电子商务中一对多协商分析-计算机系统结构专业论文.pdf.docx

摘要目前 电 子 商 务 已 经 走 进 寻 常 百 姓 家 中 ， 人 们 愿 意 并 慢 慢 习 惯 去 淘 宝 网（/）等购物网站购买商品。中国互联网数据中心（DCCI）于 2008年 7 月 15 日公布：2008 年上半年中国互联网用户互联网消费规模为 2560 亿元， 同比增长 58.2%。目前的购物网站中采用的定价方式有：一口价、拍卖和代理出价。 这些都属于半智能化商务活动，一口价方式过于简单，拍卖方式需要实时的人机 交互，代理出价相对简单且风险较大。更重要的是这些方式都是单向的，没有把 传统商务中的最具智慧的、灵活多变的、双向交互的协商机制引入进来。分布式人工智能中 Agent 技术的发展和逐步成熟为电子商务的自动化和智能 化提供了技术保障。基于 Agent 的电子商务极大的提高了电子商务自动化和智能 化程度，将进一步推动电子商务的发展。协商作为商务活动中的一至关重要的组 成部分，它的结果直接影响商务活动的继续执行。自动协商是基于 Agent 系统的 一种重要交互方式，目前协商问题是多 Agent 系统研究的热点。根据协商活动中 参与者的数量，自动协商分为 3 类：一对一协商、一对多协商和多对多协商。一 对一协商最早被研究、比较简单；一对多协商被处理为多个并发的一对一协商； 多对多协商可以由多个一对多协商扩展而来。本文研究电子商务中一对多协商模式。主要的研究内容和创新工作包括：① 一对多协商模型研究 在现有的一对多协商模型研究基础上，提出一个更加灵活的连续一对多协商模型。该模型支持连续协商，满足开放和动态的协商环境。与一般的一对多协商模 型相比，我们主要在三个方面进行了改进：1) 支持连续协商，节约协商时间，提 高协商效率。协商线程不需要一直等到接收完了所有卖家 Agent 的提议之后才能 够生成反提议，即协商线程之间不需要相互等待。2) 满足开放和动态的协商环境 要求，适应性更强。在协商过程中，新的卖家可以加入，现有卖家可以撤离。3) 使 用基于相对效用的协调策略来选择最优的协定，达成协定的效用更高，成本更低。② 让步型协商策略研究 为了进一步提高和优化让步协商策略（基于时间的协商策略、基于对手行为的协商策略等）达成的初步协商解的质量，提出了基于等效置换的协商策略。等效 置换充分利用多议题协商效用评估机制中各议题之间的相关性，在保证协商者既 得利益的前提下动态改变某些议题的取值，促使协商双方得到更优的协商解，并 同时提高联合效用。③ 学习型协商策略研究把机器学习方法引入 Agent 中，赋予 Agent 学习能力，使 Agent 具有更强的智能性。论文分别对贝叶斯学习、增强学习、遗传算法等几种主流的学习机制进行 研究。并对基于增强学习的协商策略进行优化，在协商过程中充分利用对手的历 史信息，综合增强学习和对手历史学习策略，加快协商解的收敛和提高协商解的 质量。④ 协调策略研究 一对多协商可以看成是多个并发的一对一协商，这就需要一个协调者使用协调策略来管理这些并发的协商。协调策略确保多个并发的一对一协商能够有效、有 序和健壮的进行。在研究了现有协调策略（孤注一掷策略、耐心策略、最优耐心 策略、策略操纵策略、固定等待时间策略、固定等待率策略等）基础上，提出了 基于相对效用的协商协调策略，该策略能够很好地解决当多个并发协商进程同时 获得满足效用评估的提议，特别是存在多个相同最大效用提议时的取舍问题，确 保得到效用更高，成本更低的协商解。⑤ 最佳卖家撤离管理机制研究 在现有一对多协商模型的基础上分析了在协商过程中当前最佳卖家撤离对系统的影响，包括最终协商解的效用下降、协商时间延长等，提出了三种协调策略： 策略 1：不管，继续执行(Let it be)；策略 2：以次最佳卖家的信念继续执行(Second)； 策略 3：重新开始(Restart)。建立具有承诺管理机制的一对多协商模型来制约当前 最佳卖家的撤离，改善系统性能，并给系统提供了更加灵活的机制。论文对一对多协商的几个主要方面进行了全面研究，包括协商模型、协商策略、 协调策略和管理机制。既继承了前人的研究结果，又分别进行了扩展和创新，具 有前沿性、理论价值和实用意义。关键词：一对多协商，协商策略，学习机制，相对效用，协调策略ABSTRACTNowadays, Electronic Commerce has already come into our homely lives. People are willing to go to shopping at some shopping websites, such as taobao (), and slowly form a habit. On July 15, 2008, Data Center of the C