雷莉霞,周美玲

(華東交通大學信息工程學院,江西南昌330013)

隨著電子商務網(wǎng)上交易的蓬勃發(fā)展,交易中需要解決的問題也越來越多,電子商務的交易協(xié)商就是其中之一。Agent技術是一種軟件技術,基于這種技術的軟件實體能夠模擬人的思維進行自主行為,并且具有自學習的能力,從而對于多變的網(wǎng)上交易環(huán)境來說具有很強的適應能力[1]。因此,Agent技術在電子商務中的應用是十分廣泛的:通過將Agent技術與具體的應用系統(tǒng)相結合,將充分發(fā)揮人工智能代理技術的自主性、靈活性、反應性和主動性等特性,能夠很好地完成人在電子商務交易協(xié)商過程中的任務[2]。本文給出了一個基于Agent的電子商務自動交易系統(tǒng),圍繞著企業(yè)與用戶對商品的協(xié)商問題進行研究,系統(tǒng)中以Agent代替交易雙方的參與人員,形成由賣方多Agent系統(tǒng)和買方多Agent系統(tǒng)組成的新營銷模式。針對交易系統(tǒng)中的協(xié)商問題設計了基于Agent的協(xié)商模型。最后,通過Swarm仿真平臺對建立的協(xié)商模型進行了系統(tǒng)仿真,證明了采用多Agent方法對其進行建模的可行性。

1 基于Agent的電子商務自動交易系統(tǒng)

1.1 電子商務自動交易系統(tǒng)的體系結構

整個系統(tǒng)的體系結構如圖1所示[3,4]。

圖1 系統(tǒng)功能圖

不同的客戶機上有賣方Agent和買方Agent;還有買方管理Agent和賣方管理Agent,Web服務器上則有服務器管理員。其中買方Agent和賣方Agent都是多Agent系統(tǒng),采用分工明確的多種Agent進行搜索、協(xié)商、交易等工作。

1.2 系統(tǒng)的工作流程

以下將從一個買方用戶的角度,描述在整個電子交易中的工作過程[5]。

(1)用戶生成一個買方多Agent系統(tǒng),向它提出自己的購買要求;

(2)根據(jù)用戶的需求,搜索Agent移動到服務器管理員站點,查找其上的電子目錄,得到相應的賣方站點信息;

(3)搜索Agent把查找結果返回給決策Agent;

(4)決策Agent決定:有必要進行協(xié)商的商家個數(shù)及站點地址,把決策結果發(fā)送給協(xié)商Agent;

(5)根據(jù)決策Agent做出的結果,協(xié)商Agent生成多個子協(xié)商Agent,把他們派送到相應的賣方站點進行協(xié)商,然后某一個子協(xié)商Agent移動到某一個賣方站點,開始和對方的子協(xié)商Agent進行協(xié)商;

(6)協(xié)商Agent總結所有子協(xié)商Agent的協(xié)商結果,把成功的協(xié)商信息發(fā)送給決策Agent;

(7)決策Agent分析協(xié)商Agent發(fā)送的信息,決定交易的伙伴。把交易信息發(fā)送給交易Agent;

(8)交易Agent負責具體的交易事項;

(9)管理Agent在整個流程中負責協(xié)調(diào)與管理。

2 協(xié)商協(xié)議及協(xié)商策略

2.1 協(xié)商協(xié)議

在協(xié)商過程中,參與協(xié)商的Agent可以遵守某個協(xié)議,也可以某幾個協(xié)議綜合遵守。下面給出一個可能的協(xié)議[6]。

當Aga確認Agb可以提供自己需要的服務時,就向其發(fā)出一個提議,請求服務。Agb可以做出3種反應:(1)拒絕,此次協(xié)商以失敗告終;(2)接受,達到了一致,協(xié)商成功;(3)反提議。如果Agb發(fā)出反提議,Aga同樣可以作出3種反應:拒絕,接受,反提議,Aga和Agb之間可能有多次交互,在交互過程中,達成一致或者是以失敗結束本次協(xié)商。

