基于决策效用和学习的多问题协商

摘要：

多问题协商近年来成为多Agent系统(MAS)研究的新热点.许多基于对策论的协商方法,倾向于假设Agent的效用固定不变,默认多问题之间是完全可以互相补偿的,但实际情况往往不是这样.本文提出了基于多问题和积决策效用的协商框架,能够处理可补偿和不可互补偿的多问题协商.借鉴辩论式协商的思路,推测交互Agent的态度,并进行Agent之间的心理交互.引入学习算法,动态调整问题权值,以加快协商进程.

关键词： 多Agent系统 多问题协商 学习 决策效用

作者: 吴海燕 胡山立

作者单位: 福州大学计算机科学与技术系,福州,350002 福州大学计算机科学与技术系,福州,350002;中国科学院软件研究所计算机科学重点实验室,北京,100080

会议类型: 国内会议

会议名称: 第十一届中国人工智能学术年会

会议地点: 武汉

会议语种:中文

页码: 1145-1150

在线出版日期: 2005-09-20（万方平台首次上网日期，不代表论文的发表时间）