（系统工程专业论文）基于学习和信任的电子商务多Agent协商伙伴选择模型.pdf

摘要 随着电子商务的蓬勃发展和软件技术的不断成熟，智能a g e n t 由于其特有的自主性、 交互性、社会性等特点以及适于处理分布式问题等优势，在电子商务中表现出了良好的 应用前景。a g e n t 可以继承人的偏好和利益，代替人迅速、高效、智能的完成交易中的 多个关键环节，实现交易过程的自动化、智能化和个性化，a g e n t 介入的电子商务( a g e n t - m e d i a t e de l e c t r o n i cc o m m e r c e ，a m e c ) 成为了电子商务和人工智能领域新的研究热点。 在a m e c 环境下，a g e n t 一般通过协商的方式与其他a g e n t 来达成一致，然后签订 合同并按照合同条款来执行交易。但由于市场的动态性和开放性，a g e n t 通常面临多个 不同的协商伙伴，他们具有不同的偏好、利益、目标和信息，如何从中选择最合适的伙 伴来进行交易，是协商前必须解决的重要问题，它对于提高交易的成功率和效率、增加 用户收益、提高电子商务系统的运行效率有重要意义。 本文基于现有研究的不足，提出一种基于学习和信任的多a g e n t 协商伙伴选择模型。 首先，根据多a g e n t 协商问题的交互性特点，引入支持向量机分类方法对a g e n t 的协商 决策函数进行学习，从a g e n t 的协商历史信息中提取样本来训练s v m ，利用s v m 预测 伙伴的协商决策函数，并将决策函数的分类结果整合到模拟协商过程中，预测与特定伙 伴协商时可能出现的结果以及相应的协商收益；其次，针对a m e c 合同执行和交易评 价阶段提出一种基于概率的多a g e n t 信任模型，描述了信任模型的构建思想，根据交易 结果的评价给出了信任评分方法，利用正态分布设计了信任精确度计算方法，并基于多 a g e n t 推荐行为的特点，提出一种新的可信度计算模型，在此基础上，考虑了交易历史 的不同情况，对信任进行有效的聚合，得到不同情况下交易伙伴的整体信任度；然后， 以a m e c 交易流程为背景，将预测的收益和信任有机结合起来，基于a g e n t 的自利性 原则，选择最合适的协商伙伴，并对基于该方法的伙伴选择流程进行了描述；最后，模 拟电子市场上的交易过程进行了实验，通过实验解释和说明了基于本文模型的协商伙伴 选择过程，分析了模型的各个参数的变化趋势，验证了模型的性能。 布 关键词：a g e n t 介入的电子商务；协商伙伴选择；支持向量机；信任模型；正态分 基于学习和信任的电子商务多a g e n t 协商伙伴选择模型 p a r t n e rs e l e c t i o nm o d e lf o re - c o m m e r c em u t i - - a g e n tn e g o t i a t i o nb a s e d o nl e a r n i n ga n dt r u s t a b s t r a c t a st h ef l o u r i s h i n gd e v e l o p m e n to f e e o l n m e t c ea n dt h em a t u r a t i o no fs o f t w a r et e c h n o l o g y ， t h ei n t e l l i g e n ta g e n tp r e s e n t e dag r e a ta p p l i c a t i o np r o s p e c ti ne - c o m m e r c ed u et ot h ei n h e r e n t c h a r a c t e r i s t i c so fa u t o n o m y ，s o c i a b i l i t y ，a n di n t e r a e t i v i t y a g e n tc a l li n h e r i th u m a n s p r e f e r e n c e a n di n t e r e s t s ，p e r f o r mm a n yk e ys t e p so fe - c o m m e r c er a p i d l ya n de f f i c i e n t l y ，a n df i n a l l y a c h i c v et h ep u r p o s eo fa t o m i z a t i o n , i n t e l l i g e n c ea n dp e r s o n a l i z a t i o n f o rt h i sr e a s o n , a g e n t - m e d i a t e de l e c t r o n i cc o m m e r c e ( a m e c ) ，b e c o m eo n eo ft h em o s ti m p o r t a n tr e s e a r c ht o p i c b o mi ne - c