基于MAS的电子商务谈判支持系统

随着Internet技术的发展,网上电子商务谈判方式正在兴起。为了提高谈判效率,并增加谈判的智能辅助机制,该文引入Agent技术,重点介绍了以多Agent系统为基础的谈判支持系统(NSS)设计框架。在此系统中,建立了一个结合多目标决策理论和基于偏好理论的决策模型。     

基于人工免疫算法的多属性谈判模型

在基于多Agent的多属性谈判过程中,谈判Agent间常因追求自身最大利益导致谈判陷入僵局。为此,将谈判目标视为抗原,将候选提议视为抗体,建立基于人工免疫算法的多属性谈判模型。该模型通过抗原与抗体的免疫过程,取得谈判双方整体利益的最大化。仿真实验表明,该模型可有效解决谈判僵局问题,提高谈判的适应性及效率。     

基于多Agent的谈判支持系统研究

为提高谈判效率，简化其操作，并增加谈判的智能辅助机制，将分布式人工智能中的Agent技术引入谈判过程，提出了以多Agent系统代替谈判人与对手协商的谈判支持系统框架，研究了有关的Agent理论与方法，为新一代高效、快捷的商务谈判支持系统研究提供了新的思路。     

基于Web的谈判支持系统的研究与开发

论述了谈判支持系统的有关理论、应用现状以及存在问题，并通过对一个基于Web的谈判支持系统的分析提出了一种解决问题的新思路。     

基于GA的一对多、多属性谈判模型研究

随着商务智能的发展,自动谈判已成为解决用户与商家冲突的重要渠道.买家与卖家进行交易时,往往要针对产品的多个属性进行交涉,并希望与多个卖家同时进行,从而选取最优方案.通过对遗传算法进行改进,保证最优个体的不变性,采用动态的选择概率以及增大交叉和变异概率等,设计了基于GA的一对多、多属性自动谈判问题模型.仿真结果验证了该模型的有效性及可行性.     

基于模糊多准则决策的谈判模型

针对目前谈判支持系统中谈判模型存在的难以准确获知谈判人的偏好,以及利用偏好构造其效用函数的问题,应用模糊数学的方法,将谈判人的偏好和对目标值的评价用梯形模糊数表示,由此提出一种基于模糊多准则决策方法求解谈判问题的模型。通过示例分析计算,表明该模型能帮助谈判各方达成一个满意解。     

多属性群决策中一种基于主观偏好确定属性权重的方法

提出一种多属性群决策中同时考虑专家群体对属性主观赋权的偏好和决策者对决策重要性认识的偏好来确定属性权重的方法,能够兼容专家实数型、区间型和语言型等类型的属性权重赋值.首先建立标准属性重要差异矩阵以实现专家对属性赋权的优劣比较和差异规范,定义统一的决策者偏好映射对其进行调整;然后求解各矩阵的排序向量以量化属性的相对重要程度,并与专家权重聚合得到属性权重向量;最后给出了方法的具体步骤,并通过算例说明了该方法的具体应用.     

基于云-神经网络的多属性模糊规则分类

针对模糊规则分类中数据边界硬性划分的局限性问题,建立了云-神经网络模型,并提出了基于云-神经网络的模糊规则分类算法.在不影响数据模糊性和随机性的基础上,将数据转化为规则,并利用神经网络的学习能力,进行多属性模糊规则分类,与传统方法相比,该方法在保证数据模糊性和随机性的基础上,提高了模型精度和分类准确率,应用实例表明了该方法的有效性和可行性.     

加型Pythagorean模糊偏好关系的多属性决策方法

考虑Pythagorean模糊偏好关系的多属性决策问题,提出了加性Pythagorean模糊偏好关系的多属性决策方法.基于加性一致性Pythagorean模糊偏好关系提出一种新的Pythagorean模糊权重确定模型.给出了可接受加性一致性Pythagorean模糊偏好关系的定义,并针对不满足可接受加性一致性的Pyth...     

基于自编码器的多视图属性网络表示学习模型

现有的大多数网络表示学习方法很难兼顾网络中丰富的结构信息和属性信息,导致其后续任务,如分类、聚类等的效果不佳.针对此问题,提出一种基于自编码器的多视图属性网络表示学习模型(AE-MVANR).首先,将网络的拓扑结构信息转化为拓扑结构视图(TSV),通过计算节点间相同属性共现频率来构造属性结构视图(ASV);然后,在两个...     

基于Agent和CBR的电子商务谈判系统模型研究

提出一种融合了多Agent和案例推理（CBR）技术的电子商务谈判系统模型,在多Agent环境下应用CBR技术捕获并重用以前成功的谈判案例,从中提取适应性策略来为交易提供决策支持,这些策略可以根据所处环境的改变动态生成。对相关问题进行了讨论,包括谈判案例的匹配和谈判策略的选择。     

基于代理技术的NSS设计与实现

谈判支持系统(negotiation support system,NSS)通常为两方人员提供一个协商服务平台.实际生活中常出现某方人员难以亲临参加谈判的情形,需要系统为其提供一个软件代理继续协商下去.提出一种基于代理技术的NSS以解决上述问题,给出了该系统的体系框架和逻辑结构,构建了买卖交易中的卖方代理,并设计了使其具有智能特性的两个重要方法.最后,在移动代理开发平台Aglets上开发了一个原型系统ANSS,对它的人机交互界面做了简要介绍.     

