多Agent系统协商模型研究

本文提出一个多Agent系统中的协商框架,该框架在前人研究的协商策略及协商协议做出了一些改进。在Rosenschein与Zlotkin提出冲突风险度量中加入了考虑协商对手的历史信息的因素,对协商对像的区别对待有利于更合理的在协商过程中做出让步,提高协商的成功率。     

基于Agent的自动协商问题研究

文章总结了基于Agent的自动协商的研究现状,对协商中涉及到的并分析了已有的建立自动协商模型的方法的优点与不足,最后提出了今后自动协商研究应该重点关注的方向.     

基于角色交换的多Agent协商问题的研究

利用角色与Agent之间的动态性刻画多Agent系统的结构和行为模型的特点,针对在协商过程中相互协作的Agent如何结成具有相对稳定的合作领域的问题,对角色进行形式化描述,提出了基于角色交换的多Agent协商角色交换算法。该算法能在不完全信息的环境下,提高多个Agent之间的协商效率;并以模拟足球赛为平台进行实验,结果证明该算法是可行有效的。     

多Agent系统协商问题的技术和方法

协商是多Agent系统实现协作、冲突消解和矛盾处理的关键环节,是多Agent系统研究的重要内容之一.文章对多Agent系统协商的关键技术和协商的几种主要方法进行了讨论和分析.同时阐述了多Agent系统协商的未来发展趋势.     

基于博弈论的多Agent协商模型

在开放、动态、具有自适应性和自治性的多Agent系统(MAS)中,协商是多Agent系统实现协调、协作和解决冲突的关键．博弈论是使用严谨的数学模型研究冲突条件下最优决策问题的理论,本文以此为数学工具,基于对时间的限制,结合协商的历史知识,考虑各协商者在拥有不完全信息的情况下,提出了基于博弈论的多Agent协商模型(GTMANM),并给出了协商策略求解的算法描述,用以来解决分布式环境下不完全信息的多人协商决策问题,以获得最大的期望收益,为以后把博弈论中其他更复杂的博弈思想引入到多Agent协商中来奠定了基础．     

基于记忆模型学习的商务Agent协商设计

将基于记忆模型学习和Agent结合起来应用到商务协商过程,可在一定程度上促进机器学习、Agent技术及电子商务的共同发展。将Agent技术引入到记忆模型学习中,给出了基于记忆模型学习的商务Agent协商的设计思路,完成了记忆模型、协商协议的设计,并搭建实验系统平台,设计了原型系统,经过实验可以在嵌入式移动设备上实现商务协商,从而验证了该协商的有效性。     

基于Agent的供应链协商模型

首先从多Agent和单一Agent的角度对供应链环境下协商要素进行了分析。在此基础上,结合供应链管理中协商特点,提出了一个通用协商模型。在该模型中给出了一个灵活的协商协议,并对Agent的决策模型进行了分析。     

基于Agent供应链成员协商机制研究

供应链成员之间的协商是供应链管理的基础部分,供应链成员只有通过协商才能进行有效的合作。在分析制造商与供应商协商系统结构的基础上,给出制造商与供应商具体的协商策略,分别阐述了制造商与供应商的协商决策机制。并且将Agent技术运用到制造商与供应商协商系统中,具体分析了Agent系统框架及应用实例。     

基于遗忘理论和效用的多Agent多问题协商

许多基于对策论的协商方法,倾向于假设Agent的效用固定不变,默认多问题之间是完全可以互相补偿的,但实际情况往往不是这样。在此提出基于遗忘理论的多问题协商,结合逻辑学和对策论的方法,达到了Agent协商逻辑理性和效用理性的平衡。在协商中,动态调整问题的取值,采用逻辑与来处理多Agent之间不可补偿的多问题协商,为多Agent的多问题协商提供新方法。     

AODE中基于强化学习的Agent协商模型

AODE是我们研制的一个面向Agent的智能系统开发环境。AODE中基于强化学习的Agent协商模型采用Markov决策过程和连续过程分别描述系统状态变化和特定系统状态的Agent协商过程,并将强化学习技术应用于Agnet协商过程。该协商模型能够描述动态环境下的多Agent协商,模型中所有Agent都采用元对策Q-学习算法时,系统能获得动态协商环境下的最优协商解。     

基于卖方多提议的双边多属性自动协商模型

针对电子交易应用领域,提出一种私有信息和有时间约束的、基于卖方多提议和买方评价的多属性自动协商模型.买方协商策略简化为对卖方每一回合提交的一个或多个提议进行评价,卖方则根据时间和资源依赖策略确定提议的整体让步效用,根据买方评价和协商历史确定不同的让步属性组合和让步幅度,从而生成若干等效的新提议.该模型能有效减轻系统的通信和计算负担,提高解的收敛速度,在一定程度上改善协商效率和质量,并且在买方效用函数为线性时保证较优的联合效用.     

