基于Bayesian學習的多Agent談判機制研究.pdf

1、隨著Agent技術與電子商務相關技術的結(jié)合，基于Agent技術的電子商務模型逐漸成為學術界研究的熱點?，F(xiàn)有的電子商務系統(tǒng)對商務自動化方面的技術支持仍較為薄弱，尤其是在自動談判方面。Agent自身所具有的自治性、社會性、反應性和自學習能力能夠有效地適應電子交易市場的靈活性。在基于Agent的自動談判中，Agent代表談判者通過不斷的學習、交換提議來達成雙贏的結(jié)果，既能節(jié)約時間又能實現(xiàn)便捷的交易。 如何使Agent在交互過程中提高談

2、判能力是多Agent系統(tǒng)技術研究的關鍵問題。理論分析表明，在多Agent談判系統(tǒng)中引入學習機制，使得每個Agent通過學習來協(xié)調(diào)自身的行為，能夠有效地完成談判任務。因此，將機器學習理論應用到自動談判系統(tǒng)中成為電子商務領域的最新研究課題。 本文主要研究了在雙邊多議題談判中，如何引入學習機制來提高談判效率。首先，依據(jù)國內(nèi)外相關技術的研究現(xiàn)狀，在談判策略上，分析了傳統(tǒng)的依據(jù)單一條件提議談判策略的不足，將依據(jù)時間、資源、對手行為等單一因