基于移動Agent的智能拍賣系統研究

摘要:該文基于買方為主的拍賣結構，提出了一種基于移動Agent技術的多屬性拍賣系統。采用Skyline算法實現招標的選優，協同過濾技術實現投標的推薦，利用移動Agent技術優勢完成多屬性拍賣過程的自動化處理。分析表明該系統是一種較為有效，智能化的系統。

關鍵詞:移動Agent;拍賣;協商;智能性

中圖分類號:TP391文獻標識碼:A文章編號:1009-3044(2009)35-10072-03

Research on Electronic Auction System Based on Intelligent Mobile Agent

TAO Yong-bo， WANG Zi-qiang

(Dept. of Information Science and Engineering， Hanan University of Technology， Zhengzhou 450001， China)

Abstract: This paper proposed a electronic auction system based on intelligent mobile agent. Skyline algorithm is applied to choose excellent bid submission and a collaborative filtering algorithm is employed to recommend the bid. Automatic process of multi-attribute auction is achieved by using mobile agent. The analysis shows that this system is an efficient and intelligent.

Key words: mobile agent; auction; negotiation; intelligent

隨著Internet的迅速發展，人類許多活動越來越趨于電子化，各種電子商務活動如電子支付，電子拍賣迅速發展起來，其中最重要的活動之一是電子拍賣。現在，各種拍賣代理系統如eBay，Amazon.com已相繼成立。然而傳統的拍賣活動大多數都是單一拍賣，類似于傳統交易的電子化，缺乏智能性，智能化處理[1]。移動Agent 技術用一種全新的方式對復雜、龐大系統進行歸納、分析、描述和實現， 體現了一種新的軟件開發模式， 為解決分布式復雜工程提供了可能， 其所代表的智能化和網絡化趨勢亦屬必然， 逐漸成為人工智能領域一個新的研究熱點。文中引入了移動Agent 技術來彌補網上拍賣的不足， 利用移動Agent 技術優點來實現多屬性拍賣過程的自動化處理， 使得拍賣更加智能化， 適應性更強[2]。

1 相關簡述

移動Agent系統由分布在不同信息節點上的相互協作的一組Agent子系統以及管理各個子系統信息的調度Agent系統組成。多屬性拍賣是采購拍賣的一種， 定義為拍賣人與投標人交易時考慮到多個屬性的一種拍賣模式[3]。多屬性拍賣是一種解決一對多投標的有效方法， 經濟學家將多屬性效用理論廣泛地應用于多屬性拍賣，利用多屬性效用評價函數來準確表達用戶的屬性偏好， 拍賣的理想情況是選擇可以達到最高期望效用的投標。Che 設計了一種二維(價格和質量)拍賣模型以提高政府采購的能力， 模型采用密封式拍賣， 投標根據買方設定的評價規則來評估。Branco的模型將成本影響加入多屬性拍賣中， 采用兩段式拍賣， 在第一階段買方選擇一個廠家， 第二階段廠家控制成本達到預定的質量標準。研究認為完全公開買方偏好是買方最優策略， 但完全公開買方偏好對買方來說并不公平， 應該設計一種僅公開環境參數的拍賣系統， 根據參數， 買方考慮各個屬性的權重以達到最大收益[4]。Bichler 的研究表明多維拍賣中得到的效用值明顯高于傳統單屬性拍賣。

2 移動Agent系統

本文模型的主要工作流程:

1) 買方發布商品目錄， 定義偏好結構， 發布招標書;

2) 買方根據采購方發布的產品需求進行信息搜索， 根據招標所需填寫投標書;

3) 采購方查看供應商基本信息， 評估所有投標， 如果匹配則回復選中投標， 拍賣結束， 否則進行協商談判， 達成協議， 拍賣結束。

系統框架:別定義如下:

基于上述流程， 系統按功能劃分模塊并用多個Agent 分工合作來實現拍賣任務， 其內部模塊結構為買方Agent組、調度Agent 組、買方Agent 組三大部分。系統結構如圖1所示。

