基于离线学习机制的双边多议题关联协商模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·研究内容和解决方案 | 第13-14页 |
| ·文章结构 | 第14-16页 |
| 第2章 自动化协商理论与相关工作 | 第16-27页 |
| ·引言 | 第16页 |
| ·软件 Agent 与多 Agent 系统 | 第16-17页 |
| ·软件 Agent | 第16-17页 |
| ·多 Agent 系统 | 第17页 |
| ·自动化协商理论 | 第17-23页 |
| ·协商模型概述 | 第17-18页 |
| ·协商研究范畴 | 第18-19页 |
| ·相关研究进展 | 第19-23页 |
| ·相关研究方法 | 第23-26页 |
| ·神经网络 NN | 第23-24页 |
| ·遗传算法 GA | 第24-26页 |
| ·小结 | 第26-27页 |
| 第3章 双边多议题协商模型 BMINM | 第27-36页 |
| ·引言 | 第27页 |
| ·双边多议题协商模型 | 第27-29页 |
| ·Agent 内部架构 | 第27-28页 |
| ·协商模型描述 | 第28-29页 |
| ·协商策略 | 第29-32页 |
| ·协商协议 | 第32-34页 |
| ·协商流程 | 第32-33页 |
| ·双边多议题协商算法描述 | 第33-34页 |
| ·双边协商算法分析 | 第34页 |
| ·小结 | 第34-36页 |
| 第4章 离线学习机制 OLM | 第36-51页 |
| ·引言 | 第36页 |
| ·关联规则库的构建 | 第36-44页 |
| ·关联规则描述与定义 | 第36-39页 |
| ·关联规则产生机制（RGM） | 第39-40页 |
| ·关联规则优化机制（ROM） | 第40-44页 |
| ·关联规则库构建算法分析 | 第44页 |
| ·关联预测神经网络的构建 | 第44-47页 |
| ·C-GNN 算法介绍 | 第44-45页 |
| ·GNN 算法 | 第45-47页 |
| ·C-GNN 算法分析 | 第47页 |
| ·扩展协商策略 | 第47-50页 |
| ·基于关联规则的时间依赖策略 | 第47-48页 |
| ·基于预测值的分段时间依赖策略 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第5章 实验与结果分析 | 第51-61页 |
| ·引言 | 第51页 |
| ·实验设计 | 第51-53页 |
| ·对比协商模型 | 第51-52页 |
| ·实验参数设置 | 第52-53页 |
| ·结果分析 | 第53-60页 |
| ·聚类结果分析 | 第53-54页 |
| ·议题关联规则库 | 第54-56页 |
| ·预测神经网络结构 | 第56-57页 |
| ·协商结果对比 | 第57-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第68-69页 |
| 附录B (攻读学位期间所参与的科研活动) | 第69页 |