基于Agent信任机制的一体化协商研究

将信任机制引入到Agent协商过程中,很好地解决了协商过程中的各个Agent对待协商过程的态度问题.实验表明引入信任机制的一体化协商过程可以达到更好的协商效果.     

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。     

供应链环境下基于Agent的协商决策

针对供应链环境中双边、多主题协商,采用基于相似度的协商决策方法,把时手发送的提议与自己将要提交的提议集进行比较,选择与对手提议相似度最高的提议作为最终提议。这种方法不仅能增加达成一致的几率,而且能增加双方的共同收益。     

基于历史信息和时间约束的多Agent协商模型

协商是多Agent系统(Multi-Agent Systems:MAS)实现协调、协作和冲突消解的关键环节.如何在不完全信息的情况下构造有效的协商模型来提高Agent的协商能力,是多Agent系统研究中占有重要地位的问题之一.通过考虑历史信息和时间约束的情况下,讨论了多Agent多问题的协商类型,提出了基于历史信息和时间约束的协商模型(HTANM)和协商算法,为多Agent能进行自动协商奠定了一定的基础.     

一种多Agent协商中多目标群决策算法

为解决多Agent多目标群决策情形中属性的权重或决策Agent的权重未知时无法进行有效决策的问题,提出了采用迭代思想改进模糊多目标群决策模糊优选算法的途径.在模糊多目标群决策中,将未知模糊权重通过有效地迭代计算得出,从而确定出决策的最优排序结果.实例演算证明该算法可行且决策时间较短.     

基于Agent协商的语义Web服务知识模型

在面向服务的应用中引入语义协商的思想,使服务Agent能够在Web服务部署、发布、发现和组合过程中共享服务知识.并且具有足够的自治和理解能力.通过描述抽象和具体的语义Web服务以及分析服务Agent之间的交互过程,提出了适合协商的服务Agent和服务知识模型,并给出了服务Agent之间信念知识修正和更新的方法,形式化描述了协商过程中服务Agent的角色和行为以及针对服务属性的语义协商协议.实验结果表明,在服务发现过程中使用这种服务知识模型及语义协商交互协议,能够显著改善服务Agent的理解能力.随着部署的具体服务数和协商的服务属性数增加,返回服务发现结果的时间有所延长,但其精确度有了明显的提高.     

面向议题关联的双边多议题协商模型研究

在Agent双边协商过程中往往包含对多个议题的协商针对以往的基于议程、相似度、案例等协商方法中大部分都忽略了议题取值之间可能存在的依赖关系,提出一种面向议题关联的双边多议题协商模型首先模型结合了多议题顺序协商思想和局部接受协商策略;其次引入离线学习机制,对协商成功的历史记录进行分区离线学习,利用离线学习机制产生的议题关联规则与预测神经网络实现对关联议题可能接受取值的预测;最后模型提出一种基于关联预测值的分段时间协商策略实验结果表明,该模型在一定程度上提高了协商的总体效用值和效率.     

基于拍卖的多Agent协商系统的研究

在多Agent系统中经常相互协作的Agent会结成具有相对稳定的合作领域和共同的交易理念,从而形成一定的公共知识,可以协作完成子任务,而多Agent协商系统中的成员既有合作性又有自利性,只有将二者有机结合起来才能保证高效地完成任务。文章在分析拍卖方式网络化、自动化、竞争化的基础上,从拍卖请求方和能力竞争方的角度,引入拍卖过程中的超时思想和Agent合作的历史信息对拍卖任务得不到及时的处理和由于拍卖方和竞买方的信息不对称,没有考虑历史信息的情况下成交效率太低进行分析、研究,提出一种多Agent拍卖流程框架和协商算法,从而使得在拍卖中各响应者都以积极并诚实的姿态参与协商,以致大大地提高了协商效率,且增加了响应者之间的透明性。     

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.