随着在线交易的越来越普遍,Internet上涌现出大量的电子商务服务。目前,基于Agent的电子商务研究成为业界热点,软件Agent技术被视为在线商务中极为有用的技术之一,特别是它的自治性、交互性和智能性能有效地适应灵活的电子交易方式。然而,现有的电子商务系统对商务自动化方面的技术支持仍较为薄弱,尤其是决策自动化领域,如“自动谈判”。如何有效地将Agent技术运用于电子商务自动谈判领域,已经成为经济学家和计算机学者共同研究探讨的一个重要方面。 基于Agent的谈判系统,可以看作是在一个信息不完全的动态网络中多个个性Agent之间既合作又竞争的过程。Agent的每一次提议都必须考虑到自身偏好,对手信息,历史数据,及环境信息等,这就需要引入一个能够在动态网络中不断学习和更新的谈判系统,来更好地适时协调各个Agent之间的行为。因此将机器学习机制引入到电子商务领域就成为最近学者研究的一个新课题。本文正是针对以上分析而开展工作的,论文共分为五个部分: (1)概述了Agent在网络服务中的应用现状,以及目前的研究所采用的理论方法,阐述了本文的研究背景与意义。 (2)介绍了Agent技术与MAS技术的定义与相关概念。 (3)阐述了电子商务与谈判的相关概念,以及Agent技术应用于电子商务的优势,并简述了基于Agent的谈判过程。 (4)从谈判协议、谈判模型与谈判策略三个方面,详述了基于Agent的谈判过程;介绍了一种具有学习机制的多属性谈判模型;提出了使用集合式和期望效用策略防止对手夸大出价,节省己方筹码。 (5)论述了学习的必要性,并将贝叶斯学习和动态Q-学习引入前一章所提出的谈判模型中。 (6)对本文所作的工作进行了全面的总结,并且提出本文的不足之处,以及今后可能的研究方向。