庞 婷,郭绍永,何喜军,蒋国瑞*

(1.新乡医学院 现代教育技术中心,新乡 453003)(2.北京工业大学 经济管理学院,北京 100124)

商务谈判是解决冲突的有效沟通手段,随着谈判主体个性化需求增多,人工智能技术不断发展,商务谈判迈进了个性化、智能化阶段[1]．自适应谈判是智能商务谈判的一种,在谈判过程中谈判主体学习动态变化的环境知识、对手行为及偏好等,不断调整自身信念,增大双方的利益[2]．

目前已有很多学者研究将自学习算法引入谈判中,结合某些谈判策略,丰富了自适应谈判理论方法．例如,文献[3]中将遗传算法和马尔科夫预测综合运用到了自动谈判系统当中;文献[4]中结合人工蜂群算法的原理及求解流程,给出一种电子商务谈判模型;文献[5]中提出了一种采用基于案例推理技术的自动信任协商策略;文献[6]中应用人工免疫算法设计软件Agent的谈判策略;文献[7]中提出径向基函数神经网络优化Actor-critic学习算法的协商策略．但这些研究中的算法容易使得谈判时间长,易于陷入局部最优,导致谈判效用值低,同时较少考虑对手行为信息,自适应性较差,无法达到利益最大化．针对上述谈判算法存在的问题,文中提出一种自适应谈判方法来解决这些局限性．

Q-强化学习算法是重要的自学习方法,可以学习环境知识,经常用于自适应谈判[8]．但普通Q-强化学习算法缺乏对对手行为的考虑,导致很快妥协．自适应增强(daptive boosting,Adaboost)算法是文献[9]中提出的一种增强学习……