智能優(yōu)化算法及其在協(xié)商中的應用研究.pdf

1、隨著網(wǎng)絡技術(shù)的迅猛發(fā)展，電子商務作為一種全新的企業(yè)經(jīng)營手段迅速發(fā)展并逐漸成熟。在電子商務環(huán)境下，交易雙方往往會為了爭奪有限的資源，而不可避免的產(chǎn)生爭議與沖突。在電子商務應用背景下，消解這種沖突的一種有效方式是自動協(xié)商。自動協(xié)商是一種利用智能 Agent代表其協(xié)商者和其它的Agent進行某項資源交易的過程，它借助于計算機平臺，將整個協(xié)商過程數(shù)字化、模式化，并可根據(jù)具體的需求進行擴展，具有高效性、自動性和抗干擾性等特點。隨著商務活動范圍的逐

2、漸擴大及企業(yè)需求的提高，當前的電子商務環(huán)境變得愈來愈開放，企業(yè)可以在更廣闊的市場空間中尋求更多的合作伙伴。在開放電子商務環(huán)境下的協(xié)商問題中，企業(yè)會面對更多不確定因素的影響，涉及的信息量更大，協(xié)商過程更為復雜。利用自動協(xié)商解決開放電子商務環(huán)境下的沖突問題，可以有效地提高交易效率和降低交易成本，具有重要的現(xiàn)實意義和廣闊的應用前景。
　　目前，針對開放電子商務環(huán)境下的協(xié)商問題，國內(nèi)外相繼提出了一些形式化的模型，為后續(xù)的深入研究奠定了重要

3、的基礎。但是現(xiàn)有的研究中仍存在以下幾點不足:(1)當前協(xié)商模型中Agent過于理性，缺乏對非理性因素影響的考慮，而實際協(xié)商中雙方往往會受到自身性格特征、心理偏好及情緒波動等非理性因素的影響；(2)在開放電子商務環(huán)境下，現(xiàn)有的競爭合作協(xié)商模型僅僅根據(jù)個體數(shù)量分析環(huán)境變化，而未考慮不同能力的個體帶來影響的不同，且模型中提出的協(xié)商策略不夠靈活，個體決策時僅僅考慮當前利益，進行讓步時未根據(jù)偏好均衡各個議題的讓步值，無法保證決策者的收益水平；(3

4、)開放電子商務環(huán)境下，由于受到環(huán)境因素的影響，協(xié)商時往往做出多次的讓步或交互仍不能達到滿意的協(xié)商結(jié)果，從而導致協(xié)商效率比較低。
　　本文以開放電子商務環(huán)境下自動協(xié)商為研究背景，針對以上問題展開研究，主要工作與創(chuàng)新點概括如下:
　　1.提出一種非理性環(huán)境下的協(xié)商模型，克服了傳統(tǒng)模型僅考慮理性因素的不足，有效的提高了模型的實用性，解決了非理性環(huán)境影響下的協(xié)商決策問題。
　　在該協(xié)商模型中借鑒心理學相關(guān)知識，引入個性偏好和性

5、格特征兩種長期性的影響因素，并結(jié)合協(xié)商過程的特點提出一種心理優(yōu)越度作為時變的影響因素，三種因素構(gòu)成了簡化的非理性影響環(huán)境；為體現(xiàn)環(huán)境變化對協(xié)商的影響，又提出一種基于環(huán)境影響的效用評價函數(shù)，該函數(shù)在基本效用函數(shù)的基礎上，結(jié)合了三種非理性因素的擾動；為了靈活應對環(huán)境的變化，提出一種基于環(huán)境變化的協(xié)商策略；實驗結(jié)果表明，該模型能夠較好的模擬非理性環(huán)境對協(xié)商的影響，且提出的協(xié)商策略在應對環(huán)境變化時取得了較好的效果。
　　2.提出一種新的競

6、爭合作環(huán)境下的協(xié)商模型，克服了現(xiàn)有模型對環(huán)境分析不夠、決策不夠靈活且收益較低的不足，有效的解決了競爭合作環(huán)境下的協(xié)商決策問題。
　　在該模型中借鑒生態(tài)學相關(guān)知識，將協(xié)商中的買賣雙方定義為兩個種群，利用種群自生長原理并結(jié)合協(xié)商問題特點，定義種群競爭合作分析模型；為了應對環(huán)境變化的影響，提出一種新的決策模型，該模型以環(huán)境分析的結(jié)果為基礎，綜合考慮協(xié)商個體對長遠及當前利益的需求，不僅提高了協(xié)商模型在動態(tài)環(huán)境下決策的靈活性，同時也提高了決

7、策者的收益；在確定最優(yōu)讓步值時，采用權(quán)衡多議題讓步的方法，讓協(xié)商者在偏好較低的議題上做出較大讓步，從而顯著提高了決策者的收益水平；經(jīng)過實驗驗證，該模型不僅能夠較好的模擬外部環(huán)境對協(xié)商的影響，而且能在分析環(huán)境變化的基礎上進行有效應對。
　　3.提出兩種改進的粒子群算法，將兩種算法分別應用到非理性協(xié)商模型和競爭合作協(xié)商模型中，提高了兩個模型的協(xié)商效率。
　　在非理性協(xié)商模型中，應對環(huán)境變化時需要根據(jù)環(huán)境影響搜索最優(yōu)讓步值，但是這

8、樣會降低協(xié)商模型的效率。針對這一問題，本文提出一種自學習對稱粒子群算法搜索最優(yōu)讓步值。在該算法中利用靜態(tài)粒子檢測環(huán)境的變化，并利用廣域?qū)W習機制和對稱粒子降低算法陷入局部最優(yōu)的幾率，從而提高算法的全局搜索能力。實驗結(jié)果表明，該算法不僅能夠迅速感知環(huán)境的變化，而且顯著提高了求解精度，有效的克服了傳統(tǒng)算法易早熟的不足；與其它算法相比，該算法在收斂速度及求解精度上都具有明顯的優(yōu)勢。
　　在競爭合作協(xié)商模型中，采用均衡多議題讓步的方法提高決

9、策者的收益水平，但是多議題讓步的均衡會降低協(xié)商效率。針對這一問題，本文提出一種基于合作協(xié)同的粒子群優(yōu)化算法用于均衡決策者的讓步值。在該算法中利用粒子群算法作為各個種群的優(yōu)化方法，采用極值變異方法有效地避免了粒子群算法易早熟的不足；同時，采用分級抽樣技術(shù)和鄰域空間進化方法，克服了傳統(tǒng)協(xié)同進化算法在采樣和全局搜索方面的不足。實驗結(jié)果表明，該算法能夠在保證解質(zhì)量的前提下提高搜索效率；與其它算法相比，該算法在收斂速度及求解精度上都具有明顯的優(yōu)勢