10.3969/j.issn.1009-3044.2008.27.058
基于不妥协度的Bayes学习协商机制
如何高效地使用Agent学习机制进行在线协商,已经成为经济学家和计算机学者共同研讨的一个主要方向,为了当协商进入僵持状态时参与协商的买卖双方能确定是否进行妥协,从而使协商继续进行下去.本文在限时条件下的多议题协商中和贝叶斯学习的基础上提出了基于不妥协度的协商策略.实验表明在协商过程中进行学习可以提高对方私有信息的预测精确度.缩短了协商时间,提高了协商效率.
多Agent协商、不妥协度、贝叶斯学习、在线学习
3
TP301.6(计算技术、计算机技术)
2008-12-09(万方平台首次上网日期,不代表论文的发表时间)
共3页
2012-2013,2029