o l n l n e r c ea n da r t i f i c i a li n t e l l i g e n c e a g e n tw a st y p i c a l l yi n t e r a c t i o n 晰t 1 1o t h e ra g e n t sb ys o m ef o r mo fn e g o t i a t i o n ，a n dt h e n e x e c u t et h et r a n s a c t i o na c c o r d i n gt ot h ea t t r i b u t i o no nt h ec o n t r a c t , b u tf o rt h ed y n a m i c sa n d o p e n n e s so ft h em a r k e t ，a g e n tm a yf a c e m a n yn e g o t i a t i o np a r t n e rs i m u l t a n e o u s l y ，w h i c hh a s d i f f e r e n tp r e f e r e n c e ，p r o f i t , b e l i e v ea n dt r a n s a c t i o no b j e e l s ，s oa g e n th a v et oc h o o s et h em o s t a p p r o p r i a t eo n eb yw i t hc e r t a i ns t r a t e g yb e f o r et h en e g o t i a t i o nt h r e a d ，i th a s ag r e a tm e a n i n gf o r t h ei m p r o v e m e n t o fs u c c e s sr a t eo fa n de f f i c i e n c ya n dt r a n s a c t i o n , i n c r e a s i n go fu s e r s t r a n s a c t i o ng a i na n dt h eo p e r a t i o ne f f i c i e n c yo fe c o m m e r c es y s t e m t h i sp a p e rp r o p o s e dap a r t n e rs e l e c t i o nm e t h o db a s e do nl e a r n i n ga n dt r u s ta f t e r s u m m a r i z eo f t h ed e f i c i e n c yo fe x i s t i n gl i t e r a t u r e f i r s t , t h r o u g ht h ea n a l y s i so f t h ei n t e r a c t i v e p r o p e r t yo fn e g o t a t i o n , w ei n t r o d u c et h es u p p o r tv e c t o rm a c h i n et on e g o t i a t i o nd e c i s i o n p r o c e s sa n da c h i e v et h ep u r p o s eo fn e g o t i a t i o nh i s t o r yl e a r n i n g ，a n dt h e nw ei n t e g r a t e dt h e l e a n i n gp r o c e s si n t oas i m u l a t en e g o t i a t i o np r o c e s s ，t h r o u g hw h i c hw ep r e d i c tt h ep r o b a b l e o u t c o m ea n df i n a l l yn e g o t i a t i o np r o f i to fc u r r e n tn e g o t i a t i o n ；b e s i d e s ，w ea l s od e v e l o p e da p r o b a b i l i t y - b a s e dt r u s tm o d e la i m i n ga tt h ea m e cp r o c e s so ft r a n s a c t i o na n de v a l u a t i o n , w e f i r s td e s i g n e dam e t h o df o rt r a n s a c t i o nr e s u l te v a l u a t i o ni na m e c ，晰t l lt h i sm e t h o dw eg e tt h e i n i t i a lr a t i n g sw h i c hw