进行了展望。论文还通过对部分轿车交易数据进行模拟实验,初步分析和验证了本文所建立的多Agent协同商务市场理论、模型和算法的技术可行性和经济有效性。

论文目录

• 摘要
• ABSTRACT
• 图表清单
• 缩略词
• 1 绪论
• 1.1 电子商务交易模型的特点
• 1.1.1 电子商务的概念
• 1.1.2 电子商务应用与发展
• 1.1.3 电子商务交易模型
• 1.2 电子商务交易模型的演进
• 1.2.1 传统的ECTM
• 1.2.2 基于招投标的ECTM
• 1.2.3 基于拍卖的ECTM
• 1.2.4 基于协商的ECTM
• 1.2.5 MAS 在ECTM 中的应用
• 1.3 论文选题背景
• 1.4 论文研究内容
• 1.5 本章小结
• 2 相关理论与技术框架
• 2.1 博弈论与信息经济学
• 2.1.1 博弈论
• 2.1.2 信息经济学
• 2.2 MAS 理论
• 2.2.1 Agent 模型与结构
• 2.2.2 Agent 逻辑推理
• 2.2.3 多Agent 系统
• 2.3 智能计算方法与交易智能
• 2.3.1 市场交易信息
• 2.3.2 智能计算方法
• 2.3.3 交易智能
• 2.4 本章小结
• 3 电子商务市场结构研究
• 3.1 多AGENT 协同商务市场模型
• 3.1.1 MACCM 形式化模型
• 3.1.2 MACCM 市场属性
• 3.2 多AGENT 协同商务市场结构
• 3.2.1 MACCM 系统结构
• 3.2.2 撮合Agent 集群
• 3.3 商品关键属性与撮合树
• 3.3.1 商品属性值空间
• 3.3.2 关键属性的确定
• 3.3.3 撮合树的构造
• 3.4 关键属性多模式撮合索引
• 3.4.1 关键属性深度优先索引
• 3.4.2 关键属性元模式组合特征
• 3.4.3 关键属性多模式索引算法
• 3.5 多AGENT 协同商务市场运行模式
• 3.5.1 市场周期运行机制
• 3.5.2 竞标队列
• 3.6 本章小结
• 4 撮合交易模型研究
• 4.1 MACCM 市场博弈
• 4.2 撮合交易模型
• 4.2.1 拍卖与均衡清算
• 4.2.2 撮合交易模型
• 4.2.3 交易信息计算
• 4.2.4 撮合交易模型的性质
• 4.3 交易熵与市场信息效率
• 4.3.1 交易熵的基本概念
• 4.3.2 市场信息效率
• 4.3.3 交易熵与市场价格波动
• 4.4 交易撮合算法与应用
• 4.4.1 交易撮合算法
• 4.4.2 应用举例
• 4.5 实验结果与模型性能分析
• 4.6 本章小结
• 5 动态竞标模型研究
• 5.1 AGENT 交易理性与市场风险
• 5.2 市场预测
• 5.2.1 损失函数与期望风险
• 5.2.2 支持向量机市场预测模型
• 5.2.3 市场预测实验
• 5.3 随机均衡行为选择
• 5.4 随机均衡强化学习模型
• 5.4.1 多Agent 随机强化学习
• 5.4.2 基于神经网络的QRERL 算法
• 5.5 基于NQRERL 的动态竞标流程
• 5.5.1 Agent 动态竞标策略
• 5.5.2 基于NQRERL 的动态竞标算法
• 5.6 实验结果与模型性能分析
• 5.7 本章小结
• 6 协商交易模型研究
• 6.1 多AGENT 交易协商结构
• 6.2 多AGENT 交易协商协议
• 6.3 基于不妥协度的交易协商策略
• 6.4 BAYESIAN 学习交易协商模型与算法
• 6.4.1 Bayesian 学习交易协商模型
• 6.4.2 Bayesian 学习交易协商算法
• 6.4.3 MATNBL 的性质
• 6.4.4 应用举例
• 6.5 实验结果与模型性能分析
• 6.5.1 时间对协商策略的影响
• 6.5.2 无时间影响的协商实验
• 6.5.3 有时间影响的协商实验
• 6.6 本章小结
• 7 总结与展望
• 7.1 论文总结
• 7.2 问题与展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读博士学位期间发表的论文目录
• B. 作者在攻读博士学位期间参加的科研项目情况
• C. 作者在攻读博士学位期间的科研获奖情况