基于Agent技术的电子商务在线议价模式研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Agent技术的电子商务在线议价模式研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要:电子商务扩大了交易的对象与范围,但往往一笔交易必须分别和许多交易对象进行议价,这种复杂性阻碍了电子商务的快速发展。为了使电子商务企业提供人性的服务,实现资源集成共享,提出了一个基于agent技术的电子商务议价系统框架。
中图分类号:F713.36文献标识码:A文章编号:16723198(2010)01026402
1 信息环境下的电子商务在线议价
1.1 电子商务在线购物现状分析
随着信息技术和通信技术的发展,电子商务(Electronic Commerce,EC)已经成为未来信息社会商务活动的主要形式。目前,商务活动的许多环节都已电子化,如采购、销售、支付等,但谈判仍然在网下进行。电子商务网站仅能提供静态的电子目录,商品和服务的价格等条款通常都是事先设定的,不允许修改或不提供协商的方式。随着电子商务的发展与全球化,企业间的交易占主导地位,商务谈判也将愈加频繁,如何实现整个交易过程的电子化,实现异地远程商务谈判的自动化与决策支持,已成为完善电子商务功能、推动电子商务发展所迫切需要解决的问题。
1.2 简短理论研究背景介绍
Agent技术是90年代在网络技术和决策支持系统的基础上发展起来的一种软件技术,基于这种技术的软件智能实体能够模拟人的思维进行自主行为,具有学习能力,对于多变的电子商务环境具有很强的适应能力,能够在不同的买方或卖方中协商出一个最佳交易方案。电子商务与Agent技术结合形成了一个新兴的交叉研究领域――基于Agent技术的电子商务(Agent-Mediated Electronic Commerce)。
2 理论模型
2.1 协商模型
基于Agent技术的在线一对一自动协商模型可以形式化定义如下:
N=。
定义1:Ag为协商参与者集合,Ag={a1,a2,a3,…,an}表示协商Agent集合,n为Agent的个数;包括买方Agent、卖方Agent。在此所探讨的模型是一对一的协商模型,因此买方和卖方各只有一个。即n=2。
定义2:M为议题的集合,W为议题的权重集(用于表示用户对该议题的重视程度)。
协商议题:M=表示在协商中涉及的n个议题,如所协商商品的多个属性(价格、数量、交付日期等)。
权重集:W=,且∑ni=1wi=1。
在单议题(如:价格)的协商中,只针对一个议题买卖双方进行协商,不存在权重问题;在多议题(如:价格、质量、服务)的协商中,买卖双方针对多议题进行协商,就存在不同议题权重不同的问题,对买方或买方来说,权重越大,则表示该议题对其越重要。
定义3:R为所有可能的协商解,符合R时,则双方协商成功;S为协商状态的集合,表示协商正在进行、终止或已成功。
定义4:T为协商时间或协商轮数,买卖双方会在协商开始前设置一个最长交易时间Tmax,若存在t使0≤t≤Tmax,则协商可继续进行,否则自动终止。
2.2 协商流程
协商过程是一个十分复杂的动态过程,在一对一的协商模型中,双方的Agent代表不同的利益主体,在协商过程中会发生利益的冲突。因此,Agent的行动不仅仅是接受和拒绝提议,同时还要对对方的提议进行分析和比较,对协商对象的各个属性进行重新组合,生成反提议,以达到自身效用最大化。
一对一多属性的协商流程图如下图所示,由买方发起协商请求,生成初始提议,卖方接受协商请求后,启动协商过程。卖方对买方提议进行评价分析,根据自身效用最大化函数确定是否接受买方提议。若接受提议,则协商成功,协商过程终止。若卖方拒绝提议,则通过进行属性约束分析和博弈分析(如价格,质量,服务等属性),对各属性值进行重新组合,通过自身效用函数的计算,由卖方生成反提议。买方再根据自身的效用函数确定是否接受卖方的反提议。若买方接受买方反提议,则协商成功,协商过程终止。若卖方不接受卖方反提议,则通过进行属性约束分析和博弈分析(如价格,质量,服务等属性),对各属性值进行重新组合,通过自身效用函数的计算,再由买方提出反提议,协商按此过程进行直到达成共识,协商成功,协商过程终止。
3 数学模型
本文利用Q学习算法来计算Agent的提议动作对应的Q值,从而生成最有利于协商结果的提议。本文将协商双方交互提议的过程看做Agent在某一状态下选择某一提议行为来实现转移的过程。如果Agent在第t论提议时的状态为是s(t),提议为x(t),那么提议后,Agent就进入后继状态s(t+1),如此进行下去知道协商结束。每个参与协商的Agent都有自己关于各个议题的提议区间,对手提议中的各个议题值必须在该区间内才是可能被接受的提议。
下面介绍与生成提议方案密切相关的时间信念和提议信念概念。
时间信念是指Agent对协商对手接受其提议概率的认识。用Pbj-sj(t)表示子买方bj对卖方sj接受其第t轮提议的概率。
提议信念是指Agent对达成一致的提议在其议题值范围内的概率分布的认识。用Dbj表示子买方bj对达成一致的提议在[min(xibj),max(xibj)]内的概率分布的认识。
3.1 买方的生成提议策略
设Xj(T)表示子买方bj与卖方sj最终达成一致的提议,那么子买方bj获得的回报为rb1=max(xb1)-Xj(T)(1)
根据Q学习算法,子买方bj的Q函数定义如下:
