一种基于案例的Agent多议题协商模型
不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式;另一方面,Agent一般拥有或多或少的经验和知识,这将帮助它们取得更好的协商结果.这启发了用基于案例的方法直接学习得到最优回价,提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型.所给出的算法计算复杂度为多项式级,且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度.实验结果显示,采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间,且优于Lin等人的实验效果.改进了Fatima等人的工作.
多Agent系统、多议题协商、不完全信息、基于案例协商、Pareto最优
46
TP18(自动化基础理论)
国家"九七三"重点基础研究发展计划基金项目2007CB307100;国家自然科学基金重大基金项目60496323;山东省自然科学基金项目Y2007G56;山东省教育厅科技计划基金项目J07YJ24
2009-11-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
1508-1514