伍京華，郄曉彤，王佳瑩

(中國礦業(yè)大學(xué)(北京) 管理學(xué)院，北京 100083)

0 引言

Agent能夠根據(jù)外部環(huán)境變化，自主完成預(yù)先設(shè)定的任務(wù)，具有自治、主動(dòng)、協(xié)作和能動(dòng)態(tài)調(diào)整等特殊功能，是人工智能與計(jì)算機(jī)系統(tǒng)結(jié)合的產(chǎn)物?；贏gent的自動(dòng)談判利用其人工智能優(yōu)勢，通過計(jì)算模擬使商務(wù)智能中的自動(dòng)談判更加符合人們的實(shí)際商務(wù)談判，并能極大節(jié)約成本?；贏gent的勸說考慮Agent具有模擬人勸說的人工智能優(yōu)勢，是對(duì)基于Agent自動(dòng)談判的發(fā)展。到目前為止，出現(xiàn)了更加智能和高級(jí)的形式，即基于Agent的情感勸說，進(jìn)一步利用Agent模擬人類情感的人工智能優(yōu)勢，使商務(wù)智能中的自動(dòng)談判更加合理有效。建立基于Agent的情感勸說交互模型，可以使Agent在復(fù)雜和動(dòng)態(tài)的環(huán)境中更好地模擬人的談判，進(jìn)而保證基于Agent的情感勸說順利進(jìn)行并高效完成，因此意義重大。目前來看，該領(lǐng)域研究主要集中在基于Agent的提議修正、基于Agent的情感、基于Agent的勸說及情感勸說和基于Agent的交互模型幾方面。

在基于Agent的提議修正研究方面，危小超等[1]結(jié)合后悔理論，考慮Agent與其他Agent的互動(dòng)和學(xué)習(xí)過程，構(gòu)建了基于Agent的提議修正模型，用于其中的決策，但沒有加入情感因素；錢麗麗等[2]在后悔理論的基礎(chǔ)上提出灰色感知效用函數(shù)，對(duì)Agent的感知效用進(jìn)行計(jì)算，構(gòu)造了能使Agent效用達(dá)到最大的提議修正模型，但在效用函數(shù)計(jì)算時(shí)同樣沒有考慮情感；黃士寬[3]考慮后悔理論中的Agent有后悔規(guī)避的心理，運(yùn)用區(qū)間灰數(shù)方法研究了提議修正問題；林文豪等[4]對(duì)區(qū)間二元語言相關(guān)變量進(jìn)行定義后，考慮后悔理論中的風(fēng)險(xiǎn)規(guī)避和Agent感知效用中的后悔和欣喜心理，提出一種提議修正方法。以上文獻(xiàn)都對(duì)基于Agent的提議修正進(jìn)行了研究，建立了模型，但是沒有綜合考慮Agent的情感和勸說這一重要的人工智能特性，需要進(jìn)一步研究和改進(jìn)。

在基于Agent的情感研究方面，盧阿麗等[5]提出一種基于情感識(shí)別的自適應(yīng)多Agent虛擬智能計(jì)算機(jī)輔助教學(xué)系統(tǒng)(Intelligent Computer Assisted Instruction，ICAI)；郭曉宇[6]構(gòu)建了一種具有情感因子的Agent概念模型(Agent Conceptual Model with Emotional factors, ACME)，并闡述了其形式化描述過程、情感決策過程及相應(yīng)的算法，最后進(jìn)行了建模和仿真；蔣艷榮等[7]提出一種基于Agent的情感和個(gè)性的注意控制模型。這些研究雖然都通過評(píng)估Agent的不同動(dòng)作和行為得到了Agent的不同情感狀態(tài)和情感強(qiáng)度，并對(duì)Agent的這些不同情感狀態(tài)進(jìn)行了形式化描述和分類，研究了基于情感因子的Agent，但是均只研究了Agent的情感，并沒有研究情感對(duì)基于Agent的勸說過程的影響。Creed等[8]從情感產(chǎn)生的影響出發(fā)，研究了不同時(shí)間段中情感Agent產(chǎn)生的具體影響，認(rèn)為情感Agent會(huì)對(duì)人的行為產(chǎn)生積極影響，這種影響會(huì)隨時(shí)間慢慢消減，但未構(gòu)建模型，而將情感的具體影響體現(xiàn)在基于Agent的勸說中；金鉞[9]綜合情緒心理學(xué)領(lǐng)域的研究成果，針對(duì)情感計(jì)算的特點(diǎn)和需求分析，概括出情感產(chǎn)生發(fā)展的機(jī)理，對(duì)情感的產(chǎn)生、發(fā)展、表現(xiàn)等一系列具有本質(zhì)聯(lián)系的連續(xù)流程及其驅(qū)動(dòng)和運(yùn)行原因進(jìn)行了研究，給出利用計(jì)算機(jī)處理情感的基本流程，并研究了情感對(duì)Agent的影響，提出相應(yīng)的Agent的情感計(jì)算方法，但也沒有將其與基于Agent的勸說結(jié)合起來進(jìn)行深入研究，因此有必要在這方面進(jìn)一步拓展。