2.2 協(xié)商策略

本文采用基于時間的雙邊多議題的協(xié)商策略,它是用于生成新提議的協(xié)商時間的函數(shù)。在協(xié)商開始時,Agent給出的初始提議是己方效用值最大的提議

Agent在t+1時刻生成的提議是時間的函數(shù),Aga在t+1時刻生成的提議其中生成的第 j個議題值如下

在文中的協(xié)商模型中,Agent根據(jù)時間策略函數(shù)進行讓步。但不同的時間策略函數(shù)的讓步幅度不同,本文采用讓步幅度均勻的時間策略函數(shù)它是隨協(xié)商時間的變化均勻讓步的時間策略函數(shù)。

3 協(xié)商模型仿真與分析

3.1 Swarm

Swarm是美國圣菲研究所為幫助科學家分析復雜適應系統(tǒng)而設計的仿真工具。1995年圣菲研究所發(fā)布了Swarm的beta版,Swarm的建模思想是讓一系列的Agent通過獨立事件進行交互,通過這些交互反映復雜適應系統(tǒng)的行為[7]。該系統(tǒng)提供了仿真運行支持環(huán)境和大量的類庫,在形式上類似于軟件開發(fā)環(huán)境,對于具體問題的建模與仿真需要研究人員進行面向?qū)ο蟮木幊?最后編譯生成一個可獨立運行的應用程序,通過運行該程序可以達到系統(tǒng)仿真的目的。

3.2 協(xié)商模型

電子商務協(xié)商模型的功能結構圖如圖2所示。

根據(jù)模型的設計思想,首先應該確定Agent的個數(shù),以及各個Agent的功能。由于電子商務自動交易系統(tǒng)的復雜性,構造整個系統(tǒng)比較困難,在此,我們主要通過對它的核心,也就是自動協(xié)商系統(tǒng)進行仿真實驗。該仿真系統(tǒng)主要是解決買方和賣方之間的自動協(xié)商問題[6,8]。

賣方Agent:給出初始提議,設定協(xié)商結束條件,對Agent的協(xié)商結果做決策。買方Agent:確定商品的協(xié)商議題及權重,設定協(xié)商條件,確定協(xié)商結果。買方協(xié)商Agent:對給定提議進行評估,生成反提議,把協(xié)商結果返回給買方Agent。賣方協(xié)商Agent:對給定提議進行評估,生成反提議,把協(xié)商結果返回給賣方Agent。雙方的協(xié)商Agent通過管理Agent與Web服務器傳遞信息,協(xié)商Agent通過給定的協(xié)商協(xié)議及協(xié)商策略反復進行協(xié)商,直到達到結束條件結束協(xié)商。

3.3 MAS模型實現(xiàn)建立

根據(jù)上述功能結構圖可知,用模型Swarm代替管理Agent,模擬Agent可以確定為 4類,一類是賣方Agent,一類是買方Agent,一類是賣方協(xié)商Agent,一類是買方協(xié)商Agent。在建立好每個Agent類的特征模型后,分析它們之間的體系結構,確定Agent數(shù)目:我們假定有1個買方Agent,1個賣方Agent,一個賣方協(xié)商Agent,一個買方協(xié)商Agent,這樣就構筑了協(xié)商的多Agent模型。由于仿真程序在開始運行時需要一個開始文件(即主文件)來啟動觀察者Swarm,從而由觀察者Swarm來調(diào)用模型Swarm,由模型Swarm來控制仿真Agent和環(huán)境Agent的運行狀況。所以整個系統(tǒng)的仿真模型如圖3所示[9]。

圖2 協(xié)商模型功能結構圖

圖3 仿真模型整體結構

Observerswarm定義了Agent信息的顯示方式,并把各個Agent的動態(tài)信息輸出并顯示到窗口中;Model-Swarm為每個Agent設定初值,將各個Agent的行為組成行動組,并為這個行動組創(chuàng)建時間調(diào)度表,還為模型創(chuàng)建了可探測的人機交互界面,以方便用戶更改各個初值。另外ModelSwarm為ObserverSwarm提供各個Agent的信息;模擬Agent包括賣方Agent、買方Agent、賣方協(xié)商Agent、買方協(xié)商Agent,它們的功能在協(xié)商模型中已經(jīng)描述了,在swarm模型中,主要是對它進行編程,也就是建立單個的模擬Agent。

