基于对手案例学习的多议题协商决策模型

为了解决多Agent系统(MAS)协商双方在信息对称情况下的自动协商问题,提出了一种用基于支持向量机算法的间接学习对手协商态度的协商方法,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型,通过支持向量机的方法来学习协商轨迹,得到协商对手在每个协商项的态度,然后利用学习得到的对手协商态度,构造了一个协商的决策模型,此模型能同时基于对手的态度和自身的偏好来做出协商决策。最后通过实验验证了该方法的先进性。     

基于偏好的双边多议题协商优化

提出一种优化的自动协商模型。Agent在信知不完全的情况下通过学习交互历史和在线协商信息获取对手的偏好,结合贝叶斯方法和支持向量机学习对手偏好,基于保留值和权重提出一种决策模型。通过实验比较和分析,该模型能有效降低协商次数,提高协商双方的联合效用。在信息保密和先验知识未知的环境下,该模型仍然表现出了较高的效用和效率。     

基于影响图的传球训练策略的实现

影响图是决策问题的图形表示,利用影响图可以有效地解决智能Agent的行为选择,而传球问题就是球员Agent选择传球速度和角度的问题.建立了一个基于影响图的传球模型,并根据该模型创建一个评价传球效果的效用函数;然后利用由教练程序改写的记录员程序来记录数据,并进行统计得到效用函数中的概率值;最后通过训练得到效用函数中系数的值,并利用此效用函数作传球训练.训练结果表明该效用函数是可信的.     

道德风险合约模型的仿真分析方法

针对管理决策问题,提出了基于定量计算的道德风险合约模型的仿真分析方法.为使委托人得到高收益,利用SVR对效用函数建模,解决了效用函数无法用解析函数表达的问题;利用均衡分析方法求解合约模型,解决了传统解析方法无法解决的多极值点合约模型的求解问题.在此基础上,对底薪加提成线性支付方式的道德风险合约模型进行了定量计算和仿真分析,仿真结果与已有的理论结果相吻合并包含了更多的信息,表明仿真分析方法的有效性.并可以作为研究道德风险理论的新方法,也可用于含有道德风险的实际委托-代理合约的设计依据.     

基于Bayesian学习的适应性优化协商模型

在复杂的自动协商环境中,设计能够处理不完全信息和动态情形的协商agent有效学习机制正成为具有挑战性的议题.提出了一种基于Bayesian学习的时间依赖的双边多议题协商优化模型(BLMSEAN).通过只观察对手的历史报价,将Bayesian学习和基于混合策略的演化算法相结合,所提模型使得协商agent能够对于对手协商参数的概率分布有更精确的估计(如期限、保留报价和议题权重等),能够适应性地调整让步策略使协商双方都受益,提高了协商的成功率和效用.通过实验可以显示所提的模型学习对手私有信息和适应性调整让步策略的有效性.     

基于影响图的传球训练策略的实现

影响图是决策问题的图形表示,利用影响图可以有效地解决智能Agent的行为选择,而传球问题就是球员Agent选择传球速度和角度的问题。建立了一个基于影响图的传球模型,并根据该模型创建一个评价传球效果的效用函数;然后利用由教练程序改写的记录员程序来记录数据,并进行统计得到效用函数中的概率值;最后通过训练得到效用函数中系数的值,并利用此效用函数作传球训练。训练结果表明该效用函数是可信的。     

一个基于多属性协商的效用函数研究

传统的效用函数模型还不能满足多属性协商中反映协商属性间的关联关系的内在要求,束缚了自动协商的应用.本文阐述了自动协商的相关知识背景,分析了多属性协商的特征和协商属性的类型特征,对现有的多属性协商协议进行了讨论.通过对传统的效用函数的改进,提出了更加切合多属性关联作用的多属性效用函数的构建模型,从而更好的完成对多属性自动协商的效用函数构建工作,有利于对效用函数的拟和和应用研究.     

一种基于案例的Agent多议题协商模型

不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式;另一方面,Agent一般拥有或多或少的经验和知识,这将帮助它们取得更好的协商结果.这启发了用基于案例的方法直接学习得到最优回价,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型.所给出的算法计算复杂度为多项式级,且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度.实验结果显示,采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间,且优于Lin等人的实验效果.改进了Fatima等人的工作.     

