本文關(guān)鍵詞：基于多Agent的多議題協(xié)商沖突網(wǎng)絡模型及其演化研究

  更多相關(guān)文章： 多Agent系統(tǒng) 多議題協(xié)商 協(xié)商沖突網(wǎng)絡 協(xié)商沖突網(wǎng)絡演化

【摘要】：隨著電子商務的發(fā)展與人工智能技術(shù)的完善,電子商務與人工智能技術(shù)的結(jié)合成為新的關(guān)鍵技術(shù)�；贏gent人工智能技術(shù)的電子商務協(xié)商系統(tǒng),能夠滿足人們?nèi)找嬖鲩L的個性化協(xié)商需求,推動了電子商務的智能化發(fā)展。然而協(xié)商沖突在多Agent構(gòu)成的智能協(xié)商系統(tǒng)中普遍存在,多議題之間的相互依賴關(guān)系使得一個Agent可能與多個Agent形成協(xié)商沖突,從而使Agent間形成協(xié)商沖突網(wǎng)絡,復雜且動態(tài)的協(xié)商沖突網(wǎng)絡阻礙Agent協(xié)商系統(tǒng)的可靠運行。因此,研究協(xié)商沖突網(wǎng)絡形成的內(nèi)在動因及其演化過程,是多Agent智能協(xié)商系統(tǒng)中一個值得關(guān)注的重點問題。論文以協(xié)商沖突網(wǎng)絡的形成及其演化機理為核心展開研究,旨在提高多方多議題協(xié)商效率。具體包括以下研究工作:(1)構(gòu)建了基于多Agent的多議題協(xié)商沖突網(wǎng)絡模型。論文以多Agent系統(tǒng)中的協(xié)商模型為基礎,對協(xié)商議題進行了描述,定義了基于協(xié)商沖突的協(xié)商策略。協(xié)商議題與協(xié)商策略是協(xié)商沖突產(chǎn)生的基本要素,在此基礎上給出了協(xié)商沖突的定義,并通過Agent協(xié)商過程展現(xiàn)出協(xié)商沖突的產(chǎn)生過程。根據(jù)多Agent智能協(xié)商系統(tǒng)中Agent對多議題協(xié)商的特征,對協(xié)商沖突網(wǎng)絡進行了定義并構(gòu)造出一個通用的協(xié)商沖突網(wǎng)絡模型,同時以電子商務中的多方協(xié)商為例,給出了協(xié)商沖突網(wǎng)絡的示例,并對協(xié)商沖突網(wǎng)絡的組成要素進行了分析。(2)建立了基于人工免疫算法的協(xié)商沖突求解模型。多Agent因協(xié)商沖突而形成協(xié)商沖突對是構(gòu)成協(xié)商沖突網(wǎng)絡的關(guān)鍵,論文根據(jù)Agent的自主行為及智能行為等特征,將人工免疫算法應用到協(xié)商沖突的求解中。對協(xié)商沖突的解進行了定義,從而建立了基于人工免疫算法的協(xié)商沖突求解模型。該模型對協(xié)商沖突對的求解具有有效性,同時協(xié)商沖突的解可作為Agent進行動態(tài)決策的初始化條件。(3)建立了協(xié)商沖突網(wǎng)絡演化模型。運用有限狀態(tài)自動機理論,分析了Agent的動態(tài)決策過程,Agent通過學習鄰居頂點的協(xié)商策略以此進行動態(tài)決策,從而影響協(xié)商沖突網(wǎng)絡的動態(tài)演化,論文在此基礎上分析了協(xié)商沖突對間Agent的狀態(tài)轉(zhuǎn)移,從而建立了協(xié)商沖突網(wǎng)絡演化模型,同時對Agent的協(xié)商策略更新機制進行了設計。結(jié)合協(xié)商沖突網(wǎng)絡的動態(tài)性與Agent的智能協(xié)商策略,分析了協(xié)商沖突網(wǎng)絡的狀態(tài)轉(zhuǎn)移過程。協(xié)商沖突網(wǎng)絡演化模型的建立,有效的反映了協(xié)商沖突網(wǎng)絡的動態(tài)特征,能夠為有效控制協(xié)商沖突演化路徑提供解決方案,提高多Agent智能協(xié)商系統(tǒng)的穩(wěn)定性以及提高Agent協(xié)商效率。
【關(guān)鍵詞】：多Agent系統(tǒng) 多議題協(xié)商 協(xié)商沖突網(wǎng)絡 協(xié)商沖突網(wǎng)絡演化
【學位授予單位】：重慶工商大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F713.36;TP18
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 第1章 緒論9-18
• 1.1 研究背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.3 研究內(nèi)容14-17
• 1.4 本章小結(jié)17-18
• 第2章 理論與技術(shù)基礎18-24
• 2.1 多Agent系統(tǒng)18-20
• 2.2 多Agent多議題協(xié)商20-21
• 2.3 基于人工免疫算法的Agent策略優(yōu)化21
• 2.4 有限狀態(tài)自動機21-23
• 2.5 本章小結(jié)23-24
• 第3章 基于多Agent的多議題協(xié)商沖突網(wǎng)絡模型24-35
• 3.1 協(xié)商模型24-27
• 3.2 協(xié)商沖突27-29
• 3.3 協(xié)商沖突網(wǎng)絡29-33
• 3.4 本章小結(jié)33-35
• 第4章 基于人工免疫算法的多議題協(xié)商沖突求解35-42
• 4.1 協(xié)商沖突的解35-36
• 4.2 整合效用最大化模型36-37
• 4.3 基于人工免疫算法的協(xié)商沖突求解過程37-40
• 4.4 實驗分析40-41
• 4.5 本章小結(jié)41-42
• 第5章 多議題協(xié)商沖突網(wǎng)絡演化模型42-58
• 5.1 協(xié)商沖突網(wǎng)絡頂點狀態(tài)演化42-46
• 5.2 協(xié)商沖突網(wǎng)絡演化46-47
• 5.3 協(xié)商策略更新47-51
• 5.4 協(xié)商沖突網(wǎng)絡狀態(tài)轉(zhuǎn)移過程51-57
• 5.5 本章小結(jié)57-58
• 第6章 總結(jié)與展望58-60
• 6.1 研究總結(jié)58-59
• 6.2 研究展望59-60
• 參考文獻60-63
• 致謝63-64
• 作者在學期間發(fā)表論文及參加課題情況64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫天昊;朱慶生;李雙慶;;一種基于等效置換的協(xié)商策略[J];重慶大學學報(自然科學版);2007年06期

