基于Agent增強學(xué)習(xí)多議題的自動協(xié)商研究.pdf

1、隨著經(jīng)濟全球化，電子商務(wù)環(huán)境的競爭越來越激烈，人們必然會選擇協(xié)商來解決利益沖突。利用agent自動協(xié)商技術(shù)可以替換人工協(xié)商費時、代價高、反應(yīng)遲鈍等缺點，有利于協(xié)商的效率，改善了人們生活質(zhì)量。關(guān)于多agent自動協(xié)商方法的研究已經(jīng)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(xié)商模型的構(gòu)建，或者是強化學(xué)習(xí)中Q-learning算法與貝葉斯算法進行組合，采用的都是事先設(shè)定的固定的信念知識，沒有對參數(shù)進行探討;還有研究員把強化學(xué)習(xí)

2、算法與對手分類進行組合解決了單議題的協(xié)商，沒有對多議題相關(guān)的協(xié)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(xué)習(xí)在協(xié)商策略中存在一些很重要的參數(shù)，譬如:時間信念知識、時間折扣率、協(xié)商輪次等，提出了強化學(xué)習(xí)多議題相關(guān)協(xié)商算法，實驗對不同的參數(shù)進行了對比，驗證了時間信念為減函數(shù)、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(yīng)動態(tài)變化的環(huán)境，本文提出了