信息不完全下的组合仲裁

基于争议双方对仲裁人的裁决值有不同概率估计这一前提分析组合仲裁.构造了它 的非合作对策模型.然后利用此模型,在多种情形下探讨了Nash均衡报价策略的存在性,得 出了组合仲裁不能诱导争议双方报价收敛的结论,这与Brams和Merrll Ⅱ在争议双方对裁 决值有相同概率估计前提下获得的著名结论正好相反.最后分析了当一方变得风险厌恶时, 对争议双方报价的影响.     

一种基于模糊约束的多并发双边自动协商模型

为了获取所需的资源或服务,消费者可以同时与多个资源或服务的提供者进行双边协商,从中选择最令自己满意的交易,针对此类应用背景提出了一个基于模糊约束的多并发双边协商模型。在此模型中,消费者的需求和偏好被表示为模糊约束,可采用三种基于带优先级的模糊约束满足问题（PFCSP）的协商策略评估协商对手的提议并做出提议和反提议,同时设计了不同的协调策略来协调多个并发的协商线程。最后通过实验验证了协商的有效性,并分析比较了各种不同的协商策略和协调策略。     

使用背景知识处理不完全信息

1 引言不完全性信息大致可以分为两类:其一表现出不精确性,即属性值的内容不唯一;其二呈现不确定件,即属性值的真值程度不肯定。这两种情形下许多问题的通用求解往往是NP问题,实际中只能在特定的约束和限制下解决。尽管人们很少意识到环境映射知识的存在,然而它却在人类认知和智能活动中扮演了十分重要的角色。人们在遭遇一个相对陌生的环境时,总是试图找出一个与之相类似的熟悉场景作参考,继而获得一个加之于原问题之上的弱结构关系(不一定完全正确),使不完全性信息下的问题求解摆脱搜索空间过大、知识表达不清晰等的困扰。本文给出一种通过相似环境映射获得欲处理问题背景知识的方法,并用结构关系R显式表示。具体用不精确信息的处理过程例示说明之。     

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.     

基于对手不完全信息的订单在线智能协商模型

针对订单在线协商延误率和失败率高的问题,基于Zeuthen协商策略提出多阶段多边协进化协商算法。引入新的协调者角色控制多边谈判,并利用贝叶斯原理,通过逐渐修正对手底价估算向量的概率分布和动态调整报价曲线获得最优协商让步幅度,结合同步淘汰机制有效避免了无效协商。实验表明该模型能够充分利用对手信息实时更新智能体协商信念,进而明显地改进了协商行为的效用。     

资源分配问题的协商模型

研究Agent多次协商过程中的策略调整问题,目的是使得Agent在协商过程中具有自学能力,对环境和协商对手更敏感。结合资源分配问题,讨论Agent协商过程中的学习问题,基于博弈论分别分析了单次协商和多次协商模型,给出了协商过程中在不同信息条件下遵循的策略,并进行了证明。     

基于知识本体的协商Agents模型研究

知识本体具有知识共享,再利用和规则推理的能力,基于知识本体构建协商Agent模型,使协商Agent与特定的协商语言．协商协议和协商议题分离,解决异构Agent之间协商问题。     

信息不完全下的组合仲裁

基于争议双方对仲裁人的裁决值有不同概率估计这一前提分析组合仲裁.构造了它的非合作对策模型.然后利用此模型，在多种情形下探讨了Nash均衡报价策略的存在性，得出了组合仲裁不能诱导争议双方报价收敛的结论，这与Brams和Merrll Ⅲ在争议双方对裁决值有相同概率估计前提下获得的著名结论正好相反.最后分析了当一方变得风险厌恶时，对争议双方报价的影响.     