2 彭志平;李紹平;;一種基于神經(jīng)模糊系統(tǒng)的協(xié)商策略[J];系統(tǒng)仿真學報;2008年03期

3 孫天昊;朱慶生;李雙慶;周明強;;一種優(yōu)化的基于增強學習協(xié)商策略[J];計算機工程與應用;2008年30期

4 楊明慧;王汝傳;;基于可信敏感度的網(wǎng)格信任協(xié)商策略及其應用分析[J];電子學報;2010年02期

5 李健利;霍光磊;劉博;高勇;;使用案例推理的協(xié)商策略研究[J];計算機工程與應用;2012年08期

6 孫天昊;鄧俊昆;陳飛;朱慶生;;基于增強學習協(xié)商策略的研究及優(yōu)化[J];計算機工程與應用;2012年23期

7 張科;羅軍;鄧俊昆;;基于改進增強學習算法的雙邊多協(xié)議協(xié)商策略[J];計算機科學;2014年01期

8 王英,張小真;CSCW協(xié)同建組協(xié)商策略研究[J];計算機應用;2005年03期

9 姚慧;高承實;戴青;張徐;;一種基于樹建模的自動信任協(xié)商策略[J];計算機工程與應用;2008年15期

10 柴玉梅;谷明;王黎明;;基于效用圖的依賴關(guān)系與協(xié)商策略研究[J];計算機工程與設計;2010年03期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 孫天昊;電子商務中一對多協(xié)商研究[D];重慶大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李豪;基于關(guān)聯(lián)議題發(fā)現(xiàn)的多Agent自適應協(xié)商策略研究[D];北京工業(yè)大學;2015年

2 余維;基于多Agent的多議題協(xié)商沖突網(wǎng)絡模型及其演化研究[D];重慶工商大學;2016年

3 姚慧;自動信任協(xié)商中協(xié)商策略研究[D];解放軍信息工程大學;2008年

4 石漪;信任協(xié)商策略語言及其反饋模型研究[D];東北林業(yè)大學;2012年

5 高勇;P2P環(huán)境中ATN協(xié)商機制的研究[D];哈爾濱工程大學;2011年

6 平震宇;可重構(gòu)的開放式自動信任協(xié)商框架研究與實現(xiàn)[D];蘇州大學;2013年

7 牛東升;基于相似度的協(xié)商策略機制研究[D];鄭州大學;2007年

8 張謙;基于電子商務環(huán)境的多Agent并發(fā)協(xié)商策略研究[D];西南大學;2006年

9 趙風姬;ATN中協(xié)商策略研究[D];哈爾濱工程大學;2011年

10 閆愛梅;MAS協(xié)商機制的研究及其應用[D];華北電力大學（河北）;2008年

，

本文編號：1008064