基于Agent技術的電子商務在線議價模式研究

摘 要:電子商務擴大了交易的對象與范圍，但往往一筆交易必須分別和許多交易對象進行議價，這種復雜性阻礙了電子商務的快速發展。為了使電子商務企業提供人性的服務，實現資源集成共享，提出了一個基于Agent技術的電子商務議價系統框架。

關鍵詞:電子商務;Agent技術;在線議價;協商模型

中圖分類號:F713.36文獻標識碼:A文章編號:16723198(2010)01026402

1 信息環境下的電子商務在線議價

1.1 電子商務在線購物現狀分析

隨著信息技術和通信技術的發展，電子商務(Electronic Commerce，EC)已經成為未來信息社會商務活動的主要形式。目前，商務活動的許多環節都已電子化，如采購、銷售、支付等，但談判仍然在網下進行。電子商務網站僅能提供靜態的電子目錄，商品和服務的價格等條款通常都是事先設定的，不允許修改或不提供協商的方式。隨著電子商務的發展與全球化，企業間的交易占主導地位，商務談判也將愈加頻繁，如何實現整個交易過程的電子化，實現異地遠程商務談判的自動化與決策支持，已成為完善電子商務功能、推動電子商務發展所迫切需要解決的問題。

1.2 簡短理論研究背景介紹

Agent技術是90年代在網絡技術和決策支持系統的基礎上發展起來的一種軟件技術，基于這種技術的軟件智能實體能夠模擬人的思維進行自主行為，具有學習能力，對于多變的電子商務環境具有很強的適應能力，能夠在不同的買方或賣方中協商出一個最佳交易方案。電子商務與Agent技術結合形成了一個新興的交叉研究領域——基于Agent技術的電子商務(Agent-Mediated Electronic Commerce)。

2 理論模型

2.1 協商模型

基于Agent技術的在線一對一自動協商模型可以形式化定義如下:

N=。

定義1:Ag為協商參與者集合，Ag={a1，a2，a3，…，an}表示協商Agent集合，n為Agent的個數;包括買方Agent、賣方Agent。在此所探討的模型是一對一的協商模型，因此買方和賣方各只有一個。即n=2。

定義2:M為議題的集合，W為議題的權重集(用于表示用戶對該議題的重視程度)。

協商議題:M=表示在協商中涉及的n個議題，如所協商商品的多個屬性(價格、數量、交付日期等)。

權重集:W=，且∑ni=1wi=1。

在單議題(如:價格)的協商中，只針對一個議題買賣雙方進行協商，不存在權重問題;在多議題(如:價格、質量、服務)的協商中，買賣雙方針對多議題進行協商，就存在不同議題權重不同的問題，對買方或買方來說，權重越大，則表示該議題對其越重要。

定義3:R為所有可能的協商解，符合R時，則雙方協商成功;S為協商狀態的集合，表示協商正在進行、終止或已成功。

定義4:T為協商時間或協商輪數，買賣雙方會在協商開始前設置一個最長交易時間Tmax，若存在t使0≤t≤Tmax，則協商可繼續進行，否則自動終止。

2.2 協商流程

協商過程是一個十分復雜的動態過程，在一對一的協商模型中，雙方的Agent代表不同的利益主體，在協商過程中會發生利益的沖突。因此，Agent的行動不僅僅是接受和拒絕提議，同時還要對對方的提議進行分析和比較，對協商對象的各個屬性進行重新組合，生成反提議，以達到自身效用最大化。

一對一多屬性的協商流程圖如下圖所示，由買方發起協商請求，生成初始提議，賣方接受協商請求后，啟動協商過程。賣方對買方提議進行評價分析，根據自身效用最大化函數確定是否接受買方提議。若接受提議，則協商成功，協商過程終止。若賣方拒絕提議，則通過進行屬性約束分析和博弈分析(如價格，質量，服務等屬性)，對各屬性值進行重新組合，通過自身效用函數的計算，由賣方生成反提議。買方再根據自身的效用函數確定是否接受賣方的反提議。若買方接受買方反提議，則協商成功，協商過程終止。若賣方不接受賣方反提議，則通過進行屬性約束分析和博弈分析(如價格，質量，服務等屬性)，對各屬性值進行重新組合，通過自身效用函數的計算，再由買方提出反提議，協商按此過程進行直到達成共識，協商成功，協商過程終止。

3 數學模型

本文利用Q學習算法來計算Agent的提議動作對應的Q值，從而生成最有利于協商結果的提議。本文將協商雙方交互提議的過程看做Agent在某一狀態下選擇某一提議行為來實現轉移的過程。如果Agent在第t論提議時的狀態為是s(t)，提議為x(t)，那么提議后，Agent就進入后繼狀態s(t+1)，如此進行下去知道協商結束。每個參與協商的Agent都有自己關于各個議題的提議區間，對手提議中的各個議題值必須在該區間內才是可能被接受的提議。

下面介紹與生成提議方案密切相關的時間信念和提議信念概念。

時間信念是指Agent對協商對手接受其提議概率的認識。用Pbj-sj(t)表示子買方bj對賣方sj接受其第t輪提議的概率。

提議信念是指Agent對達成一致的提議在其議題值范圍內的概率分布的認識。用Dbj表示子買方bj對達成一致的提議在[min(xibj)，max(xibj)]內的概率分布的認識。

3.1 買方的生成提議策略

設Xj(T)表示子買方bj與賣方sj最終達成一致的提議，那么子買方bj獲得的回報為rb1=max(xb1)-Xj(T)(1)

根據Q學習算法，子買方bj的Q函數定義如下:

