协商的目的是为了通过双方不断的沟通来化解利益冲突,促进协商达成。基于多Agent的自动协商充分利用了Agent的智能性和交互性,可以更好地实现复杂的电子商务交易过程,已经成为协商领域研究的前沿。有效的协商策略是多Agent协商的基础,不仅可以帮助协商者做出决策,而且可以提高协商效益,促进电子商务交易一致性。基于多Agent的辩论协商是协商领域较新的方向,引入辩论后,协商不再局限于固定的形式,从而可以提高协商的灵活性和适应性。然而通过探索国内外研究成果发现,现有的辩论协商研究多集中在形式化层面,缺乏对辩论的产生、评估和决策策略的系统化研究。鉴于此,本文将前景理论引入到多Agent辩论协商研究中,充分发挥前景理论在处理不确定性决策方面的优势,改变传统效用最大化的决策过程;融入协商Agent的心理偏好以及决策行为;并设定基于前景理论的多Agent辩论协商模型,该模型设定了本文中所应用的基本元素,并且规定了Agent之间的辩论交互规则,很好地控制了辩论协商的进程;规定了交易双方对待当前提议的相对损失和收益的态度,进一步设定提议参考点。基于此,制定了基于前景理论的多Agent辩论协商策略,有效地学习了对手信念,并能正确预测对手心理偏好,使得决策更符合人的行为,从而促进辩论的达成。除此之外,本文充分考虑机器学习算法的优势,引入一种新型动态学习方法-PBIL(Population-Based Incremental Learning),它通过竞争学习所获得的知识来指导选取最优解,用来对基于前景理论的辩论协商策略进行优化,并设定市场评价集合对算法学习速率进行调整,形成新的具有自适应能力的APBIL算法,对协商过程进行优化。本文研究是对协商领域的一种新的探索,首先从协商策略和运行机制方面融入了人的主观决策行为因素,使得协商结果更符合实际决策,为后续的自适应辩论协商策略提供一种新的思路,从而应对实际协商中动态、灵活和不确定性的需求。