技术创新平台中基于Agent多议题协商算法与策略.docVIP

技术创新平台中基于Agent多议题协商算法与策略 　　摘要： 　　针对技术创新平台应用背景下的技术对接协商问题，结合智能感知Agent技术，分析并设计了多议题协商算法与策略。由技术创新平台中技术对接的实际环境，充分地利用平台中的历史技术对接提议，并考虑到技术对接双方的技术对接效益，设计技术对接中基于智能感知Agent的多议题协商算法，并在此基础上设计提议生成策略，提出技术对接协商中的建议解。保证了技术对接过程中技术交易双方的综合效益最优，使得技术交易双方能够在技术对接协商中达到效益“双赢”。通过技术创新平台中的技术对接的实际算例，例证了该协商算法与协商策略对技术创新平台中技术对接环境的适用性、合理性、可行性和有效性。 　　关键词： 　　协同技术创新；技术对接；不确定议题；协商策略；智能感知Agent 　　0引言 　　技术创新平台最早起源于欧盟创新驿站（Innovation Relay Centre，IRC），是欧盟为鼓励中小企业进行跨国技术创新合作的中介网络，于1995年正式出台，由欧盟委员会根据其“创新和中小企业计划”资助而建立，是欧盟促进中小企业之间技术合作和转移的最主要的计划[1]。技术对接协商是技术创新平台中技术交易的重要环节，目前的技术创新平台还处于初步阶段，类似于简单的技术发布系统，在技术对接过程中不能够通过有效的技术对接协商算法提出“建议解”[2]，促使技术对接协商的成功进行，技术对接协商的过程中仍然需要投入大量的人力、物力和财力。因此，若能针对技术创新平台的实际应用环境，结合Agent的自治性、社会性、自学习和自感知性[3]，设计高效的技术对接协商算法和协商策略，促使技术对接双方在多议题协商中达到共识、双赢，对技术创新平台中技术交易顺利完成、科学技术转移并转化为生产力都具有重要的意义。 　　文献[4-6]将遗传算法引入协商模型，试图通过对手提议的变化评估对手的偏好，从而提高并优化适应度函数判断能力，遗传算法的搜索优化效果很好，但是容易陷入局部最优解，出现早熟现象。文献[7]提出了一种两阶段属性协商模型，通过关键提议的概念，解决了一对多多议题谈判问题中的悖论，但该模型易忽略低权重议题在谈判协商中的作用。文献[8]中的协商模型则引入Bayesian法则，该模型通过Bayesian法则根据每回合的提议来更新Agent的信念，但是Bayesian法则需要建立在先验概率的基础上。文献[9]提出了一种基于Pareto效率理论的协商模型，该模型构建一个效益评估函数，通过对协商双方的让步提议不断评估，来寻找Pareto最优效益提议，促成协商达成一致，该模型的缺点在于目标效益函数缺乏有效的连续型约束空间，Agent的分布型让步提议不一定是有效谈判区间内的Pareto最优效率点。文献[10]提出了一种基于Mediator调节的双边协商模型，该模型能有效地解决传统交替时提议的协商双方容易陷入僵局的问题，但是模型的评价联合效益的方法和维护公平效益方面的理论还有待进一步的验证。另外，一些学者还将记忆演化学习理论[11-12]、模糊推理理论[13]、TOPSIS（Technique for Order Preference by Similarity to Ideal Solution ）算法[14]、协同过滤算法[15]等理论与算法引入，并讨论解决基于Agent的协商问题。 　　目前对于多议题协商算法的理论研究较多，且各自的理论都能够解决协商过程的相应的问题，也有相应不足的地方。但是目前针对多提议算法与策略的研究值限于理论研究，能结合实际的应用环境设计协商算法与策略的研究目前很少，特别是针对技术创新平台中的不定类型的多议题技术对接协商算法与策略的研究几乎没有，因此本文针对这一实际应用环境中的问题，提出基于Agent的多提议协商算法和策略，使得技术创新平台中的技术对接双方能够在多议题技术对接中实现效益“双赢”，从而促进技术对接协商的顺利进行。 　　1基于Agent的协商模型的形式化描述 　　根据实际应用环境的需要，可将协商模型（Model）定义为如下8元组： 　　其中： 　　Ag表示协商参与方Agent，Ag={Agf|f=1，2，…，n}。Agf表示第f个Agent，本文研究的是双边多议题协商和基于人工智能的知识库Agent的自学习，所以定义Ag={S，B，SL}，S表示卖方Agent，B表示买方Agent，SL表示自学习Agent。 　　A表示行为空间，即Agent可以采取的所有行为集合。定义A={start，propose，evaluate，agree，reject，end}，代表含义为：start表示发出协商请求；propose表示发出提议/反提议；evaluate表示评估提议；agree表示同意提议；