基于神经网络的Agent电子商务协商模型

提出一个在电子商务中能辅助用户网上采购的智能Agent协商模型,并对模型进行仿真实验,以验证模型的有效性。模型的构造基于BP神经网络,通过对用户的购物偏好训练学习,使Agent获得一组包含用户偏好特征的规则信息并作为协商过程中推理的依据;每次协商的结果都作为学习样本,以提高Agent对市场变化的适应能力。     

基于拍卖博弈的电子商务自动协商

为提高电子商务自动协商系统效率,本文以拍卖博弈理论为基础,提出并实现了一种基于拍卖博弈的自动协商Agent模型,并在此基础上实现了一个基于拍卖博弈的电子商务自动协商原型系统,应用于一个企业敏捷供应链管理系统中实现自动协商交易。     

一种具有回溯机制的智能代理协商模型

近年来,智能代理技术被引入帮助人们处理互联网上的海量商务数据。然而在网上商务自动协商时,智能代理技术仍存在着一些问题。网上商务对话需要智能商务代理具备一套完善的交互模型以应付各种特殊情况。论文通过改进已有的交互模型使其具备协商回溯功能,以提高商务协商的成功率。此外,论文还将讨论如何提高该模型的效率。     

基于不完全信息博弈模型的信息系统安全风险评估方法

博弈理论具有的目标对立性、关系非合作性和策略依存性等特征与网络攻防对抗过程保持一致，将博弈理论应用于网络信息安全已经成为研究热点，但目前已有的研究成果大都采用完全信息博弈模型，与网络攻防实际不符。基于此，为提高信息系统风险评估的准确性，本文构建不完全信息条件下的静态贝叶斯攻防博弈模型，将其应用于网络信息系统安全风险评估，构建相应的信息系统安全风险评估算法。通过仿真实验验证了本文模型和方法的有效性，能够对信息系统安全威胁进行科学、有效的评估。     

多智能体系统中的协商模型

目前,对多智能体系统的应用多是以开放的、复杂的、变化的网络为平台,为了更好地与环境相匹配,同对提高智能体之间协商的效率,从全局与单个智能体两方面着手,提出了一种新的MAS全局模型,并相应地提出了全局协调Agent的三维模型以及智能体之间的协商模型。通过这一系列模型的模拟实现,证明了此协商模型是正确的与接近自然的。从理论上基本上解决了与当前流行的基于网络的各种先进的智能系统,分布式问题求解等领域的衔接,因而有一定的指导意义并具有广阔的发展前景。     

A Market–Driven Model for Designing Negotiation Agents

Although there are many extant agent–based systems for negotiation in e–commerce, the negotiation strategies of agents in these systems are mostly static. This article presents a model for designing negotiation agents that make adjustable rates of concession by reacting to changing market situations. To determine the amount of concession for each trading cycle, these market–driven agents are guided by four mathematical functions of eagerness, trading time, trading opportunity , and competition . Trading opportunity is determined by considering: (i) number of trading partners, (ii) spreads —differences in utilities between an agent and its trading partners, and (iii) probability of completing a deal. Competition is determined by the probability that an agent is not considered the most preferred trader by other negotiating parties. Motivated by factors such as corporate policies and resource needs, eagerness represents an agent's desire to complete a deal. Agents with different time sensitivity to deadlines employ different trading strategies by making different rates of concession at different stages of negotiation. In this article, three classes of strategies with respect to remaining trading time are discussed. Theoretical analyses show that market–driven agents are designed to make prudent and appropriate amounts of concession for a given market situation.     

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.     

基于知识本体的协商Agents模型研究

知识本体具有知识共享,再利用和规则推理的能力,基于知识本体构建协商Agent模型,使协商Agent与特定的协商语言,协商协议和协商议题分离,解决异构Agent之间协商问题。     

CSCW协同建组自动协商模型研究

文章提出了支持协同工作组建立的自动协商模型,定义了agent协商协议、协商算法和协商agent用于产生及评估offer、counter-offer的效益决策函数,分析了算法时间耗用,与现有协商模型和协商建组FITS/CL框架进行对比,验证了该模型在支持用户参加多个协同组、进行多协商方面的优势,解决了组建立中的群体决策问题,对探索自动建组方式进行有益尝试。