基于GA的一對多多屬性自動談判模型研究.pdf

1、隨著Internet技術(shù)的發(fā)展和傳統(tǒng)的商務活動向網(wǎng)絡(luò)的轉(zhuǎn)移，越來越多的學者開始研究電子商務自動談判模型，自動談判系統(tǒng)已成為解決用戶與商家沖突的重要渠道。在現(xiàn)實中，當買家與賣家進行交易時，往往要針對產(chǎn)品的多個屬性進行交涉，并希望與多個賣家同時進行，從而選取最優(yōu)方案。因此一對多、多屬性談判模型的研究更具現(xiàn)實意義。 本文在詳細闡述自動談判系統(tǒng)研究現(xiàn)狀的基礎(chǔ)上，總結(jié)了一對多、多屬性談判的特點，利用模糊隸屬度函數(shù)進行效用表達，引入競爭機制

2、和貝葉斯學習機制，設(shè)計了兩個基于遺傳算法(GA)的一對多、多屬性談判模型：競爭機制模型和報價一反報價模型。本文模型使用模糊數(shù)學中的正態(tài)分布函數(shù)進行效用的表達，采用雙方接受度乘積的形式來計算適應度，在一定程度上避免了目前采用的線性加權(quán)方法的弊端，同時為了提高遺傳算法的收斂速度，模型中采用了動態(tài)的選擇概率和變異概率，使得具有較大適應度的個體在下一代中具有更大的存活可能性，同時為了在下一代中獲得更加多樣的個體，模型加大了交叉概率，另外，本文模