基于Web的谈判支持系统的设计与实现

文章针对基于Web的谈判支持系统(Web-BasedNegotiationSupportSystem—WNSS)的设计与实现,阐述系统结构、解决方案、系统实现,并对系统实现中的关键技术—改进方向算法进行论述。     

人工心理情感模型的个人机器人

以心理动力学中心理能量概念为基础,根据情感能量守恒定律,建立了情感状态能量分布描述空间和情感状态的概率描述空间,分析情绪状态的变化过程,提出情绪状态自发转移过程的隐马尔可夫链及其模型算法.利用MATLAB建立相关情感状态变化的仿真研究平台,研究情感状态的变化规律.根据以上人工心理情感模型及其变化规律构建出个人机器人综合研究平台软、硬件体系结构,并通过该系统的实际运行实验验证了其有效性.     

基于TransE的表示学习方法研究综述

为了及时了解基于TransE的表示学习方法的最新研究进展,通过归纳与整理,将基于TransE的表示学习方法分为基于复杂关系、基于关系路径、基于图像信息以及基于其他方面的方法四种类型。对每一种方法的设计思路、优缺点等进行了详细的分析,同时对基于TransE的表示学习方法的公共数据集与评价指标进行了对比、总结,对各种基于TransE的表示学习算法在实验中的表现进行了对比分析。从研究结果来看,PaSKoGE、NTransGH、TCE、TransD方法在进行链接预测和三元组分类任务上表现效果最好,值得推广和进一步拓展,并可在其特定于路径的嵌入、两层神经网络、三元组上下文、动态构造映射矩阵上进一步完善。     

基于KKT和超球结构的增量SVM算法的云架构入侵检测系统

针对传统入侵检测系统(IDS)处理数据负载过重,不支持多主机数据联合分析,以及大规则库维护的问题,提出一种云架构的基于卡罗需-库恩-塔克(KKT)条件和超球结构的增量支持向量机(KS-ISVM)入侵检测系统。将客户端抓取的数据包经过预处理生成样本空间,然后发送至云端使用KS-ISVM进行建模分析,利用KKT条件对增量样本进行筛选,选取违反KKT条件的样本作为有用样本,剔除KKT范围内的所有样本;此外,为了保证剔除的样本为冗余样本,进一步采用超球结构的方法对样本进行第二次筛选,将超球范围内的样本作为有用样本,剔除其余样本;最后将选取的样本进行合并,对SVM进行更新训练。利用KDDCUP99数据进行实验验证,并与SVM、批量支持向量机(Batch-SVM)、互检KKT条件的增量学习(K-ISVM)算法进行对比,结果表明,KS-ISVM具有良好的预测能力和样本淘汰能力,准确率达到90.3%,而SVM、Batch-SVM和K-ISVM三种方法准确率均在89%以下;同时还对并行KS-ISVM进程联合分析,发现单进程的分析时间由6351 s降低到16进程的146 s,分析时间大大降低,说明了多进程的有效性,满足云计算环境中的入侵检测系统对效率和精度的要求。     

人工蜂群算法优化支持向量机的分类研究

为了提高支持向量机分类准确率,采用人工蜂群算法对支持向量机参数进行优化,并将该优化方法应用于小麦完好粒、霉变粒和发芽粒三类麦粒的识别。使用小波变换分解信号能量作为特征向量,以分类错误率的倒数作为适应度函数,利用人工蜂群算法对支持向量机的惩罚因子和核函数宽度参数进行优化,优化SVM方法对小麦完好粒、霉变粒和发芽粒的分类正确率达到86%以上。实验结果表明,该研究有较强的实用价值,为SVM性能优化提供了一种新的方法。     

状态和数据双因素驱动的决策支持系统模型复合方法

针对决策支持系统（DSS）模型复合工程中存在着单一因素驱动方法适用范围窄、效率低以及多因素驱动方法缺乏对算法或子模型层次的逻辑关系的描述、黑盒抽象程度低等不足,提出了状态和数据双因素共同驱动的模型复合方法。该方法首先定义工作流过程模型,将DSS子模型生成为一个可移植的、逻辑独立的工作流活动,该活动内部包含了模型的求解算法,对外提供了参数接口;其次根据活动执行的依赖关系,制定相应的事件-条件-动作（ECA）规则来动态地绑定它们之间的复合关系;最后将规则转换为网络活动图,并借助自定义工作流平台进行复合。实验过程表明,该方法能解决一般性模型复合问题,具备较好的通用性及可扩展性。     

基于Hadoop的电力地理信息系统数据管理

针对传统电力地理信息系统（GIS）在存储能力、分析能力和扩展能力上的不足,将云计算技术应用到电力GIS领域,提出利用Hadoop云平台对电力GIS数据进行高效存储和管理的方案。首先对电力GIS各类数据的特点进行了分析,提出了关系型数据库与非关系型数据库相结合的数据存储策略,并在此基础上设计了基于Hadoop的电力GIS数据管理整体架构、相应的数据模型以及基于MapReduce的数据并行查询分析方法。最后,在单机和集群的环境下,对空间分析与运行数据查询的性能进行了对比与验证。实验结果表明,在数据量达到一定规模时,该方案优势明显,数据分析与查询的平均时间缩短30%以上,具有较高的效率和良好的扩展性。     

基于分层网络系统模型的多层策略生成和表示

策略编写和表示是策略研究的基础。当前策略编写多直接面向设备和技术,过于依赖管理员的知识和经验,而忽视了应用环境对策略制定的要求和影响,造成策略编写不完备、易出错。为解决这一问题,设计了分层网络安全系统模型,提出从系统建模的角度讨论策略生成和表示,使得策略制定不再局限于单台设备或某种安全功能,而是建立在了解整个网络系统安全需求的基础上,一定程度上实现了策略的自动生成,保证了策略制定的正确性和完整性,降低了管理员负担,减小了出错的可能。然后通过提炼策略基本属性,设计了基于网络安全系统模型的多层安全策略表示方法,并采用BNF范式描述了策略语法规范,策略表示更加友好,操作性更强。