| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 引言 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| 1．1 研究背景 | 第12页 |
| 1．2 谈判支持系统发展概述及分析 | 第12-16页 |
| 1．3 研究的目标和意义 | 第16-17页 |
| 1．4 本文的研究内容 | 第17-19页 |
| 第2章 商务谈判理论研究 | 第19-28页 |
| 2．1 商务谈判的基本概念 | 第19-20页 |
| 2．2 谈判的构成要素和重要环节 | 第20-21页 |
| 2．2．1 商务谈判三要素 | 第20-21页 |
| 2．2．2 谈判过程的几个重要环节 | 第21页 |
| 2．3 商务谈判的规律 | 第21-23页 |
| 2．3．1 商务谈判规律的涵义 | 第21-22页 |
| 2．3．2 商务谈判规律的表现形式 | 第22页 |
| 2．3．3 讨价还价-商务谈判规律的应用 | 第22-23页 |
| 2．4 商务代理理论 | 第23-24页 |
| 2．4．1 商务代理的概念、特点和作用 | 第23页 |
| 2．4．2 商务代理实例 | 第23-24页 |
| 2．5 谈判方式新构想-多模式智能谈判 | 第24-27页 |
| 2．5．1 远程谈判的网络环境 | 第24页 |
| 2．5．2 网络中虚拟的谈判代理-Agent | 第24-25页 |
| 2．5．3 Agent与谈判代理人的联系与区别 | 第25-26页 |
| 2．5．4 多模式智能谈判支持系统的提出 | 第26-27页 |
| 2．6 本章小结 | 第27-28页 |
| 第3章 多模式智能谈判支持系统原理 | 第28-43页 |
| 3．1 多模式智能谈判的流程和相关定义 | 第28-32页 |
| 3．1．1 人工谈判的流程分析 | 第28-29页 |
| 3．1．2 半自动谈判的流程分析 | 第29-30页 |
| 3．1．3 全自动谈判的流程分析 | 第30-31页 |
| 3．1．4 多模式智能谈判支持系统的定义 | 第31-32页 |
| 3．2 多模式智能谈判支持系统的理论基础 | 第32-38页 |
| 3．2．1 机器学习综述 | 第32-34页 |
| 3．2．2 DSS基础 | 第34-36页 |
| 3．2．3 Agent技术 | 第36-38页 |
| 3．3 多模式智能谈判支持系统的框架结构 | 第38-42页 |
| 3．3．1 基于多模式智能谈判的学习系统结构 | 第38-39页 |
| 3．3．2 多模式智能谈判支持系统的工作流程 | 第39-40页 |
| 3．3．3 多模式智能谈判支持系统的关键问题 | 第40页 |
| 3．3．4 多模式智能谈判支持系统的逻辑结构 | 第40-42页 |
| 3．4 本章小结 | 第42-43页 |
| 第4章 人工谈判模式与学习系统研究 | 第43-67页 |
| 4．1 人工谈判模式简介 | 第43-47页 |
| 4．1．1 人工谈判模式研究的意义 | 第43-45页 |
| 4．1．2 人工谈判模式的案例与案例库表示 | 第45-47页 |
| 4．2 人工谈判与机器学习 | 第47-48页 |
| 4．2．1 学习的目标 | 第47页 |
| 4．2．2 人工谈判、半自动谈判和机器学习之间的关系 | 第47-48页 |
| 4．2．3 学习系统的设计思想 | 第48页 |
| 4．3 一种机器学习方法-Strategy-learning | 第48-53页 |
| 4．3．1 归纳学习方法简介 | 第48-49页 |
| 4．3．2 ID3算法 | 第49页 |
| 4．3．3 基于决策树归纳的机器学习方法 Strategy-learning | 第49-53页 |
| 4．4 机器学习实例 | 第53-57页 |
| 4．5 机器学习的程序设计与实现 | 第57-66页 |
| 4．5．1 结点类 TreeNode的设计 | 第58-59页 |
| 4．5．2 决策树类 DecisionTree的定义 | 第59-64页 |
| 4．5．3 机器学习的结果 | 第64-66页 |
| 4．6 本章小结 | 第66-67页 |
| 第5章 半自动谈判模式的讨价还价策略 | 第67-78页 |
| 5．1 半自动谈判的讨价还价决策模型 | 第67-68页 |
| 5．2 卖方 Agent与买方人员的谈判分析 | 第68-73页 |
| 5．2．1 判分法(Method-1) | 第68-70页 |
| 5．2．2 报价生成算法(Method-2) | 第70-71页 |
| 5．2．3 谈判实例 | 第71-73页 |
| 5．3 买方 Agent与卖方人员的谈判分析 | 第73-75页 |
| 5．3．1 基于案例推理的应用(Method-3) | 第74-75页 |
| 5．3．2 谈判过程 | 第75页 |
| 5．4 半自动讨价还价策略 Strategy-bargaining的实现 | 第75-77页 |
| 5．5 本章小结 | 第77-78页 |
| 第6章 全自动谈判模式的实现 | 第78-89页 |
| 6．1 全自动模式的谈判问题模型 | 第78-81页 |
| 6．1．1 基本数学模型 | 第78-79页 |
| 6．1．2 全自动谈判问题建模 | 第79-81页 |
| 6．2 遗传算法的基本原理和方法 | 第81-85页 |
| 6．2．1 引言 | 第81-82页 |
| 6．2．2 遗传算法的结构 | 第82页 |
| 6．2．3 遗传算法的构成要素 | 第82-85页 |
| 6．3 基于遗传算法的全自动谈判模型求解 | 第85-87页 |
| 6．3．1 设计算法的编码、参数和相关条件 | 第85-86页 |
| 6．3．2 算法求解步骤 | 第86-87页 |
| 6．3．3 全自动谈判的输出结果 | 第87页 |
| 6．4 本章小结 | 第87-89页 |
| 第7章 MINSS原型系统的设计与实现 | 第89-100页 |
| 7．1 移动 Agent开发平台Aglets | 第89-92页 |
| 7．1．1 Aglets系统简介 | 第89页 |
| 7．1．2 Aglets系统原理 | 第89-90页 |
| 7．1．3 Aglet的生命周期和消息机制 | 第90-91页 |
| 7．1．4 Aglet运动过程的实现 | 第91-92页 |
| 7．2 MINSS原型系统的实现技术 | 第92-94页 |
| 7．2．1 MINSS数据库管理技术与 JDBC | 第92-93页 |
| 7．2．2 买方人员对商品信息的查询 | 第93-94页 |
| 7．2．3 MINSS原型系统实验环境 | 第94页 |
| 7．3 MINSS原型系统的框架 | 第94-99页 |
| 7．3．1 数据库的设计 | 第95-98页 |
| 7．3．2 MINSS系统部分人机界面 | 第98-99页 |
| 7．4 本章小结 | 第99-100页 |
| 第8章 总结与展望 | 第100-102页 |
| 8．1 全文总结 | 第100页 |
| 8．2 展望 | 第100-102页 |
| 参考文献 | 第102-108页 |
| 攻读博士学位期间发表的论文 | 第108-109页 |
| 致谢 | 第109页 |
