1)對手的協商態(tài)度．當對手某個協商項的協商態(tài)度強硬時，如果想要對手能接受己方的建議，對于相應的協商項，應該盡量滿足對手的要求，所以應該做出較大的讓步。

2)己方的協商項的權重．由式(2)可知，協商項的權重越大，則它對己方獲得的利益影響越大．對于權重較大的協商項，己方應該盡量少讓步，以使己方利益最大化。
4 實驗

在實驗室開發(fā)的多Agent原型系統中實現了本文提出的協商決策模型．為分析模型的性能，選取在線視頻服務協商為實驗用例．此協商的參與者為一個服務提供Agent(PA)和一個服務需求Agent(CA)．協商包含5個協商項，即服務的價格、質量和響應時間等．協商雙方的子效用函數采用式(1)的函數，y中的協商項權重礎用隨機數的方法產生．協商決策模型的算法用c#語言實現。兩個協商Agent分別運行在兩臺通過局域網相連、配置為P4 2．0 G處理器、256 M內存、Windows)操作系統的PC機上．主要從兩個方面來分析模型的性能：1)協商所需的回合數．在自治計算和電子商務的環(huán)境中這是協商的一個重要性能指標．為了加快協商的進程，協商的雙方都希望協商的回合盡量得少就能達成協議．2)有效的協商結果(協商雙方達成的合同)．對協商雙方來說，希望能從協商達成的合同中獲得盡可能大的效用，其中效用值由每個Agent的效用函數V(Cn)計算得到(Ccn為協商成功雙方達成的合同)．如果協商失敗，則協商雙方的效用都為0．取系統中已有的協商歷史數據作為支持向量機的訓練樣本，協商歷史記錄包括20次協商的數據，共562個建議．取樣本的協商軌跡長度為3訓練支持向量機，分別取模型函數為：
每一次協商，協商雙方都使用相同的協商模型和模型函數．為了考查模型在不同協商項權重下的總體性能，對每個不同的模型函數參數，進行too次協商模擬，每次協商雙方效用函數中的權重都是隨機產生的，用協商結果的平均值作為最后的實驗結果．首先比較在選用不同的模型函數時(ψ1與ψ2)，本文提出的決策模型的性能變化．圖5顯示了當n變化時協商雙方的效用總和(utility，即協商雙方所得到的效用值的和)的變化情況．可以看到。對選用兩個不同的模型函數ψ1，ψ2當n增大時，協商雙方的效用總和沒有明顯的變化趨勢．當選用模型函數，峨時，協商雙方的效用總和較大。

擴展閱讀

版權聲明：