a su s e da st h ep r i m i t i v ei n f o r m a t i o nf o rt r u s te v a l u a t i o n ，w ed e v e l o p e d am e c h a n i s mf o rt h ed e t e r m i n i n g o f t r u s ta c c u r a c yb a s e do np r o b a b i l i t yt h e o r y ，f o l l o w 谢廿la n e wm o d e lo fr e c o m m e n d a t i o nr e l i a b i l i t yb a s e do nt h et h i n k i n go fh y p o t h e s i st e s t , i ti sa c o m b i n a t i o no ft r u s ta c c u r a c y ，r e c o m m e n d a t i o nc o n s i s t e n c y ，r e c o m m e n d a t i o ne f f i c i e n c y ，t h e n w em a k eag o o da g g r e g a t i o no ft r u s ti n f o r m a t i o n 、析mt h e s ec o m p o n e n t ；a tl a s t , w ec o m b i n e n e g o t i a t i o np r o f i ta n dt r u s ta p p r o p r i a t e l y ，w h i c hw e r eu s e df o rt h ef i n a l l yp r e d i c t i o no f t r a n s a c t i o n p r o f i t ；w ea l s oc o n d u c t e d as i m u l a t e de x p e r i m e n t ，b yw h i c hw ei l l u s t r a t et h ep r o c e s s i i 大连理工大学硕士学位论文 o fp a r t n e rs e l e c t i o nw i t ho u rm e t h o d s ，a n da n a l y s i st h ep e r f o r m a n c eo f m a n yp a r a m e t e r sa n d t h ew h o l em o d e l k e yw o r d s ：a g e n t 。m e d i a t e de t e c t r o n i cc o m m e r c e ；n e g o t i a t i o np a r t n e r s e l e c t i o n ；s u p p o r tv e c t o rm a c h i n e ；t r u s tm o d e l ；n o r m a ld i s t r i b u t i o n 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题日：喜猁国挈舀啦豇凄驺乒丝警芍舀赳n 辎砭掣笾丝l 一 作者签名：4 哗一日期：上卜年出月址日 大连理工大学硕士学位论文 大连理工大学学位论文版权使用授权书 本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间 论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有 权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印、或扫描等复制手段保存和汇编本学位论文。 学位论文题目： 作者签名： 导师签名： 大连理工大学硕士学位论文 1绪论 1 1 研究背景 近年来，随着信息技术的发展和i n t e m e t 的逐渐普及，电子商务得到了迅猛发展。 电子商务克服了时间和地域的限制，降低了市场进入门槛，为用户提供了一种更为灵活 和快捷的交互渠道，同时有效的提高了交易效率、降低了交易成本，因此受到了广泛的 重视。越来越多的企业和个人将商务活动转移到网上进行，据统计【1 】，2 0 0 6 年全球电子 商务交易额已经占到了全球贸易额的1 8 ，而且还在继续增长。但是，电子商务不断发 展的同时也面临许多新的挑战。 当前大多数的电子商务应用可概括为【2 】：商家将各类商品和服务连接到i n t e m e t 上， 允许用户浏览包含提前定义好的商品( 例如机票、书、光盘、计算机部件等) 目录；买方 在i n t e m e t 上浏览商品或服务的信息，通过对其价格进行调查和比较做出购买选择，然 后依据所列出的交易内容实行交易，并通过信用卡来进行支付。在上述过程中，用户的 行为受到了很大的限制，其所能掌握的操作只剩下简单的选择、接受等阶段，用户对交 易条款大多是被迫接受，另外，该过程中的大多数阶段仍是由人来完成的，交易效率低 下、个性化程度底。