| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| 1．1 课题背景 | 第7-8页 |
| 1．2 研究意义 | 第8-9页 |
| 1．3 国内外相关领域的研究现状 | 第9-11页 |
| 1．3．1 现有的几种主流议价模型 | 第9-10页 |
| 1．3．2 目前研究中采用的方法 | 第10页 |
| 1．3．3 目前研究中存在的问题 | 第10-11页 |
| 1．4 研究内容 | 第11页 |
| 1．5 主要工作 | 第11-12页 |
| 1．6 内容安排 | 第12-13页 |
| 第二章 相关理论和算法 | 第13-21页 |
| 2．1 Agent与多Agent系统 | 第13-14页 |
| 2．1．1 Agent的定义 | 第13页 |
| 2．1．2 多Agent系统 | 第13-14页 |
| 2．1．3 Agent在议价系统中的应用 | 第14页 |
| 2．2 议价 | 第14-16页 |
| 2．2．1 议价的基本概念 | 第14-15页 |
| 2．2．2 议价的基本原理 | 第15-16页 |
| 2．2．3 动态议价模型 | 第16页 |
| 2．3 机器学习 | 第16-20页 |
| 2．3．1 学习的必要性 | 第16-17页 |
| 2．3．2 遗传算法 | 第17-18页 |
| 2．3．3 BP神经网络 | 第18-20页 |
| 2．4 本章小结 | 第20-21页 |
| 第三章 基于遗传算法的动态议价模型(GADBS) | 第21-33页 |
| 3．1 动态议价模型的界定 | 第21-23页 |
| 3．1．1 相关定义 | 第21-22页 |
| 3．1．2 议价问题的界定 | 第22页 |
| 3．1．3 议价的形式 | 第22-23页 |
| 3．1．4 策略构造 | 第23页 |
| 3．2 基于遗传算法的动态议价模型(GADBS)设计 | 第23-27页 |
| 3．2．1 模型原理 | 第23-25页 |
| 3．2．2 编码方法 | 第25-26页 |
| 3．2．3 适应度函数 | 第26页 |
| 3．2．4 遗传算子 | 第26-27页 |
| 3．3 GADBS实验结果及其分析 | 第27-31页 |
| 3．4 本章小结 | 第31-33页 |
| 第四章 基于机器学习的动态议价模型(MLDBS) | 第33-44页 |
| 4．1 模型分析 | 第33页 |
| 4．2 模型原理 | 第33-39页 |
| 4．2．1 模型的逻辑结构 | 第33-34页 |
| 4．2．2 特征提取 | 第34-36页 |
| 4．2．3 BP神经网络结构设计 | 第36-39页 |
| 4．3 Agent_1策略调整 | 第39-40页 |
| 4．4 MLDBS实验结果及其分析 | 第40-43页 |
| 4．5 本章小结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49页 |