双边多议题协商是Agent自动化协商研究的重要内容,特别是复杂环境下的双边多议题协商的研究,一直是自动化协商研究热点。多议题协商引入的大规模结局空间,协商对手未知性和协商时间限制等,使建立高效的面对复杂环境的协商模型成为当前协商研究的挑战性问题之一。本文提出一种基于对手预测的动态风险协商模型,该模型采用高斯过程回归来根据对手提议效用值来预测对手的让步率,并通过动态风险函数来改变Agent的风险态度。本文设计了两类动态风险策略,第一种风险策略是基于协商时间的,Agent在协商过程中能够根据协商消耗时间改变风险态度,通过分析对手的让步策略并结合协商消耗时间,计算出Agent当前接受对手提议存在的风险大小,使Agent不会以低效用值过早地接受对手提议;第二种风险策略是基于效用阈值的,Agent对协商对手的风险态度取决于对手提议的效用与Agent效用阈值的差,在预测对手让步的基础上,根据对手效用的大小来改变Agent的风险态度。根据上述的协商模型和两类风险策略,本文设计与实现一种双边多议题协商Agent。将基于上述策略的协商Agent模型在GENIUS协商竞标赛平台上与其他协商Agent进行协商实验。其结果表明,本文建立的协商Agent能适应复杂环境下不同的协商领域,基于协商时间的动态风险协商策略能够根据协商消耗时间以及对手提议效用值来调整风险系数以改变Agent的风险态度,而基于效用阈值的动态风险协商策略能够根据对手提议效用值的变化情况来决定自身的风险策略从而改变让步率。两类动态风险策略在不同的协商领域中进行双边多议题协商均能获得较高的效用值,并且消耗的协商时间相对较少,验证了采用本文提出的动态风险机制的协商模型在各类协商领域中都具有良好的协商性能。