电子商务环境下的双边谈判模型的研究

研究了电子商务环境下Agent之间的谈判问题,基于动态的谈判环境提出了一个算法,使应用该算法的Agent可以在谈判中调整自己的策略,从而在谈判中快速达成协议.从形式上定义了一个具有适应性的谈判模型并将其影射为一个马尔可夫决策过程.     

一种Agent结构的形式化描述

以BDI模型为代表的Agent结构描述存在抽象、复杂和不完整等问题，很难应用于实际Agent的构造。基于物理和设计立场，提出一种新的Agent结构模型，并作了形式化描述。该模型克服了现有模型建立在纯意识系统基础上的缺点，解决了Agent模型与具体Agent结构、行为和目标的映射问题。用该模型构造的电子谈判实例验证了它的正确性和有效性。     

基于GA和Agent组合自动谈判方案的研究

分析了Agent的性能特点及其工作原理,研究了谈判收益问题;然后对谈判过程进行描述,建立了基于Agent自动谈判数学模型,并对模型中的参数以及自动谈判目标进行分析;提出了用遗传算法对模型进行求解,并对算法的编码方法、参数的设定等进行研究,分析了求解过程,得到了模型的最优解.结果表明,该方法可以对模型不断优化,最终使参与谈判的Agent双方实现双赢,从而证明了该自动谈判方案的正确性.     

基于Agent的谈判模型研究

自动谈判是目前人们研究的一个热点问题,在对卖方进行的多并发谈判研究的基础上,本文提出了一种基于Agent技术的自动谈判模型,使得模型能管理一个卖方同时进行的多个双边谈判事务.     

云计算环境下基于BRB策略的自动谈判简

利用云计算环境下基于多Agent的自动谈判来解决云计算参与者之间的分歧,通过在云计算环境下基于多Agent的谈判框架中引入中介Agent,在谈判进行之前,将消费者需求与服务提供商进行匹配,消除无效资源;为充分利用谈判者的地位,预测对手的提议,提出BPE策略和RBC策略,并允许谈判者在发现更好提议时可以违反之前建立的协议,从而形成云计算环境下基于BRB策略的自动谈判;通过仿真实验验证中介Agent和云计算环境下基于BRB策略的自动谈判。     

云计算环境下基于BRB策略的自动谈判

利用云计算环境下基于多Agent的自动谈判来解决云计算参与者之间的分歧,通过在云计算环境下基于多Agent的谈判框架中引入中介Agent,在谈判进行之前,将消费者需求与服务提供商进行匹配,消除无效资源;为充分利用谈判者的地位,预测对手的提议,提出BPE策略和RBC策略,并允许谈判者在发现更好提议时可以违反之前建立的协议,从而形成云计算环境下基于BRB策略的自动谈判;通过仿真实验验证中介Agent和云计算环境下基于BRB策略的自动谈判。     

一种基于Agent推理的自动谈判方法研究

以Agent代替人实现自动协商,将大大提高远程谈判的效率．提出基于Agent推理的自动谈判方法和基于最近邻匹配的案例推理工作流程,开发出能够实现自动谈判的一个原型系统,在很大程度上实现了谈判的智能化和自动化,为谈判支持系统的开发提供了新的思路．     

移动Agent技术在电子商务上的应用初探

分析和比较了Web技术和移动Agent技术在电子商务上应用的优缺点,介绍了对移动Agent技术及基于移动Agent技术的电子商务进行的研究和尝试：移动Agent环境Mogent系统及在Mogent基础上的一个电子商务模型e_market。Mogent系统在结构化迁移机制、分层多模式的通信框架以及完善的安全体系结构上具有鲜明的特点,在其上进行的e_market模型是一个开放式的电子商务系统模型,可看出移动agent技术为电子商务应用提供了一种非常灵活和有效的基础架构,并且在主动信息发布、信息的检索和获取、交易的磋商和谈判、磋商的安全保证等方面给出了有效的支持。该模型充分展示了移动agent技术用于电子商务系统构建时的开放性、灵活性和网络适应性优势。     

基于智能Agent的网上协作学习模式研究

智能性是Agent突出的特点之一，应用Agent的思想，探讨了如何在网上协作学习中应用Agent技术，建立学生模型和教师模型．构建智能化协作学习模式，从而实现智能化学习，实现了个别化教学。     

