王高飞，邓立治，田金信，李 梅

(1.哈尔滨工业大学管理学院，黑龙江哈尔滨150001;2.黑龙江科技学院经济管理学院，黑龙江哈尔滨150027;3.北京科技大学经济管理学院，北京100083)

谈判是一个动态过程，在这个过程中，两个或多个具有不同标准、约束和偏好的参与者针对一个交易的相关条目共同达成一个可以相互接受的协定［1］。按谈判机制将谈判分为:一对一谈判(双边谈判)、一对多谈判和多对多谈判。其中，一对多谈判被看作是多个并发的双边谈判，多对多谈判可以通过一对多谈判扩展得到［2］。而多属性谈判更具实用性，因此笔者选定双边多属性谈判求解模型作为研究对象。目前，对于网上谈判模型求解的代表性研究方法有:博弈论模型［3］、以效用函数为基础的多属性决策模型［4－5］、对策分析法［6］、解决冲突的图形模型［7－8］和基于遗传算法的解支持方法［9－10］等。这些方法在一定程度上推动了谈判理论研究的进展，但仍没有完全解决多属性谈判中存在的以下问题:①多数算法采用线性函数，虽然简化了问题，但存在局部交易的退化和重要属性的作用被埋没等副作用［11］;②在非线性函数的复杂合同研究中，谈判存在着囚徒困境的问题;③在谈判求解过程中，忽略了属性之间的依赖关系［12］;④由于属性间复杂依赖关系与用户偏好获取的困难，使效用函数表达成为难题。

笔者针对上述问题，构建了BP神经网络与遗传算法的联合算法(BPNN－GA算法)，该算法充分利用遗传算法全局优化与BP神经网络非线性映射的优点，有效克服以上不足，求解谈判双方效用最大的谈判方案，实现双方的共赢。……