本文關(guān)鍵詞：基于關(guān)聯(lián)議題發(fā)現(xiàn)的多Agent自適應協(xié)商策略研究

  更多相關(guān)文章： 多Agent 協(xié)商策略 關(guān)聯(lián)議題 Adaboost算法

【摘要】：產(chǎn)銷協(xié)同是多Agent制造業(yè)供應鏈協(xié)同的重要環(huán)節(jié),然而在產(chǎn)銷協(xié)同過程中,制造商和銷售商往往由于信息、目標等差異,常常會發(fā)生產(chǎn)銷協(xié)同沖突,如不能快速及時消解沖突,將會大大影響供應鏈運作效率。協(xié)商是解決供應鏈產(chǎn)銷協(xié)同沖突的有效方式,真實協(xié)商環(huán)境中議題往往相互關(guān)聯(lián),如何發(fā)現(xiàn)協(xié)商議題之間的關(guān)聯(lián)性并提出相應自適應協(xié)商策略,成為多Agent供應鏈產(chǎn)銷協(xié)同沖突消解的重要研究方向。為此,本文主要研究了基于關(guān)聯(lián)議題發(fā)現(xiàn)的多Agent自適應協(xié)商策略相關(guān)內(nèi)容。針對自適應協(xié)商議題相關(guān)性問題,本文利用多維立體圖形體積和改進DAI模型進行議題分組。協(xié)商雙方Agent使用多維立體圖形體積理論,計算各議題或議題組之間的關(guān)聯(lián)度,進而形成各自關(guān)聯(lián)議題集。協(xié)商雙方Agent將各自關(guān)聯(lián)議題集提交給協(xié)調(diào)Agent,由協(xié)調(diào)Agent使用改進DAI模型進行關(guān)聯(lián)議題整合,形成最終協(xié)商議題集合。針對傳統(tǒng)協(xié)商自適應性差、沖突消解效率低的問題,在協(xié)商雙方整體效益最大化、協(xié)商時間最短化的前提下,本文設計了兩階段雙邊多議題協(xié)商模型。第一階段,即推進整體協(xié)商進度階段。在該階段,協(xié)商Agent學習對手讓步幅度,且依此做出持續(xù)讓步,旨在盡可能就多數(shù)議題達成一致。為此,本文構(gòu)建了一種基于Adaboost-SVM算法的對手讓步幅度學習模型,在此基礎上提出了基于對手讓步幅度的自適應協(xié)商策略。第二階段,即整體協(xié)商達成一致階段。在該階段,協(xié)商雙方相互學習對手提議值,旨在消解未能解決的議題沖突,快速實現(xiàn)協(xié)商成功。為此,本文構(gòu)建了一種基于Q-強化學習和RBF神經(jīng)網(wǎng)絡的對手提議值學習模型,并在此基礎上提出了基于對手提議值的自適應協(xié)商策略。最后,為評估文中所提關(guān)聯(lián)議題發(fā)現(xiàn)方法和自適應協(xié)商策略的有效性,進行了Matlba平臺環(huán)境下的仿真實驗。設計了制造商Agent和銷售商Agent的產(chǎn)銷協(xié)同計劃環(huán)境,建立自適應協(xié)商模型,并對變量和參數(shù)賦值,分別對關(guān)聯(lián)議題發(fā)現(xiàn)、多Agent自適應協(xié)商策略進行仿真實驗,然后分析本文所提關(guān)聯(lián)議題發(fā)現(xiàn)方法和自適應協(xié)商策略結(jié)果的有效性。
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F274

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 張謙;邱玉輝;;一種基于相似度方法的并發(fā)協(xié)商策略[J];計算機科學;2005年12期

，

本文編號：1274157