23311

تعيين استراتژي براي مذاكرات خودكار چندجانبه در فضاهاي بزرگ

دكتري

مهندسي فناوري اطلاعات- تجارت الكترونيك

93-94

22/10/99

دكتر محمد فتحيان

دكتر مهدي غضنفري

مهندسي صنايع

مذاكرات خودكار با استفاده از عامل‌هاي هوشمند و خودمختار يكي از جلوه‌هاي كاربردي مهم هوش مصنوعي در دنياي تجارت وكسب وكار الكترونيكي هستند. استراتژي مذاكره اساس نحوه تصميم‌گيري و عملكرد يك عامل هوشمند را در طي مذاكره تشكيل مي‌دهد. طراحي استراتژي براي عامل‌هاي مذاكره‌كننده بايد بر اساس مفروضات جامع¬تر و نزديك¬تر به دنياي واقعي انجام شود تا بتوانند در كاربردهاي مختلف مؤثر واقع شوند. محيط چندجانبه و فضاي بزرگ پيامدها دو عنصر مهم و چالش¬برانگيز در مذاكرات خودكار هستند. از اين رو، هدف اين پژوهش آن است كه با در نظر گرفتن چالش‌هاي انجام مذاكره در محيط چندجانبه و مسائل مربوط به فضاي بزرگ، مدل تصميم‌گيري و عملكرد يك عامل مذاكره‌كننده تبيين گردد و مولفه‌هاي مختلف استراتژي عامل براي انجام مذاكرۀ موفق طراحي شود. به اين منظور در اين پژوهش، بر طراحي معماري، مدل‌ها و روشهاي مفيد و مؤثر در استراتژي مذاكره تمركز شده است. براي رسيدن به اهداف پژوهش، يك معماري كامل براي استراتژي مذاكره ارائه شده است كه مبتني بر تفكيك مؤلفه‌هاي استراتژي (استراتژي پيشنهاددهي، مدل‌سازي حريف و شرايط پذيرش) است. هر كدام از مؤلفه‌هاي معماري متناسب با محيط مذاكرۀ چندجانبه طراحي شده‌اند. براي طراحي استراتژي پيشنهاددهي از ديدگاهي چندجانبه و تطبيقي استفاده شده كه بر مبناي آن روش امتيازدهي عامل ضمن تمركز بر بدست آوردن حداكثر مطلوبيت، با در نظر گرفتن رفتار حريفان مختلف و در جهت مصالحه بيشتر با حريفان همكاري‌كننده تنظيم مي‌گردد. مدل‌سازي حريفان به عنوان بخشي مهم از استراتژي، با تركيب مدل‌هاي منفرد مبتني بر فراواني در يك ساختار اجماعي و با در نظر گرفتن اهميت جداگانه براي هر حريف انجام شده است. همچنين، از آنجا كه جستجوي بهينه در فضاي بزرگ نقش مهمي در يافتن پيشنهادهاي مناسب و كاهش پيچيدگي زماني محاسبات دارد، پتانسيل روش‌هاي فراابتكاري در جستجوي پيشنهاد به طور گسترده مورد ارزيابي قرار گرفته و بهترين روش‌ها در اين زمينه شناسايي شده‌اند. معماري استراتژي مذاكره چندجانبه با به‌كارگيري يك پيمانه جستجو مبتني بر بهترين روش‌هاي فراابتكاري بسط مي‌يابد. اين پيمانه نقش مهمي در جستجوي پيشنهادهاي مطلوب براي عامل و يافتن پيشنهادهاي مطلوب از ديد حريفان دارد. نتايج ارزيابي‌‌ها در بستر مذاكرات مختلف با حريفان متنوع، بر روي دامنه‌هاي متفاوت و با استفاده از معيارهاي گوناگون نشان مي‌دهد كه معماري و مدل‌هاي پيشنهادي براي استراتژي مذاكره عملكرد موفقيت‌آميزي در مذاكرات چندجانبه داشته و كارايي مذاكره را در فضاي بزرگ افزايش مي دهد.

1400/01/18

Strategy Determination for Automated Multilateral Negotiations in Large Domains

1/11/2021 12:00:00 AM

Automated negotiation using intelligent and autonomous agents is one of the important practical applications of artificial intelligence in e-commerce and e-business world. Negotiation strategy forms the basis of how an intelligent agent decides and acts during negotiations with other parties. Designing strategy for negotiating agents should be based on more comprehensive assumptions which are closer to the real world in order for them to be effective in various applications. The multilateral environment and large agreement space are the two important and challenging elements in automated negotiations. Therefore, this study is aimed to describe the decision-making model and functionality of a negotiating agent and design different components of the negotiation strategy for a successful negotiation considering the challenges of conducting negotiation in a multilateral environment and issues related to the large outcome spaces. For this purpose, this dissertation focuses on architectural design, useful and effective models and methods in negotiation strategy. In order to achieve the research goals, a complete architecture for negotiation strategy is presented, which is based on the separation of strategy components (bidding strategy, opponent modeling and acceptance conditions). Each of the architectural components was designed to fit the multilateral negotiation environment. We used an adaptive multilateral perspective to design the bidding strategy based on which the agent concession method is adjusted by considering the behavior of different opponents and in attempt to further compromise with cooperating opponents, while focusing on achieving maximum individual utility. As an important part of the strategy, opponent modeling was designed by combining individual frequency-based models in an ensemble framework taking into account the importance of each individual opponent. In addition, since optimal search in large space plays an important role in finding suitable bids and reducing the time complexity of calculations, the potential of meta-heuristic methods in bid search has been widely evaluated and the best methods in this field have been identified. The proposed negotiation strategy architecture is extended using a search module based on best selected meta-heuristic methods. This module plays an important role in seeking suitable offers for the agent and finding favorable offers from the opponents' point of view. The results of evaluations in the context of different negotiations with various opponents, on different domains and using different criteria show that the proposed architecture and models for the negotiation strategy have a successful performance in multilateral negotiations and increase the efficiency of negotiation in a large outcome space.

مذاكرات خودكار چندجانبه , عامل‌هاي هوشمند , استراتژي مذاكره , فضاي بزرگ , استراتژي پيشنهاددهي , مدل‌سازي حريف

Automated Multilateral Negotiations , Intelligent Agents , Negotiation Strategy , Large Space , Bidding Strategy , Opponent Modeling