基于马尔可夫链蒙特卡罗方法的双边多议题协商模型.doc

基于马尔可夫链蒙特卡罗方法的双边多议题协商模型
第17卷第9期
:1006-5911(2011)09-2044-07
彭艳斌1,艾解清2
(,浙江??杭州??310023;,浙江??杭州??310027)
摘??要:为了提高自动化双边多议题协商的成效,提出了建立贝叶斯后验模型,以协商历史数据为训练样本,
学习对手的协商偏好,依据对手偏好制定双赢的协商反建议,进而提高协商成效。假设空间是复杂的多维连续函数,借助马尔可夫链蒙特卡罗方法对其进行抽样,提高了极大后验的计算速度。实验数据表明,新型协商模型能够提高协商效率,减少协商回合数,并提高协商总体效用。
关键词:双边协商;贝叶斯后验模型;马尔可夫链;蒙特卡罗方法
中图分类号:TP18??????文献标志码:A
MarkovChainMonteCarlomethodbasedbilateralmult-iissuenegotiationmodel
PENGYan-bin,AIJie-qing12
(,ZhejiangUniversityof
ScienceandTechnology,Hangzhou310023,China;
,ZhejiangUniversity,Hangzhou310027,China)
Abstract:Toimprovetheeffectivenessofautomatedbilateralmult-iissuenegotiation,-over,ordingtoopponents??-idimensionscontinuousfunction,MarkovChainMonteCarlo(MCMC)(MAP)-gotiation,reducenegotiationroundsandimprovethewholenegotiationutility.
Keywords:bilateralnegotiation;bayesianposteriormodel;MarkovChain;MonteCarlomethods
0??引言
随着电子商务的迅猛发展,软件Agent越来越
多地应用到企业应用集成中。Agent由于其反应
性、自治性和社会性[1],能够代理企业处理一系列常
规事务,自动化协商就是其中之一。在自动化双边
多议题协商中,协商双方通过交换协商建议(offer)
来达成一致意见,签订合同[2]过程中,Agent首先会尽可能地满足自身
的利益需求。然而,如果仅考虑自身利益,将导致协商失败。因此,如何获得和满足对手的协商偏好便成为协商成败的关键。在竞争性电子商务环境中,协商偏好属于隐私信息,无法直接向对手获得。在这种情况下,最好的办法就是从历史协商的建议和反建议中学习对手的协商偏好。当前,已有大量针对协商问题展开的研究工作,。在达成一致意见的
收稿日期:2011-04-02;修订日期:2011-05-29。;accepted29May2011.
基金项目:国家自然科学基金资助项目(61175058);浙江省自然科学基金资助项目(Y1100036);浙江省教育厅科研计划基金资助项目
(Y201016929);浙江省高校优秀青年教师资助计划资助项目。Foundationitems:ProjectsupportedbytheNationalNaturalScienceFoundation,China(),theZhejiangProvincialNaturalS