Qbj(s(t)，xbj(t))=r(s(t)，xbj(t))+y maxx→∞Qbj(δ(s(t)，xbj(t+1)))(2)

其中r為之間貼現率，d()為狀態轉移函數。子買方bj只有在最終協商達成一致后，才能獲得相應回報，因此在協商過程中，子買方bj從一個狀態轉移到下一個狀態所得到的立即回報rb1(s(t)，xbj(t))=0。如果子買方bj和賣方s在第t輪提議時達成一致，并且協調者c確定它和賣方sj進行交易，此時子買方bj的回報為QTbj，那么子買方bj在t輪之前各狀態的Q值可由(2)式計算得到:Qbj(s(1)，xbj(1))=rt-1QTbj(3)，Qbj(s(2)，xbj(2))=tt-2QTbj(4)，…，Qbj(s(t)，xbj(t))=QTbj(5)

由提議信念定義可知Xj(T)按Dbj分布，因此子買方bj的回報rbj=max(xbj)-Xj(T)也按Dbj分布，所以當買賣雙方達成一致時，子買方bj的回報應為期望值:

QTbj=∫max(xbj)min(xbj)(max(xbj)-Xj(T)DbjdXj(T))(6)

將(6)式帶入(3)-(5)式可以計算出子買方b在各輪提議的Q值。

由時間信念定義可知，子買方bj認為對于其第一輪至第t輪提議Xbj(1)，Xbj(2)，…，Xbj(t)，賣方sj都分別以概率Pbj-sj(1)，Pbj-sj(2)，…，Pbj-sj(t)接受，于是子買方bj從第一輪至第t輪提議的Q值序列也按時間概率分布。

子買方bj在第一輪的Q值分別是:在第一輪達成一致時，Qbj(s(1)，xbj(1))=QTbj;在第二輪達成一致時，Qbj(s(1)，xbj(1))=r#8226;QTbj;…;在第t輪達成一致時，Qbj(s(1)，xbj(1))=rt-1#8226;QTbj。

于是子買方bj在第一輪Q值的平均期望為:

Qbj(s(1)，xbj(t))=(∑Ti=1Pbj→sj(k)#8226;rk-1#8226;QTbj)/Tbj

依此類推，子買方 在第t輪Q值的平均期望為

Qbj(s(t)，xbj(t))=(∑Ti=1Pbj→sj(k)#8226;rk-1#8226;QTbj)/(Tb-t+1)

由此得到子買方bj生成提議的方法為

xbj(t)=max(xbj)-Qbj(s(t)，xbj(t))

3.2 賣方的生成提議策略

我們仍然設Xj(T)表示子買方bj與賣方Sj最終達成一致的提議。

與買方生成提議的方法類似，當買賣雙方達成一致時，賣方Sj的回報應為期望值，為

QTbj=∫max(xbj)min(xsj)(min(xsj)+Xj(T)DsjdXbj(T))

由此可以計算出賣方 在各輪提議的Q值。

同理，也可以推斷賣方sj在第t輪Q值的平均期望為

Qsj(s(t)，xsj(t))=∑Ti=1Psj→bj(k)#8226;rk-1#8226;QTsj)/(Tsj-t+1)

于是可以得到賣方sj生成提議的方法為xsj(t)=min(xsj)-Qsj(s(t)，xsj(t))

4 協商框架

買方把商品需求信息提供給買方Agent，然后買方Agent通過互聯網發布相應信息，來尋找能與之交易的賣方Agent。然后，買方Agent與賣方聯系，賣方Agent把商品的報價單發給買方Agent，由買方Agent進行處理。買方Agent根據賣方定義的商品或服務信息，檢查屬性約束和屬性間約束。買方Agent一旦發現違反約束時，應用協商Agent進行約束松弛。然后，買方Agent生成新的反提議發給賣方Agent。

然后，賣方Agent進行相似的協商流程，根據自身的約束、協商策略和算法進行新一輪協商。買方和賣方不斷重復上述流程，直到買方決定是否購買該商品。如果買方不同意購買，則協商結束。如果買方同意購買，則Agent就把最終同意購買的協商結果傳到賣方Agent處，賣方Agen把需要由買方Agent或顧客簽署的合同傳遞給買方Agent。當顧客簽署了這份合同，并向可信的第三方(如銀行)支付了貸款后，同時由第三方向買方Agent確保了顧客的支付后，賣方Agent就要求相應的供應商把商品發給顧客，至此整個購買流程結束。

5 結語

以Agent技術為代表的電子商務正在迅速發展，被視為動態的第二代電子商務。由于電子商務網上交易是在動態和分布環境中動作的，具有分布性、復雜性、開放性等特征，因此為Agent在其商務活動中的應用提供了廣闊的前景。同時，隨著電子商務的進一步發展，不論是商家還是客戶都希望獲得更為主動的、智能的、動態的服務。雖然上文中的協商模型主要是在一對一協商的基礎上探討的，但同時也為復雜環境下一對多、多對多的協商模型的建立奠定了一定的理論基礎。

針對當前的電子商務企業幾乎不能提供自動化在線協商的服務的現狀，本文提出了一種基于Agent技術的電子商務系統議價系統框架結構，供電子商務企業參考借鑒。

參考文獻

[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:電子工業出版社.

[3]M. Kraus，Stategic Negotitation in Multiagent Environment[M].MIT Press， Cambridge，MA.

[4]楊善林，倪志偉.機器學習與智能決策支持系統[M].北京:科學出版社，2004.

[5]張偉，石純一.Agent的組織承諾和小組承諾[J].軟件學報，2003，14(03):0473-0478.

注:本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文