因此这种交易形式实质上仍处在一种很初级的阶段上，电子商务的 巨大潜力远未得到发挥。而另一方面，随着电子商务优势的逐渐体现，参加网上交易的 用户数目急剧增加，互联网上的交易量也在大幅增长，在此背景下，如何将新型的信息 技术应用到电子商务系统中，提高系统的信息处理和获取能力、优化电子商务交易流程、 降低交易成本，以更好的满足用户的实际需求，成为了推动电子商务进一步发展所亟需 解决的重要问题1 3 j 。 近年来，起源于人工智能领域并逐渐发展成熟的智能a g e n t 技术，由于其本身所具 有的独特性质，很好的满足了这种需求。将a g e n t 技术应用于电子商务中，自动或半自 动的代替人来完成电子商务交易的多个环节，以有效的提高系统效率，实现系统的智能 化、自动化和个性化1 3 ，是解决上述问题的关键途径。在此背景下，a g e n t 介入的电子 商务( a g e n tm e d i a t ee l e c t r o n i ec o m m e r c e ，a m e c ) t 4 刮，又称基于a g e n t 的电子商务，受 到了人工智能、管理学、经济学、社会学等领域专家的广泛关注。 基于学习和信任的电子商务多a g e n t 协商伙伴选择模型 1 2 问题提出 1 2 1a g e n t 介入的电子商务( a m e c ) ( 1 ) a g e n t 与m a s a g e n t 又称为智能a g e n t 或软件a g e n t ，翻译成中文为“代理”或“主体”，它是在人工 智能领域里发展起来的一种新型计算模型。1 9 7 7 年h e w i t t r l 设计了能自控行为、互作用 和并发执行的对象模型，取名为a c t o r ，它被视为最早出现的a g e n t 系统。现在a g e n t 一词已被广泛地用于描述信息系统中各种计算实体。关于a g e n t 的定义没有统一的说法， 笔者采用与本文研究联系较为紧密的定义，即由w o o l d r i d g e 和j e n n i n g s 在1 9 9 5 年给出 的定义1 8 l ： a g e n t 是处在某个环境中的计算机系统，该系统有能力在这个环境中自主行动以实 现其设计目标。 上述定义中蕴含了a g e n t 所具有的最基本特性： 自主性( a u t o n o m y ) ：a g e n t 能在不受人和其他a g e n t 的干预的条件下自行操作， 并对自身行为和内部状态具有某种控制能力； 社会性( s o c i a la b i l i t y ) ：a g e n t 需要与其他a g e n t 进行交互，交互通过某种a g e n t 通信语言( a g e n tc o m m u n i c a t i o nl a n g u a g e ，a c l ) 来实现。 反应性( r e a c t i v i t y ) ：a g e n t 对环境( 如物理世界、使用图形交界面的用户、其他 a g e n t 、i n t e m e t 以及这些环境的组合等) 具有感知能力，能对所处环境中发生的变化及时 地做出响应。 前摄行( p r o a c t i v e l y ) ：a g e n t 不仅仅能响应环境，还能采取主动的动作来实施面 向目标的行为。 除此之外，依据所处环境的特点，a g e n t 还可能具备其它一些特性，比如合作性 ( c o o p e r a t i v e l y ) 、移动性( m o b i l i t y ) 、理性( r a t i o n a l i t y ) 等。 多a g e n t 系统( m u t i a g e n ts y s t e m ，m a s ) 1 9 1 是由多个可计算的a g e n t 组成的集合，其 中每个a g e n t 是一个物理或抽象的实体，可作用于自身和环境，并与其他a g e n t 通讯。 各a g e n t 之间自治、独立，以协商、协作、协调等方式进行交互，通过合作来完成单个 a g e n t 所无法完成的任务或目标。m a s 通常具有以下特点1 9 1 ： m a s 中的每个a g e n t 都只掌握部分信息或有限的能力( 知识、信息或资源) ，因此 每个a g e n t 的视野( v i e w p o i n t ) 都是有限的； m a s 中没有中心控制权威； 大连理工大学硕士学位论文 m a s 中的数据是分散的； m a s 中的计算是异步的： m a s 中不同的a g e n t 可能是同质( h o m o g e n e o u s ) 的，比如在知识表达、数据形式、 推理模型、方案的评价标准、目标、架构、算法、语言或软件平台等方面。 基于此，a g e n t 和m a s 的理论和技术，为分布式开放系统的分析、设计和实现提 供了一个崭新的途径，被誉为“软件开发的又一大突破”【1 0 1 。a g e n t 和m a s 在电子商务、 供应链管理【l l 】、业务流程管理【1 2 1 、合作问题求解【1 3 1 、信息处型1 q 等诸多领域得到了广 泛应用，其中电子商务是其最重要的应用领域之一。 ( 2 ) a g e n t 在电子商务中的应用 信息技术的发展使传统的商务活动( 例如信息收集、购物、交易、代理( b r o k e r i n g ) 、 拍卖、协商等) 发生了深远的变革。特别是i n t e m e t 的出现和普及，它给电子商务带了巨 大的机遇和广阔的发展前景。而a g e n t 技术则为复杂的电子商务系统的分析、设计和实 施提供了一种崭新的方式【1 5 】： 首先，a g e n t 能监控和获取有用的信息，并代表其主人进行交易以及从全球市场上 分析数据，例如a g e n t 可以在网上商店中的音乐c d 可获得时通知用户； 第二，a g e n t 能够尝试以更低的成本、更快的响应速度、更少的花费来实施更好的 交易； 第三，a g e n t 能帮人做出最合理的决策，能代替人有策略的与其他的用户或a g e n t 针对交易价格进行协商； 第四，a g e n t 还能以低的成本来管理一个公司的供应链网络。 上述四点说明了a g e n t 在电子商务中的优势，下面借用g u f f m a n t 4 巧】等人的分析，利 用传统市场上的消费者购买行为模型( c o n s u m e rb u y e rb e h a v i o r ，c b b ) 来描述a m e c 的 交易过程，从而更好的说明a g e n t 在电子商务中的应用领域。a m e c 的主要流程如图 1 1 所示，其中各阶段说明如下： 需求确认( n e e di d e n t i f i c a t i o n ) ： 顾客确认对商品或服务的需求，在a m e c 环境下由确认( c o n f n m ) a g e n t 来完成，它 首先利用观察用户行为、直接诱导技术( d i r e c te l i c i t a t i o nt e c h n i c a l ) ，归纳逻辑程序设计 ( i n d u c t i v el o g i cp r o g r a m m i n g ) 等方法获取用户模型( p r o f i l e ) ，然后在商品或服务可获取的 时候通知用户； 产品代理( p r o d u c tb r o k e r i n g ) 确认需求后，a g e n t 根据需求做出决策，以确定购买何种产品。该阶段主要采用各 种过滤和推荐技术，利用产品的特征关键词、邻居、用户约束等信息来选择产品或缩小 一3 一 基于学习和信任的电子商务多a g e n t 协商伙伴选择模型 产品的选择范围，这在一些流行的电子商务网站已经得到了应用，如a m a z o n 、e b a y 、 y a h o o 、c d n o w 1 6 1 、p e r s o n a l i e 1 刀等均提供了商品过滤功能。 购买联盟 在决定购买对象之后，为了更好的进行交易，买家可能与其他的相似的购买者沟通 以形成购物联盟。在这里，联盟是指为了完成一个共同任务而进行合作的一组a g e n t 1 8 l ， 每个买方由他自己的a g e n t 来代表，所有a g e n t 组成一个群体来获取大订单。 赌b 一一f c o 勰r m a t i o n 淑 么， 童 每 a 丑de v a h l a t i o n n e g o t i a t i o n 一觞e - 锚矿 a n d d e l i v e r y 。 图1 1 消费者购买行为模型 f i g 1 1 c o n s u m e rb u y i n gb e h a v i o rm o d e l 商业代理 决定从何处购买，也就是选择合适的商家。a g e n t 首先对需要购买的商品进行大范 围的搜索，然后锁定一组“候选人集合”，再基于一定的标准，如价格、保修期、可获得 性、配送时间、商家信誉等，对候选人进行评价和筛选，选择一个或一组商家。 协商 选择商家后进行协商，协商的目的是确定最终的交易合同。a m e c 可能带来的主要 变革之一就是使动态定价和个性化供给称为许多商品和购买者的一种规范【4 】，因此协商 能力是电子商务系统的基础。协商依据参与者的不同可以划分为一对一、一对多、多对 多三种形式，目前主流商务网站上采用的在线拍卖也属于协商形式的一种【1 9 1 。 购买和配送 涩辽 大连理工大学硕士学位论文 商品的购买标志着协商的结束，在某些情况下，支付方式或配送方式本身也会影响 产品代理和商家代理过程。 服务和评价 服务和评价是购买后的阶段，包括商品服务、顾客服务以及对整体购买经验和决策 的评价。评价的结果直接依赖于所选择的商家。 实际情况中，上述阶段并非都是必须的，而且在某些情况下，某个或多个阶段也可 以是重复循环的。 由上文叙述可知，a d v i e c 具有广泛的理论基础，并且已经得到了一定的应用，其前 景是光明的，而同时a i v l e c 是一个复杂而广阔的研究领域，要想将a l v l e c 推向进一步 发展，取得更大的应用成果，仍有许多问题需要解决。 1 2 2a m e c 中的协商伙伴选择问题 ( 1 ) 基于a g e m 的协商 协商是是人类社会中一种古老的商业活动，至今仍然扮演着重要的角色。