Qbj(s(t),xbj(t))=r(s(t),xbj(t))+y maxx∞Qbj(δ(s(t),xbj(t+1)))(2)
其中r为之间贴现率,d()为状态转移函数。子买方bj只有在最终协商达成一致后,才能获得相应回报,因此在协商过程中,子买方bj从一个状态转移到下一个状态所得到的立即回报rb1(s(t),xbj(t))=0。如果子买方bj和卖方s在第t轮提议时达成一致,并且协调者c确定它和卖方sj进行交易,此时子买方bj的回报为QTbj,那么子买方bj在t轮之前各状态的Q值可由(2)式计算得到:Qbj(s(1),xbj(1))=rt-1QTbj(3),Qbj(s(2),xbj(2))=tt-2QTbj(4),…,Qbj(s(t),xbj(t))=QTbj(5)
由提议信念定义可知Xj(T)按Dbj分布,因此子买方bj的回报rbj=max(xbj)-Xj(T)也按Dbj分布,所以当买卖双方达成一致时,子买方bj的回报应为期望值:
QTbj=∫max(xbj)min(xbj)(max(xbj)-Xj(T)DbjdXj(T))(6)
将(6)式带入(3)-(5)式可以计算出子买方b在各轮提议的Q值。
由时间信念定义可知,子买方bj认为对于其第一轮至第t轮提议Xbj(1),Xbj(2),…,Xbj(t),卖方sj都分别以概率Pbj-sj(1),Pbj-sj(2),…,Pbj-sj(t)接受,于是子买方bj从第一轮至第t轮提议的Q值序列也按时间概率分布。
子买方bj在第一轮的Q值分别是:在第一轮达成一致时,Qbj(s(1),xbj(1))=QTbj;在第二轮达成一致时,Qbj(s(1),xbj(1))=r•QTbj;…;在第t轮达成一致时,Qbj(s(1),xbj(1))=rt-1•QTbj。
于是子买方bj在第一轮Q值的平均期望为:
Qbj(s(1),xbj(t))=(∑Ti=1Pbjsj(k)•rk-1•QTbj)/Tbj
依此类推,子买方 在第t轮Q值的平均期望为
Qbj(s(t),xbj(t))=(∑Ti=1Pbjsj(k)•rk-1•QTbj)/(Tb-t+1)
由此得到子买方bj生成提议的方法为
xbj(t)=max(xbj)-Qbj(s(t),xbj(t))
3.2 卖方的生成提议策略
我们仍然设Xj(T)表示子买方bj与卖方Sj最终达成一致的提议。
与买方生成提议的方法类似,当买卖双方达成一致时,卖方Sj的回报应为期望值,为
QTbj=∫max(xbj)min(xsj)(min(xsj)+Xj(T)DsjdXbj(T))
由此可以计算出卖方 在各轮提议的Q值。
同理,也可以推断卖方sj在第t轮Q值的平均期望为
Qsj(s(t),xsj(t))=∑Ti=1Psjbj(k)•rk-1•QTsj)/(Tsj-t+1)
于是可以得到卖方sj生成提议的方法为xsj(t)=min(xsj)-Qsj(s(t),xsj(t))
4 协商框架
买方把商品需求信息提供给买方Agent,然后买方Agent通过互联网相应信息,来寻找能与之交易的卖方Agent。然后,买方Agent与卖方联系,卖方Agent把商品的报价单发给买方Agent,由买方Agent进行处理。买方Agent根据卖方定义的商品或服务信息,检查属性约束和属性间约束。买方Agent一旦发现违反约束时,应用协商Agent进行约束松弛。然后,买方Agent生成新的反提议发给卖方Agent。
然后,卖方Agent进行相似的协商流程,根据自身的约束、协商策略和算法进行新一轮协商。买方和卖方不断重复上述流程,直到买方决定是否购买该商品。如果买方不同意购买,则协商结束。如果买方同意购买,则Agent就把最终同意购买的协商结果传到卖方Agent处,卖方Agen把需要由买方Agent或顾客签署的合同传递给买方Agent。当顾客签署了这份合同,并向可信的第三方(如银行)支付了贷款后,同时由第三方向买方Agent确保了顾客的支付后,卖方Agent就要求相应的供应商把商品发给顾客,至此整个购买流程结束。
5 结语
以Agent技术为代表的电子商务正在迅速发展,被视为动态的第二代电子商务。由于电子商务网上交易是在动态和分布环境中动作的,具有分布性、复杂性、开放性等特征,因此为Agent在其商务活动中的应用提供了广阔的前景。同时,随着电子商务的进一步发展,不论是商家还是客户都希望获得更为主动的、智能的、动态的服务。虽然上文中的协商模型主要是在一对一协商的基础上探讨的,但同时也为复杂环境下一对多、多对多的协商模型的建立奠定了一定的理论基础。
针对当前的电子商务企业几乎不能提供自动化在线协商的服务的现状,本文提出了一种基于Agent技术的电子商务系统议价系统框架结构,供电子商务企业参考借鉴。
参考文献
[1]Julie R.Managing E-Commerce and Mobile Computing Technologies.IRM Press,USA,2003.
[2]王士通.人工智能教程[M].北京:电子工业出版社.
[3]M. Kraus,Stategic Negotitation in Multiagent Environment[M].MIT Press, Cambridge,MA.
[4]杨善林,倪志伟.机器学习与智能决策支持系统[M].北京:科学出版社,2004.
[5]张伟,石纯一.Agent的组织承诺和小组承诺[J].软件学报,2003,14(03):0473-0478.
注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文