基于模糊约束规划的自动协商

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 94-97.

基于模糊约束规划的自动协商

韩伟

南京财经大学信息工程学院，南京 210046

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 韩伟

Automatic negotiation system based on fussy constraint programming

HAN Wei

Information Engineering College，Nanjing University of Financial and Economics，Nanjing 210046，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: HAN Wei

摘要/Abstract

摘要： 给出了一个基于模糊约束规划模型的自动协商系统。建立了模糊约束规划模型并利用模糊模拟、神经网络和遗传算法给出了求解Pareto最优解的混合智能算法；协商过程中卖方智能体根据神经网络拟合的效用函数并运行混合智能体算法得到当前协商步的Pareto最优解，避免了对大型商品数据库的反复搜索，为系统推向实际应用奠定了基础；协商模型仿真实验表明了协商系统返回的解与实际调查得到的用户偏好相一致。

关键词: 模糊约束规划, 自动协商, 智能体

Abstract: The paper puts forward a fuzzy-constraints-programming-based negotiation model in the application of trading agents.The model preferably describes the trade off preference of buyer agents by using prioritized fuzzy constraints.An intelligent algorithm for the programming model is put forward，which integrates neutral network，fuzzy simulation and gene algorithms.By running this programming algorithm，seller agents get a pareto optimized solution without global searching of the product database.The simulation indicates that the products given by the negotiation model is in consistent with real preference curve of buyers get by investigation.

Key words: fuzzy constraint programming, automatic negotiation, intelligent agents

韩伟. 基于模糊约束规划的自动协商[J]. 计算机工程与应用, 2008, 44(3): 94-97.

HAN Wei. Automatic negotiation system based on fussy constraint programming[J]. Computer Engineering and Applications, 2008, 44(3): 94-97.

[1]	伍京华，吴学桥. 基于Agent的改进贴近度的多属性评价模型[J]. 计算机工程与应用, 2021, 57(5): 65-70.
[2]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[3]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[4]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[5]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[6]	孙彧，曹雷，陈希亮，徐志雄，赖俊. 多智能体深度强化学习研究综述[J]. 计算机工程与应用, 2020, 56(5): 13-24.
[7]	茆汉国，张建德. 多智能体系统的非震颤固定时间一致性[J]. 计算机工程与应用, 2020, 56(4): 158-162.
[8]	陈良康，过榴晓，杨永清. 带有智能领导者的网络系统分群投影一致性[J]. 计算机工程与应用, 2020, 56(19): 42-47.
[9]	许元云，何明，刘锦涛，周波，杨铖. 碰撞锥检测改进的多智能体避障算法[J]. 计算机工程与应用, 2020, 56(18): 63-68.
[10]	王梦娇，尹翔，黄宁馨. 基于迁移学习的多任务分配算法[J]. 计算机工程与应用, 2020, 56(13): 150-155.
[11]	王丽丽1，2，刘昕3. 电动网约车充电站布局优化研究#br#[J]. 计算机工程与应用, 2019, 55(14): 228-234.
[12]	冯元珍，刘敏. 具有时滞的混合阶多智能体系统的组一致性[J]. 计算机工程与应用, 2019, 55(12): 67-71.
[13]	李杨，徐峰，谢光强，黄向龙. 多智能体技术发展及其应用综述[J]. 计算机工程与应用, 2018, 54(9): 13-21.
[14]	梁嘉琪，卜旭辉，刘建. 数据丢失下多智能体系统迭代学习跟踪控制[J]. 计算机工程与应用, 2018, 54(20): 42-47.
[15]	李玲，胡爱花，高海云. 事件触发控制多智能体网络点对点一致性[J]. 计算机工程与应用, 2018, 54(17): 50-55.