基于Agent增強學習多議題的自動協商研究.pdf

1、隨著經濟全球化，電子商務環(huán)境的競爭越來越激烈，人們必然會選擇協商來解決利益沖突。利用agent自動協商技術可以替換人工協商費時、代價高、反應遲鈍等缺點，有利于協商的效率，改善了人們生活質量。關于多agent自動協商方法的研究已經獲得了非常多的有價值的研究成果。但是，大部分研究員的重點是協商模型的構建，或者是強化學習中Q-learning算法與貝葉斯算法進行組合，采用的都是事先設定的固定的信念知識，沒有對參數進行探討;還有研究員把強化學習

2、算法與對手分類進行組合解決了單議題的協商，沒有對多議題相關的協商進行處理。所以本文針對存在的問題進行了如下改進:
　　1、考慮到增強學習在協商策略中存在一些很重要的參數，譬如:時間信念知識、時間折扣率、協商輪次等，提出了強化學習多議題相關協商算法，實驗對不同的參數進行了對比，驗證了時間信念為減函數、折扣率為0.9時，算法的性能更好。
　　2、考慮到對手分類算法與Q-learning算法能夠更好的適應動態(tài)變化的環(huán)境，本文提出了