关于协商 问题的研究最早来源于博弈论领域，上世纪8 0 年代以来受到了经济学、分布式人工智 能、管理科学等领域专家的高度重视。 协商是两方或多方联合决策的过程【2 0 1 ，是解决冲突、达成一致的有效方式。协商者 首先提出矛盾的需求，然后通过一个相互让步或寻求新的解决方法的过程达成一致意 见；从另一个角度上也可以看作是双方通过交换信息而达成公式或减少不确定性和不一 致性的过程【2 l 】，该过程包含两个基本要素：协商者之间的通信和协商者自身的决策。 协商是传统商务交易的重要环节，也是电子商务的重要环节。选择与谁进行协商、 如何对协商问题建模、采取何种方式、何种策略进行协商、如何评价协商结果，每一 步都对电子商务的交易结果有重要影响。然而，当前的电子商务协商机制非常落后、协 商结果不理想，效率低下且协商成本巨大，这已经成为了严重制约电子商务发展的瓶颈， 主要表现在以下几个方面： 首先，目前电子市场中很多商品或服务不提供协商服务，其价格或条款都是卖家事 先定义好的，不允许讨价还价，消费者只有被动的接受或者放弃交易，因此买方处在不 平等的地位上，而且交易成功率偏低； 其次，当前电子商务协商大多只围绕价格属性展开。而随着全球化经济的发展和人 们需求的日益增长，交易者往往不再是仅仅关注价格，其他诸如产品的质量、品牌、送 货方式和配送时问、支付方式等，都可能成为协商者重要的关注点； 基于学习和信任的电子商务多a g e n t 协商伙伴选择模型 第三，当前电子商务协商仍然采用传统协商方法。电子商务自身的开放性、动态性、 全球性等特点要求协商者必须具备强大的信息获取和处理能力、良好的决策能力以及计 算能力，同时还需要根据市场变化进行动态调整和适应，而这些都是传统协商方法和机 制所无法实现的。 因此，探讨更为高效、智能的协商方式成为了需要。在此背景下，a g e n t 技术吸引 了人们的注意。基于a g e n t 的协商又称为自动协商( a u t o m a t e dn e g o t i a t i o n s ) 1 3 1 ，它是a m e c 中最重要的研究领域之一。它依赖于a g e n t 强大信息处理和获取、计算能力以及学习能 力，自动或半自动的代替人进行协商，能极大的提升协商过程乃至整个电子商务系统的 效率，因而具有很好的研究价值和应用前景，j e n n i n g s 曾说过：自动协商是下一代电子 商务的关键1 3 j 。 ( 2 ) a m e c 环境下的协商伙伴选择问题 自动协商的终极目的就是开发完全自动化的a g e n t 协商系统，由a g e n t 完全的代替 人来完成协商中的每一个步骤，理论上，人类唯一要做的就是对a g e n t 进行具体化圈。 要实现该目标，首先要重视对自动协商理论的研究。 关于自动协商理论的研究，依据协商过程本身的特点，可以将其划分为两类问题【2 3 】： 协商进程的先验性问题 主要集中在协商a g e n t 的偏好获取和表示刚、协商问题的确定、用户约束的表示、 协商伙伴的选择等【2 5 1 ，其目的是为协商过程做准备，这些问题能否有效处理，直接决定 后续的协商进程中a g e n t 的表现和协商结束后的协商结果的好坏； 协商进程的内部性问题 主要集中在协商进程中的协商模型 2 6 - 2 8 和协商决策问题上，比如协商过程中a g e n t 所采取的协商策略 2 9 。2 】、双方a g e n t 之间的协商协议3 3 。3 4 1 、协商a g e n t 的学习方法 3 5 - 3 7 等，其关注点是建立合适的协商模型和框架、设计优化的协商议程和策略、对协商协议 进行扩展、以及通过赋予a g e n t 的学习能力来改善协商效果，缩短协商时间、降低协商 成本等。 国内外关于自动协商的研究已经进行了多年，特别是自上世纪9 0 年代以来j e r m i n g s 等人研究自动协商以来，受到了分布式人工智能领域的高度重视。然而，通过对现有文 献的总结却不难发现，现有研究大多集中在第( 2 ) 类问题上，而对第( 1 ) 类问题研究较少， 本文对第( 1 ) 类问题中的协商伙伴选择问题进行研究。 电子商务为买家和卖家所提供的便利之一就是扩大了他们的选择余地，使个性化真 正地成为了可能。消费者尽可以按照他们主观所期望和偏好的方式来完成交易。在 一6 一 大连理工大学硕士学位论文 a m e c 环境下的电子市场中，代表各自不同利益主体的大量交易a g e n t 组成了一个复杂 的多a g e n t 系统，该系统最大的特点就是开放性，任意a g e n t 可以在任何时候进入市场， 也可以在任何时刻离开市场。 市场中代表不同用户利益的交易a g e n t 通过与其他a g e n t 协商的方式确立合同，并 按合同条款执行交易1 3 研。但是由于开放性，对于同一种服务或商品，市场上可能同时存 在多个能提供相同服务的卖方a g e n t ，也可能同时存在多个具有相同需求的买方a g e n t ， 不同卖方或买方a g e n t 之间，在主观偏好、信念、交易态度、所掌握的交易信息、决策 能力等方面均可能不同，这导致了它们在交易过程中会表现出不同的行为，因此与不同 伙伴进行协商、交易，可能产生截然不同的结果。