Agent的PASS-BDI模型

Agent的BDI模型主要基于Bratman提出的理性主体理论，未能充分体现Agent主动性的认知过程，使Agent的问题求解和心智状态之间的关系未得到充分表达，且难于编程实现。将Das等人提出的计划—注意—同时性加工—继时性加工认知过程模型引入Agent的理论研究中，建立了Agent的PASS-BDI模型，利用多价π-演算从心智状态，认知过程，整体行为等几个方面刻画了该模型的静态和动态特征，并将研究结果应用于多Agent组织中Agent行为特征的刻画。PASS-BDI模型加强了对Agent主动性认知过程的刻画，且易于编程实现。     

面向动态联盟协商支持系统的研究

基于一种半集中式的协商控制策略，提出一个面向动态联盟的协商过程模型，按时间将协商过程划分为协商准备，协商进行及事后处理三个主要阶段。并在此模型上构建了一个基于CORBA标准和DMAS（分布式多Agent系统）技术的协商系统框架。盟员企业的推理，决策和协商功能以Agent形式进行封装，多方协商由多个分布式Agent实现。而不同环境下Agent之间的通信是通过构建在CORBA平台上的组件来实现。为实现动态联盟盟员企业之间的协商提供了一个可行的解决方案。     

一种竞争环境下基于改进遗传算法的电子商务协商

 为了提高竞争环境下基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种竞争环境下agent的协商模型,并且将改进的遗传算法IGA应用于这种模型当中,来提高模型中agent协商的效率。在相同实验条件下,分别对四种遗传算法各进行了1000次的实验,结果表明同样达到协商满意解的时候,标准遗传算法SGA平均需要360次协商,基于Metropolis准则的遗传算法MGA平均需要230次协商,自适应遗传算法AGA平均需要207次协商,而IGA平均仅需要151次协商。这个结果说明,在求解竞争环境下双边多议题协商问题的时候,改进的遗传算法IGA可以使得协商当中的agent高效达到协商的满意解。     

基于双边多目标和时间限制的讨价还价协商模型

基于博弈论的理论,讨论了基于讨价还价机制协商模型,该模型体现了3个关键特征,包括:具有时间限制、信息不完全性和多目标(议题)的3个特征.该模型用形式化的方法定义了协商模型,并规定了在协商过程中的协商协议;根据博弈论的理论,定义了协商过程中的多目标的效用函数,设计了讨价还价交易过程中双方的让步函数;给出了带有时间限制策略规则,该规则可以作为双方交易过程中判断是否交易成功的条件.通过实验分析比较了几种不同的协商策略,实验结果表明了该协商策略模型的有效性,并且为该系统的具体实施奠定了基础.     

面向活动分担的多Agent协商机制及其实现

定义了一个多Agent系统(MAS)和MAS中活动分担的概念；面对如何实现活动的多Agent分担，提出了一种招标-投标协商机制，它很好地解决了Agent之间的公平竞争与活动执行者的最优选择问题。讨论了实现这一协商机制所需的模型修改与消息通信原理。     

基于神经网络的伙伴选择协商模型研究

为了更好的在伙伴选择中对供应商进行评判，提出建立基于BP神经网络的伙伴选择智能协商模型。模型经过训练学习，使其拥有商家的思维方式，并对供应商可协商和非可协商因素进行分析，对供应商做出客观评价。供应商通过对可协商因素进行调节，得到双方都比较满意的协商结果。     

引入谈判博弈的Q-学习下的城市交通信号协调配时决策

由于城市交通路网中交叉口间交通信号决策是相互影响的,并且车联网技术使得交叉口交通信号配时agent间能进行直接交互,此决策问题可用博弈框架来描述。建立了城市路网中相邻交叉口间交通流关联模型,通过嵌入谈判博弈模型来设计Q-学习方法,此方法中利用谈判参考点来进行配时行为的选择。仿真实验分析表明,相对于无协调的Q-学习算法,谈判博弈Q-学习取得更好的控制效果和稳定性能。谈判博弈Q-学习在处理交通拥挤及干扰交通流时,能根据交通条件灵活地改变交通信号配时决策,具有较强的适应能力。     

协同环境下基于客户满意度的协商模型

针对网络化制造环境下产品设计的特点,分析了客户满意度在产品设计中的重要性.将客户满意度应用到协同设计环境下的协商机制中.按照协同设计环境下产品设计的要求建立了在产品协同设计过程中客户满意度的指标体系,并以此建立了满意度数学模型.采用多Agent技术,建立基于客户满意度的协商Agent模型并分析了协商过程.结合企业实际需求,利用BP神经网络对客户满意度的评估进行了训练和仿真,通过神经网络减少评价过程中的人为因素,提高了评价的可靠性.同时验证了基于BP神经网络的客户满意度协商模型的有效性.