基于关联议题发现的多Agent自适应协商策略研究

发布时间：2017-12-10 10:26

  本文关键词：基于关联议题发现的多Agent自适应协商策略研究

  更多相关文章： 多Agent 协商策略 关联议题 Adaboost算法

【摘要】：产销协同是多Agent制造业供应链协同的重要环节,然而在产销协同过程中,制造商和销售商往往由于信息、目标等差异,常常会发生产销协同冲突,如不能快速及时消解冲突,将会大大影响供应链运作效率。协商是解决供应链产销协同冲突的有效方式,真实协商环境中议题往往相互关联,如何发现协商议题之间的关联性并提出相应自适应协商策略,成为多Agent供应链产销协同冲突消解的重要研究方向。为此,本文主要研究了基于关联议题发现的多Agent自适应协商策略相关内容。针对自适应协商议题相关性问题,本文利用多维立体图形体积和改进DAI模型进行议题分组。协商双方Agent使用多维立体图形体积理论,计算各议题或议题组之间的关联度,进而形成各自关联议题集。协商双方Agent将各自关联议题集提交给协调Agent,由协调Agent使用改进DAI模型进行关联议题整合,形成最终协商议题集合。针对传统协商自适应性差、冲突消解效率低的问题,在协商双方整体效益最大化、协商时间最短化的前提下,本文设计了两阶段双边多议题协商模型。第一阶段,即推进整体协商进度阶段。在该阶段,协商Agent学习对手让步幅度,且依此做出持续让步,旨在尽可能就多数议题达成一致。为此,本文构建了一种基于Adaboost-SVM算法的对手让步幅度学习模型,在此基础上提出了基于对手让步幅度的自适应协商策略。第二阶段,即整体协商达成一致阶段。在该阶段,协商双方相互学习对手提议值,旨在消解未能解决的议题冲突,快速实现协商成功。为此,本文构建了一种基于Q-强化学习和RBF神经网络的对手提议值学习模型,并在此基础上提出了基于对手提议值的自适应协商策略。最后,为评估文中所提关联议题发现方法和自适应协商策略的有效性,进行了Matlba平台环境下的仿真实验。设计了制造商Agent和销售商Agent的产销协同计划环境,建立自适应协商模型,并对变量和参数赋值,分别对关联议题发现、多Agent自适应协商策略进行仿真实验,然后分析本文所提关联议题发现方法和自适应协商策略结果的有效性。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F274

【参考文献】

中国期刊全文数据库 前1条

1 张谦;邱玉辉;;一种基于相似度方法的并发协商策略[J];计算机科学;2005年12期

，

本文编号：1274157