a g e n t 需要从中选择最合适的伙伴， 伙伴选择的重要性可以从以下几个方面理解： 首先，在可协商伙伴数量很大的时候，由于协商问题本身的复杂性和a g e n t 资源有 限性，a g e n t 不可能采取与所有伙伴逐一协商的方式来选择最优交易，因为这样做的成 本和资源耗费都是巨大的，因此必须对伙伴进行一定的筛选，尤其是在开放性、动态性 的a m e c 环境下； 其次，协商伙伴的选择对交易结果的好坏产生重要影响。a g e n t 在每次交易中都面 临一定的风险，如果与不合适的伙伴进行了交易，将可能遭受巨大的损失，因此有必要 对交易结果进行预测，从而保证获得好的协商结果； 第三，目前实际协商应用中，通常都是由用户来选择交易伙伴的。用户通常只是根 据历史经验进行简单的决策，决策效率低下，这在a g e n t 介入的电子商务中不可行，为 了实现交易过程的全自动化，a g e n t 必须自主完成交易过程中的所有决策。a g e n t 的自 主决策不仅能提高选择的效率，更重要的是，能显著提高决策的结果，提高从协商中获 得的利益，因此需要赋予a g e n t 的自主行动的决策策略，设计面向实际应用的协商伙伴 选择模型。 国内外学者针对该问题已经进行了一定的研究，但仍然存在许多不足。本文先对当 前国内外关于多a g e n t 协商伙伴问题的现状进行总结和分析，指出其不足，然后再提出 一种基于学习和信任的协商伙伴选择模型，并通过实验对模型的性能进行分析。 1 3 研究现状及分析 根据本文研究内容和所使用的方法，对多a g e n t 协商伙伴选择模型的相关文献进行 综述，为后文研究奠定基础。 基于学习和信任的电子商务多a g e n t 协商伙伴选择模型 1 3 1 简单的协商伙伴选择方法 基于a g e n t 的购物助手( p u r c h a s i n ga s s i s t a n c e ) 是最早也是最原始的a m e c 协商伙伴 选择模型。 在b a r g a i n f i n d e r 3 9 1 中，当顾客希望购买一个音乐c d 时，b a r g a i n f i n d e r 将会初始化 一个a g e n t ，从一组预先定义好的c d 商店中收集所有的价格，然后选择具有最低价格 且满足顾客要求的c d 。该系统由于只针对价格，因此应用效果不理想，b a r g a i n f i n d e r 提出的请求经常遭到站点拒绝。 p r i c e l i n e t 4 0 是另一个相似的系统，执行的是相同的任务，只不过是面向飞机票、宾 馆订房、汽车等服务，p r i c e l i n e 也是基于价格的。 j a n g o 4 1 】可以看作是b a r g a i n f i n d e r 的改进，不同的是，它是由各顾客通过自己的浏 览器向站点发送请求的，这样请求看起来更像是来自于现实的顾客，因此从一定程度上 解决了请求被拒绝的问题，但是限制了卖方的选择，卖方只是被动的接受任何请求，无 法按照自身的意愿来处理。 一 1 3 2 基于匹配的协商伙伴选择 基于匹配的选择方法是在简单选择方法的改进，通常针对多个属性，而且采取较为 高级的属性评价方法和信息获取方式。 m i tm e d i al a b o r a t o r y 开发的k a s b a h 4 2 1 是一个较为著名的在线协商系统。有购买意 愿的用户生成一个a g e n t ，赋予其一定的策略并将其发送到基于a g e n t 的集中式电子市 场中，a g e n t 主动寻找潜在的买方或卖方并代表用户与他们协商。a g e n t 的目标就是在 满足一组由用户指定的约束( 诸如期望价格、最高可接受价格、交易完成时间等) 的基础 上完成一个可接受的交易，该系统考虑了多个属性，其选择实际上是基于对用户的约束 地满足情况来实现的。f r i c t i o n l e s ss o u r c i n 9 1 4 3 1 平台也是多属性选择系统。它采用了 v e n d o rs c o r e c a r d s ”( 多属性比较) 的方法来度量供应者的表现。例如，当评价不同的笔记 本电脑供应商时，考虑可信赖程度、反应能力( 快速响应) 、环境友好( 例如环境的污染最 小) ，商务效率( 例如，支持基于i n t e m e t 的购买) 等因素，利用加权求和计算出总评分并 据此来选择。这类模型最大的问题是权重不易确定，而且难以适应市场的动态变化。文 献【4 4 】基于以中间代理为核心的电子市场提出了一个智能匹配器模型。匹配器买方请求r 建立相应的供应方列表，并对买卖双方进行匹配；买方评价匹配器提供的供应商列表l 并调出一部分来对r 投标，再根据己方偏好和需求计算对方提案的适值。该模型存在两 点不足，首先集中式的匹配面临单点失效问题，其次模型只考虑初始提案，由于协商过 大连理工大学硕士学位论文 程的存在，初始提案的适值高并不表示最终提案的适值也高。文献 4 5 4 0 1 考虑了电子商务 交易匹配问题，提出了几种匹配算法，但是该模型针对的是集中环境下的电子商务中介， 不适用于分布式的a m e c 环境。 