计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
1期
238-241
,共4页
Agent%效用%满意度%协商历史%在线学习
Agent%效用%滿意度%協商歷史%在線學習
Agent%효용%만의도%협상역사%재선학습
为了能够快速、高效地进行Agent协商,构建一个优化的多Agent协商模型.在这个模型的基础上,提出了一个基于协商各方公平性的协商学习算法.算法采用塞于满意度的思想评估协商对手的提议,根据对方Agent协商历史及本次协商交互信息,通过在线学习机制预测对方Agent协商策略,动态得出协商妥协度并向对方提出还价提议.最后,通过买卖协商仿真实验验证了该算法的收敛性,表明基于该算法的模型工作的高效性、公平性.
為瞭能夠快速、高效地進行Agent協商,構建一箇優化的多Agent協商模型.在這箇模型的基礎上,提齣瞭一箇基于協商各方公平性的協商學習算法.算法採用塞于滿意度的思想評估協商對手的提議,根據對方Agent協商歷史及本次協商交互信息,通過在線學習機製預測對方Agent協商策略,動態得齣協商妥協度併嚮對方提齣還價提議.最後,通過買賣協商倣真實驗驗證瞭該算法的收斂性,錶明基于該算法的模型工作的高效性、公平性.
위료능구쾌속、고효지진행Agent협상,구건일개우화적다Agent협상모형.재저개모형적기출상,제출료일개기우협상각방공평성적협상학습산법.산법채용새우만의도적사상평고협상대수적제의,근거대방Agent협상역사급본차협상교호신식,통과재선학습궤제예측대방Agent협상책략,동태득출협상타협도병향대방제출환개제의.최후,통과매매협상방진실험험증료해산법적수렴성,표명기우해산법적모형공작적고효성、공평성.