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。     

一种优化的基于增强学习协商策略

增强学习可以帮助协商Agent选择最优行动实现其最终目标。对基于增强学习的协商策略进行优化,在协商过程中充分利用对手的历史信息,加快协商解的收敛和提高协商解的质量。最后通过实验验证了算法的有效性和可用性。     

Negotiation support systems: roots, progress and needs

Abstract. This paper identifies game theories and social behavior science as important roots for negotiation support systems (NSS) research. As these are not typically cited in the NSS literature, summary reviews of them are provided with indications of their relevance to NSS study. On the other hand, neither offers a sufficiently general-purpose formal model of negotiation that could serve as a backbone for NSS research. A survey of that research is provided, indicating that prugress to date has been somewhat eclectic and devoid of such a model. Our central contention is that a theoretical foundation for NSS study is much needed. Desirable characteristics of a suitable negotiation model are identified as guidance for future research that will aim to devise (and subsequently apply and test) such a model.     

基于辩论的多商品谈判模型研究*

旨在对一组商品的多agent谈判进行研究,这组商品具有共同的性质,能满足买方特定需求。通过分析一组商品的属性特征,将商品的属性分为主属性和非主属性,用辩论方法构建多商品谈判机制,提出基于辩论的多商品谈判模型,并通过原型系统实验验证了模型的正确性和有效性。提出的模型将一组商品的多agent谈判统一到一个过程中,有利于达成谈判协议,提高谈判效率。     

网络CSCW建组协商中的Meta-协商研究和应用

自动协商的广泛应用激发了CSCW(ComputerSupportedCooperativeWork)建组的新思路.独特的在建组成员间的“Meta 协商”使得建组协商不同于普通的购买协商。从分析“Meta 协商”存在性出发,提出了描述临时组结构的“组对象”概念, 将“群决策”理论中“投票”方法用作组策略的核心思想,实现了决策群体动态变动的Meta 协商机制。在“限制空间”基础上,讨论了协商中解空间和组空间的变化情况,结合网络应用的需要设计出减少因网络拥塞延迟造成建组失败的实现方案。     

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.     

基于提议信息保护下的多属性协商协议研究*

综合分析了多属性协商的特点和现有研究所面临的问题,以设计实用性多属性协商机制为目标,分析和规范协商中的智能体的职能、准则及信息表达形式,从而构建了双边同步多属性协商协议。协议策略得出的结果克服了已有研究成果的典型缺陷,并得到了帕累托最优解。协议通过同步提议机制和对提议信息的屏蔽,减少了参与者之间的猜忌,避免了协商者潜在的利益流失,从而提高了协商的效率和保障了交易的公平性。     

一种基于相似度方法的并发协商策略

多Agent协商是目前人工智能、电子商务等领域研究的热点问题。在电子商务活动中为了达到更好的效果,获得更多的利益,买方希望与多个卖方进行并发协商(与多个卖方同时进行协商),从中选择最佳的交易解决方案,这种需求广泛存在。本文利用相似度方法(similarity criteria)发展和评价了一种双边多议题多Agent并发协商策略,一方面使用相似度函数来计算对手的偏好类型,从而选择相应的协商策略;另一方面协商一方采用该策略后能够使得双方达成一致的可能性最大并且收益最大,从而使得一个Agent能够在半竞争、信息不完全和不确定以及存在最大协商时间的情况下,更为有效地完成多Agent并发协商。     

基于SOA的多Agent协商服务及其应用

在简述一种融合了面向服务架构和多Agent协商系统特点的新的协商模型——基于面向服务架构的多Agent协商模型的基础上，设计了该协商模型的多Agent协商服务端，阐述了Agent中协商推理机在协商中的基本过程。面向服务架构的协商服务端与协商Agent管理平台组合起来，搭建起支持开放环境并开展协商的软件应用环境，实现了基于面向服务架构的多Agent协商模型在电子商务中的 应用。     

基于双边多议题的Pareto最优协商研究

研究完全信息情况下的双边多议题协商问题,提出一种双方反提议决策模型,在每一轮反提议生成过程中,提议方在满足自身效用在该轮的保留效用水平下,最大化对方的效用,从而使协商结果达到Pareto最优,同时对双方在不同让步策略下的协商结果进行算例分析,为基于双方合作的完全信息协商提供理论参考。     

多Agent多问题协商模型

在多agent环境中,协商是多agent系统能够成功运转的关键.根据参与协商agent的数目和协商问题的数目,多agent环境中的协商可以分为双边-单问题协商、双边-多问题协商、多边-单问题协商、多边-多问题协商.前3种协商是多边-多问题协商在不同维上的简化.利用协商-协商过程-协商线程的概念建立了一个多边-多问题协商模型MMN(multi-agent multi-issue negotiation).该模型通过提供一个灵活的协商协议支持多agent环境中的不同协商形式,并且支持agent在协商过程中的学习.