各個Agent的主要功能:

買方Agent:買方Agent負責從人機接口處得到采購方所需產品目錄信息， 偏好屬性結構， 同時將偏好屬性結構傳送給效用評估Agent。效用評估一般利用效用函數進行，

即U=w1E1+w2E2+w3E3+......+wjEj， wj=Qj/ΣQj， 其中wj 為權重， 表示不同屬性的相關重要性， Qj表示屬性的重要性參數， 效用評估采用招標優選算法。

招標生成Agent:

就是根據用戶輸入的屬性要求和偏好，自動生成招標標書， 以及對不合理的招標標書進行調整。投標方在投標的時候不能看到用于評標的那部分設置， 如條件的權重等[5]。評標過程使用效用評估Agent。人機接口部分主要處理采購方與Agent 之間的交互， 包括用戶對效用評估Agent 的修改和對招標方案制定或調整的干預等。

調度Agent:

調度Agent在整個移動Agent系統中作用在于收集，管理，統計，查詢各種Agent資源，按照其功能分類或建立Agent聯盟，并負責同其他Agent系統之間通訊，同時它在這個系統中擔當可信任的安全認證中心，保證各Agent系統之間的安全通訊[6]。建立了買方Agent和賣方Agent之間的通信聯系。

買方Agent:其中買方Agent 則從調度Agent處得到產品目錄信息， 從基本信息庫查看采購方基本信息， 根據招標方案， 買方Agent 根據自身能力是否滿足服務要求和獲得的交易效用的估算來決定是否參與投標[6]。同時投標推薦Agent 填寫投標書， 使得投標Agent的推薦中標率提高， 本文采用投標推薦算法。投標則發送投標書給調度Agent。人機接口部分主要處理賣方與Agent之間的交互， 包括賣方對效用評估的修改和對投標方案制定或調整。

信息庫:

在這個系統中，信息庫有兩種，一種存放著本地的信息，它供Agent子系統調用，另一種信息庫存放著Agent的信息，供調度Agent使用[7]。信息庫采用數據庫的技術來存儲。

3 招投標算法

快速實現招投標算法一直是拍賣中的熱點問題，本文設計了招標選優與投標推薦算法來實現該多屬性拍賣模型中的快速投招標問題。

3.1 招標選優算法

在招標過程中招標Agent應用Skyline查詢算法快速篩選出較優的投標，目前， 對Skyline 查詢的研究已得到國際上眾多研究者的廣泛關注， 并提出了許多有效算法。例如:BNL(Block Nested Loops)算法[8]。BNL 算法的基本思想是: 在主存中保留一個窗口， 窗口中存儲的是臨時Skyline 點， 通過反復從輸入數據集中讀取數據點和窗口中的點進行支配比較， 一個讀入數據點p 通過比較會有以下三種情況: 1)點p 支配窗口中的點，窗口中被點p 支配的點全部刪除， 點p 插入到窗口中; 2)點p被窗口中的數據點支配， p 被刪除; 3)點p 和窗口中的點不互相支配， 點p 插入到窗口中。當窗口中的數據點在主存中無法容納時， 可將其存入輔助存儲器的臨時文件中[9]。每次迭代后， 窗口中輸出的點是全局Skyline 點的一部分， 將臨時文件作為輸入數據集進行下一次迭代， 當臨時文件為空時， 迭代終止。所有從窗口中輸出的點就是全部的Skyline 點。該算法可以應用到任意維空間。

輸入:所有供應商的投標

輸出:最優投標或者幾個較優投標

具體步驟:

1) 將所有投標在采購商要求的所有屬性維利用BNL 算法預處理， 刪除被支配的點(不理想的投標)。

2) 對剩下的投標， 根據屬性權重， 抽出部分屬性再次進行BNL 算法處理。刪除被支配點(部分重要屬性上不理想的投標。

3) 如果剩下的投標數目小于輸出要求的投標數目， 直接輸出， 否則根據輸出前N個。

3.2 投標推薦算法

競標中不明確采購方的各屬性權重， 為了更好的投標。投標推薦Agent的任務就是從案例庫中找出類似的拍賣， 在投標推薦 Agent中使用協同過濾技術[10]。采用投標推薦算法計算出采購者的招標屬性權重。

輸入:采購者的采購信息以及部分興趣度

輸出:推薦Agent 計算出推薦興趣度

具體步驟:

1) 從數據庫中找出與采購者采購相同物品的采購數據;數據庫中的相關用戶數據可以通過以下矩陣的形式存放。

2) 根據修正的余弦相似性度量方法計算出采購方各個供應商之間興趣的相似性。

3) 根據相似性數組找出最近鄰居集合。

3.3 系統結構分析

1) 系統利用多個移動Agent的優勢分工合作自動完成任務，并發的完成拍賣過程，智能化，自動化程度高，而且移動Agent可以按照拍賣任務直接遷移到目標節點，執行買方競價搜索和相關處理任務，完成指定的任務后返回結果[11]。

2) 系統中的買方、調度方、買方都是分散的， 其計算是異步的， 沒有系統的全局控制。而移動Agent 系統放松了對集中式、規劃、順序控制的限制， 因此模型中采用移動Agent 技術來分散控制、應急和并行處理的能力。

3) 系統中招標Agent 使用招標優選算法， 根據屬性維的權重， 通過BNL 算法可以在招標的所有屬性維空間上降低到有限維空間， 對有限維空間上的投標進行處理， 以減少不理想投標個數。在招標過程中， 只需各個屬性的權重， 而無須用戶依靠自己的感覺與經驗來決策招標對象。

4) 系統中投標Agent 采用協同過濾技術個性化、準確地推薦。能夠過濾難以進行機器自動分析的信息， 可以共享他人的經驗， 避免了分析的不完全和不精確， 并且能夠對一些復雜，難以表述的概念進行過濾。能夠有效地使用其它相似客戶的反饋信息， 加快個性化學習的速度， 有推薦新信息的能力， 減少協商次數。

5 結論

本文提出的基于移動Agent 的多屬性拍賣模型， 改進了目前多屬性拍賣缺乏智能性、自動化程度不高的缺陷。在模型中使用多個算法來提高移動Agent 的工作效率， 從而使得拍賣加速， 該模型是一種自動化、智能化、高效的模型。如何在模型中應用更高效的算法， 使得模型更具合理性以及仿真實現是下一步的工作。

參考文獻:

[1] Bichler M. An experimental analysys of multi-attribute auction [J].Decision Support systems，2000(29):249-268.

[2] Branco F. Design competition of multidimensional auctions[J].Rand Journal Econonmics，1997，28(1):63-81.

[3] Jennings N. Wooldridge M. Agent theories. Architecture， and languages a survey[D]. UK: University of London，1995.

[4] Jennings， N. R. Wooldridge，M.J. Agent-Oriented Software Engineering[J].Handbook of Agent Technology， 2001(18).

[5] Ouzzani M， Bouguettaya A. Efficient Access to Web Services[J].IEEE Internet Computing，2004，8(2):34-44.

[6] 蔡自興.人工智能及其應用[M]. 北京:清華大學出版社，2003.

[7] 張李義，段凌，鄧漢化.面向電子采購的多屬性拍賣模型[J].武漢大學學報，2004，37(4):97-100.

[8] 崔燕妮.面向Agent的理論與應用[J].云南師范大學學報，2002(5).

[9] 樊曉聰.面向Agent軟件工程(I): Agent計算、編程風范與語言設計[J].計算機科學，1998，25(3).

[10] 鄭人杰，殷人昆.軟件工程概論[M].北京: 清華大學出版社，1998.

[11] 胡軍，管春.基于拍賣博弈的電子商務自動協商[J].微計算機信息，2006(30):117-119.