3.4 結果分析

我們設置了7個參數(shù)buyerW1,buyerW2,buyerW3,sellerW1,sellerW2,sellerW3,EndTime,它們分別代表買方的商品價格屬性權重,買方交易時間屬性權重,買方質(zhì)量屬性權重,賣方價格屬性權重,賣方交易時間屬性權重,賣方質(zhì)量屬性權重,仿真結束時間。在程序中設置了雙方交易的初始值,以買方為例,初始數(shù)據(jù)為商品價格為100(元),交易時間1(天),商品質(zhì)量級別為5(代表質(zhì)量高),權重分別為界面中輸入的0.7,0.2,0.1。權重的取值取決于用戶對屬性的偏好程度,這里取商品價格的權重為0.7,占的比重最大,說明用戶認為價格對他來說最重要。每個屬性都和屬性值一一對應,比如100元對應的屬性值為(200-100)/100=1(假設買方價格的值域為[100,200])。由于是單調(diào)減函數(shù),所以采用評價函數(shù)得到[10]。依次可以得到后面幾個屬性的屬性值。最后效用值就為U=1×0.7+1×0.2+1×0.1=1(剛開始的提議是己方效用最高的情況)。隨著協(xié)商的進行,給定的協(xié)商策略決定屬性值的變化趨勢,它們的效用也相應的變化。在實驗結果中,由于價格在雙方協(xié)商中占的比重較大,所以我們顯示在協(xié)商中價格的變化趨勢,價格是隨協(xié)商時間的變化單調(diào)遞減讓步的,在協(xié)商開始階段,讓步幅度較大,然后隨著時間的變化逐漸減少讓步幅度。實驗的最后,在協(xié)商時間內(nèi)買方和賣方最后的價格相交,也就是協(xié)商成功。

4 總結

電子商務自動交易系統(tǒng)是一個復雜、動態(tài)的系統(tǒng),它對各方面的要求都很高。要完整地解釋整個系統(tǒng),不是一件容易的事情,文章通過Swarm仿真平臺對其核心部分自動協(xié)商模型進行了仿真實驗分析,將來還可以進一步擴展該仿真框架,使得整個系統(tǒng)能夠更好的模擬真實的電子商務交易活動。

[1]NWANA H S.Software agents:an overview[J].The Knowledge Engineering Review,1993,11(3):205-244.

[2]WOOLDRIDGE M,JENNINGS N.Intelligent agents:theory and practice[J].The Knowledge Engineering Review,1995,10(2):115-152.

[3]史忠植.代理及其應用[M].北京:科學出版社,2001:93-101.

[4]OLIVER J R.A machine-learning approach to automated negotiation and prospects for electronic commerce[J].Journal of Management Information System,1997,2(13):83-122.

[5]HE MH,LEUNG HF.Agents in E-commerce:State of the art[J].Knowledge and Information Systems,2002,4(4):257-282.

[6]劉欣,高濟.自治Agents的面向服務的協(xié)商模型[J].計算機工程,2003,29(18):114-116.

[7]丁浩,楊小平.SWAR M——一個支持人工生命建模的面向?qū)ο竽M平臺[J].系統(tǒng)仿真學報,2002,14(5):569-572.

[8]張蕊芬,黃梯云,蔣國瑞.基于agent的兩階段式一對多談判模型研究[J].計算機應用,2009,29(2):565-567.

[9]羅批,司光亞,胡曉鋒,等.SWAR M及其平臺下建立特定模型的探討[J].系統(tǒng)仿真學報,2004,16(1):5-7.

[10]陳旭.電子商務交易中基于Agent的協(xié)商機制及策略研究[D].合肥:合肥工業(yè)大學,2004:21-30.