基于Agent的智能人机谈判
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 自动谈判策略与机制研究 | 第10-11页 |
| 1.2.2 有假设条件的多Agent谈判研究 | 第11页 |
| 1.2.3 无假设条件的多Agent谈判研究 | 第11-12页 |
| 1.2.4 基于Agent的人机谈判研究 | 第12-13页 |
| 1.3 研究内容与意义 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 研究意义 | 第13-14页 |
| 1.4 组织结构 | 第14-15页 |
| 2 相关理论与技术 | 第15-25页 |
| 2.1 Agent概述 | 第15-18页 |
| 2.1.1 Agent定义 | 第15-16页 |
| 2.1.2 Agent体系结构 | 第16-18页 |
| 2.2 基于Agent谈判的基础理论 | 第18-21页 |
| 2.2.1 智能谈判定义 | 第18-19页 |
| 2.2.2 基于Agent的智能谈判策略 | 第19-20页 |
| 2.2.3 基于Agent的人机双边谈判 | 第20页 |
| 2.2.4 人机谈判平台IAGO介绍 | 第20-21页 |
| 2.3 其他相关算法 | 第21-23页 |
| 2.3.1 高斯过程 | 第21-22页 |
| 2.3.2 模拟退火 | 第22-23页 |
| 2.3.3 迁移学习 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 基于Agent的人机谈判框架设计 | 第25-33页 |
| 3.1 人机谈判的一般流程 | 第25-26页 |
| 3.2 需求分析 | 第26-27页 |
| 3.3 智能人机谈判通用框架 | 第27-32页 |
| 3.3.1 人机谈判流程框架 | 第27-29页 |
| 3.3.2 基于Agent收益的对手建模 | 第29-30页 |
| 3.3.3 人机谈判中的数据存储 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 智能人机谈判框架实现 | 第33-45页 |
| 4.1 在谈判中进行对手建模 | 第33-34页 |
| 4.2 在谈判中有效决策 | 第34-35页 |
| 4.3 基于高斯过程与SA.HAN的谈判流程 | 第35-36页 |
| 4.4 实验设计 | 第36-38页 |
| 4.5 实验结果与分析 | 第38-44页 |
| 4.5.1 GPAgent谈判结果 | 第38-39页 |
| 4.5.2 SAAgent谈判结果 | 第39-41页 |
| 4.5.3 MXAgent谈判结果 | 第41-43页 |
| 4.5.4 分析总结 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 利用迁移学习优化人机谈判 | 第45-55页 |
| 5.1 利用迁移学习进行人机谈判 | 第45-47页 |
| 5.1.1 通过源任务进行学习 | 第45-46页 |
| 5.1.2 知识迁移及目标任务学习 | 第46-47页 |
| 5.2 引入迁移学习的人机谈判流程 | 第47-49页 |
| 5.3 实验设计 | 第49-50页 |
| 5.4 实验结果与分析 | 第50-54页 |
| 5.4.1 TSAgent谈判结果 | 第50-51页 |
| 5.4.2 TTAgent谈判结果 | 第51-53页 |
| 5.4.3 分析总结 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 不足与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 发表文章目录 | 第63-65页 |
| 致谢 | 第65页 |
