智能优化算法及其在协商中的应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11页 |
| ·自动协商面临的问题 | 第11-12页 |
| ·本文的工作及创新点 | 第12-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 相关工作介绍 | 第15-22页 |
| ·引言 | 第15页 |
| ·自动协商概述 | 第15-16页 |
| ·电子商务自动协商 | 第16-19页 |
| ·传统电子商务自动协商 | 第16-17页 |
| ·开放环境下的自动协商 | 第17-18页 |
| ·基于优化算法的自动协商 | 第18-19页 |
| ·粒子群优化算法 | 第19-21页 |
| ·粒子群优化算法概述 | 第19页 |
| ·基于动态求解的粒子群算法 | 第19-20页 |
| ·基于协同进化的粒子群算法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于对称粒子群算法的非理性协商模型 | 第22-41页 |
| ·引言 | 第22页 |
| ·非理性协商模型描述 | 第22-25页 |
| ·协商框架描述 | 第22-23页 |
| ·协商基本定义 | 第23页 |
| ·协商动作描述 | 第23-24页 |
| ·协商决策流程 | 第24-25页 |
| ·非理性环境描述 | 第25-27页 |
| ·外部环境 | 第25-26页 |
| ·非理性环境 | 第26-27页 |
| ·非理性协商决策模型 | 第27-29页 |
| ·协商效用评估 | 第27-28页 |
| ·协商策略 | 第28-29页 |
| ·自学习对称粒子群算法 | 第29-32页 |
| ·环境检测 | 第29页 |
| ·对称粒子 | 第29-31页 |
| ·广域学习 | 第31-32页 |
| ·算法流程 | 第32页 |
| ·实验 | 第32-40页 |
| ·模型有效性验证 | 第33-35页 |
| ·算法有效性验证 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于协同粒子群算法的竞争合作协商模型 | 第41-56页 |
| ·引言 | 第41页 |
| ·竞争合作协商模型描述 | 第41-42页 |
| ·竞争合作环境分析模型 | 第42-45页 |
| ·PCCM 结构描述 | 第42-43页 |
| ·PCCM 具体实现 | 第43-45页 |
| ·竞争合作协商决策模型 | 第45-48页 |
| ·决策目标描述 | 第45页 |
| ·决策模型描述 | 第45-46页 |
| ·自身效用评估 | 第46页 |
| ·对手效用预测 | 第46页 |
| ·成功率及收益预测 | 第46-48页 |
| ·协同进化粒子群算法 | 第48-51页 |
| ·极值变异粒子群 | 第48-49页 |
| ·分级抽样方法 | 第49-50页 |
| ·邻域空间进化 | 第50页 |
| ·收敛性分析 | 第50-51页 |
| ·求解最优让步值 | 第51页 |
| ·实验 | 第51-55页 |
| ·环境分析实验 | 第52-53页 |
| ·决策分析实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 工作总结与展望 | 第56-58页 |
| ·工作总结 | 第56-57页 |
| ·未来展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的主要成果 | 第62-63页 |
| 致谢 | 第63页 |