1 3 3 基于信任的协商伙伴选择 信任也是人类社会中普遍存在的社会现象，由于其广泛的现实背景和巨大的实际意 义，一直是管理学【4 刀、分布式人工智能【4 8 - - 0 1 、信息安全领域【5 1 。5 3 】中的研究热点之一，管 理学家主要利用实证方法，分析影响信任的因素或者考虑信任作为因素的性质与作用； 分布式人工智能考虑m a s 中的信任，研究信任对m a s 中信任问题的建模，以及其对 m a s 交互、合作的意义；信息安全领域主要考虑端对端( p e e rt op e e r ，p 2 p ) 网络中节点之 间的信任问题，目的是建立有效的信任模型和信任机制，以对抗节点的不诚实行为，提 高系统的安全性能。本文研究属于人工智能领域。 m a s 中信任的定义众说纷纭【5 4 巧5 1 ，很难给出一个统一定义。m a s 中的信任是以多 a g e n t 的直接交互为背景的，在a m e c 环境下，信任针对交易合同的执行阶段，即图 1 1 中的“p r o d u c t ss e r v i c ea n de v a l u a t i o n ”和“p u r c h a s ea n dd e l i v e r y 阶段，a g e n t 通过评价 目标在历史交易中的表现来获取其信任度，选择能满足其交互目的合作者，决定何时、 同谁以及如何进行交互【56 。这种信任主要考察合作者能否完成所委托的任务，是以a g e n t 的能力、意图等内部特征为基础的信任。由于评价在前，而收益要待合作完成后通过观 察才能得到，所以信任是站在评价者角度的一种主观的判断，面临判断不准确的风险。 信任是伙伴选择的重要标准，信任反过来又由伙伴选择结果所决定。 基于信任的伙伴选择是关于m a s 中伙伴选择的较早研究。常见的信任模型主要有 在线信誉系统、基于社会学理论的信任模型、基于概率的信任模型、基于模糊的信任模 型等，下面对这些模型进行总结。 ( 1 ) 在线信誉系统 传统的电子商务信任管理都是通过集中式的在线信誉系统来完成的。用户在交易之 后互相进行评价，由中心权威一网站收集所有用户的评分，通过推理和计算获得用户的 信任度，供其他用户参考。这类模型易于理解和实施，但由于信任计算方法和其本身系 统结构上的不足，限制了其应用，这些不足包括： 信任计算方法太简单 在线信誉系统普遍采用简单的离散值来表示信任评价结果，比如e b a y i 了7 】上只采用 1 、+ 1 、0 这三个值，对实际信任度的刻画太粗糙；而且信任计算时的推理和聚合都只 采用简单的取平均或加权求和，计算精度不够，因此不能很好的反映实际情况； 基于学习和信任的电子商务多a g e n t 协商伙伴选择模型 不能区分直接信任和间接信任 在线信誉系统中任意a g e n t 都只能拥有一个全局的总体信任度，该信任度是所有与 其交易过的a g e n t 的评分的汇总，汇总过程中将所有评价者的信息同等对待。交易a g e n t 在评价特定目标时，不能有效区分自身与该目标的直接交易经验和其他a g e n t 所提供的 间接经验，然而实际情况中前者无论是在精确度还是在可靠性上都要强得多； 模型抵抗恶意行为的能力太差 首先，由于信任计算方法简单，当一定量的用户不提供信任反馈时，模型计算的结 果可能与实际情况有较大偏差；另外，当用户提供虚假反馈时，模型不能很好的甄别， 因此在处理共谋、卖家操纵等恶意行为时的能力很差1 5 酗； 集中式信任模型在a m e c 环境下不适用 在线信誉系统采用的是集中式的结构，由中心权威负责所有的信任计算，而在 a m e c 环境下，a g e n t 通常是分散分布、自主决策的，因此其信任计算过程都由a g e n t 自主完成，不存在中心权威。集中式信任系统的一般框架结构如图1 2 所示。文献【5 9 】面 向k a s b a h 开发出了在线信誉系统的扩充模型s p o r a s 和h i s t o s ，采取了较为精确的计算 方法，但该模型仍未集中式的信任模型。 由于集中式信任模型的不足，当前大多数研究都集中在分布式信任模型，在分布式 模型中，各a g e n t 之间互相独立，每次交易完成后各自保存自己的评分，在未来的交互 之前，评价a g e n t 通过询问其他a g e n t ( 称为证人) 得到目标a g e n t 的信誉，依靠存储的直 接信任和获得的信誉信息，对目标a g e n t 进行整体评价。每个a g e n t 利用自己的存储、 通信与计算能力，独立地评价未来可能的合作伙伴。 ( 2 ) 基于社会学的信任模型 社会学模型主要利用社会学理论对信任关系建模，基于社会学建模时一种很自然的 思路，因此这类模型提出较早。 文献1 6 0 最早从社会学角度研究了m a s 中的信任问题，这个模型后来被普遍认为是 第一个比较全面、正式的信任模型。作者用一组变量来描述信任，包括重要性、效用、 能力和风险等等，而且还给出了一种合成信任的方法，同时还强调时间也是合成最后信 任值的一个关键变量。但该模型需要确定很多变量，而在真实的情况下这些变量又很难 获得，另外该模型没有给出信任的具体计算方法。文献 6 1 6 2 提出一种基