多Agent自动协商的公平性研究

• 作者: 孙甜 左保河 郑素娥
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Agent 效用 满意度 协商历史 在线学习
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 工程与应用
• 页码范围: 238-241
• 分类号: TP391
• 字数: 4790字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.01.068

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左保河	华南理工大学软件学院	14	45	3.0	6.0
2	孙甜	华南理工大学计算机科学与工程学院	2	11	2.0	2.0
3	郑素娥	华南理工大学计算机科学与工程学院	1	3	1.0	1.0