一种基于混合遗传算法的双边多议题协商

doi:10.13190/jbupt.200902.1.lij

北京邮电大学学报 ›› 2009, Vol. 32 ›› Issue (2): 1-4.doi: 10.13190/jbupt.200902.1.lij

• 论文 • 下一篇

一种基于混合遗传算法的双边多议题协商

李剑牛少彰

北京邮电大学北京邮电大学信息安全中心

收稿日期:2008-09-18 修回日期:1900-01-01 出版日期:2009-04-28 发布日期:2009-04-28
通讯作者: 李剑

A Bilateral Multi-Issue Negotiation Based on Hybrid Genetic Algorithm

LI Jian

Received:2008-09-18 Revised:1900-01-01 Online:2009-04-28 Published:2009-04-28
Contact: LI Jian

摘要/Abstract

摘要：

为了提高基于智能体电子商务双边多议题协商当中agent协商的效率，提出了一种agent的协商模型，并且将混合遗传算法HGA应用于这种模型当中，来提高模型中agent协商的效率。分别对4种遗传算法各进行1000次的实验。结果表明,它们同样达到协商最优解时，标准遗传算法SGA平均需要218次协商，基于Metropolis准则的遗传算法MGA平均需要184次协商，自适应遗传算法AGA平均需要152次协商，而混合遗传算法HGA平均仅需要121次协商。这说明，在求解双边多议题协商问题的时候，HGA可以使得协商当中的agent高效达到协商的最优解。

关键词: 电子商务, 双边多议题协商, 混合遗传算法, 智能体

Abstract:

To make the agents negotiate more efficient in bilateral multi-issue negotiation in multi-agent based e-commerce, an agent negotiation model is presented,。A hybrid genetic algorithm (HGA) is applied in the model to enhance the negotiation efficiency. Experiments are done for 1000 times for four kinds of agents to gain the satisfying result, Standard Genetic Algorithm(SGA) averagely needs 218 runs negotiation , Genetic Algorithm based on Metropolis rule(MGA) averagely needs 184 runs, adaptive genetic algorithm(AGA)averagely needs 152 runs while the hybrid genetic algorithm(HGA) averagely 121 runs. Experimentals show that the HGA can gain the optimal negotiation result more efficiently than other three kinds of genetic algorithms in bilateral multi-issue negotiation.

Key words: e-commerce, bilateral multi-issue negotiation, hybrid genetic algorithm, agent

李剑牛少彰. 一种基于混合遗传算法的双边多议题协商[J]. 北京邮电大学学报, 2009, 32(2): 1-4.

LI Jian. A Bilateral Multi-Issue Negotiation Based on Hybrid Genetic Algorithm[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2009, 32(2): 1-4.

[1]	杜梅, 周军华, 李敦桥, 陈士钊, 魏翼飞. MEC计算卸载与资源分配联合智能优化方案[J]. 北京邮电大学学报, 2022, 45(2): 65-71.
[2]	张经天, 马莹, 翁迅, 孙壮志, 张继龙. 四向穿梭车系统的提升机调度优化[J]. 北京邮电大学学报, 2022, 45(1): 19-25,81.
[3]	张天魁, 王筱斐, 杨立伟, 杨鼎成. 移动网络SFC部署与计算资源分配联合算法[J]. 北京邮电大学学报, 2021, 44(1): 7-13.
[4]	程超, 滕俊杰, 赵艳领, 宋梅. 一种基于多智能体强化学习的流量分配算法[J]. 北京邮电大学学报, 2019, 42(6): 43-48,57.
[5]	张昕然, 孙松林. 通信资源调度对称MARL问题策略估计误差分析[J]. 北京邮电大学学报, 2019, 42(2): 1-6.
[6]	刘振, 郭恒光, 李伟. 协同量子智能体进化算法及其性能分析[J]. 北京邮电大学学报, 2019, 42(2): 120-126.
[7]	彭艳斌艾解清李吉明. 对手偏好主动学习驱动的协商框架[J]. 北京邮电大学学报, 2012, 35(5): 22-25.
[8]	李剑, 牛少彰. 学习机制在电子商务中的应用[J]. 北京邮电大学学报, 2009, 32(3): 1-4.
[9]	李剑1,2, 景博2, 杨义先1. 自适应遗传算法在多边多议题协商中的应用[J]. 北京邮电大学学报, 2008, 31(6): 67-70.
[10]	朱振荣, 李晖, 杨义先. 一种改进的基于账户的安全电子支付协议[J]. 北京邮电大学学报, 2006, 29(s2): 155-159.
[11]	苏安洋. 电子商务中的网上协商探索[J]. 北京邮电大学学报, 2003, 26(S1): 95-98.
[12]	张泽莉, 马华东. 简单网络支付协议的形式模型[J]. 北京邮电大学学报, 2002, 25(4): 42-46.
[13]	李明柱, 李志江, 杨义先. 微电子彩票支付研究[J]. 北京邮电大学学报, 2002, 25(3): 27-30.
[14]	刘杰,王春萌,范春晓. 移动电子商务及WPKI技术移动电子商务及WPKI技术[J]. 北京邮电大学学报, 2002, 25(2): 1-7.

一种基于混合遗传算法的双边多议题协商

A Bilateral Multi-Issue Negotiation Based on Hybrid Genetic Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价