在基于Agent的勸說及情感勸說研究方面，曹珊[10]提出提議值均衡的觀點(diǎn)，在談判目標(biāo)中引入控制提議值均衡程度函數(shù)，設(shè)計(jì)了一種基于差分進(jìn)化算法的多Agent辯論談判策略；陳培友等[11]將馬爾科夫鏈方法應(yīng)用于對(duì)談判對(duì)方各輪提議值的預(yù)測中，并與改進(jìn)后的遺傳算法相結(jié)合，構(gòu)建了面向Agent的馬爾科夫多議題自動(dòng)談判模型；楊興燚[12]結(jié)合談判中的時(shí)間策略和行為模仿策略，提出基于Agent信任機(jī)制的談判協(xié)議，并闡述了Agent的體系結(jié)構(gòu)和通信方式，設(shè)計(jì)了基于Agent信任機(jī)制的自動(dòng)談判系統(tǒng)；孫華梅等[13]結(jié)合人際勸說理論，對(duì)基于Agent的勸說進(jìn)行了分類，并結(jié)合形式化理論構(gòu)建了相應(yīng)的形式化表述模型和交互機(jī)制。以上文獻(xiàn)研究了基于Agent勸說中的提議值和產(chǎn)生模型，但模型中均未考慮Agent的情感特性。

為此，伍京華等[14]對(duì)Agent的情感進(jìn)行分類，提出Agent情感產(chǎn)生的形式化模型，并結(jié)合心理學(xué)的情感第一定律對(duì)Agent的情感進(jìn)行量化，提出計(jì)算Agent情感強(qiáng)度的方法；Mian等[15]將Agent的情感作為信息系統(tǒng)中該領(lǐng)域研究的關(guān)鍵要素，深入分析了Agent的情感在勸說中的作用；Carolis等[16]利用Agent模擬情感和非理性模式下人們說服對(duì)方執(zhí)行某種操作的行為，提出一種基于Agent勸說的計(jì)算模型。以上文獻(xiàn)在交互模型的構(gòu)建中初步考慮了情感，但未將原有交互模型和加入情感后的交互模型進(jìn)行對(duì)比，沒有體現(xiàn)Agent加入情感后如何修正提議，因此也不能體現(xiàn)情感在基于Agent勸說中的影響。董學(xué)杰等[17]在分析談判Agent的情感決策過程后，建立了一般情況下的情感產(chǎn)生模型和決策模型，提高了Agent的智能程度和適應(yīng)性，然而該文獻(xiàn)對(duì)其中交互過程的設(shè)計(jì)比較簡單，需要進(jìn)一步深入研究。

在基于Agent的交互模型研究方面，張京敏等[18]引入中介Agent，提出一種基于Agent強(qiáng)化學(xué)習(xí)的雙邊優(yōu)化談判模型，從強(qiáng)化學(xué)習(xí)策略中選出最好的參數(shù)進(jìn)行談判，并研究了中介Agent的自適應(yīng)學(xué)習(xí)能力，該研究從間接情感角度賦予Agent交互能力，提高了Agent的適應(yīng)性和基于Agent的自動(dòng)談判性能，但未考慮Agent的直接情感，導(dǎo)致在Agent的情緒和情感判斷及識(shí)別方面均有欠缺；胡喆[19]考慮Agent的公平感知對(duì)其交互行為的影響，提出公平感知下的多Agent協(xié)同及交互的談判框架、模型和流程；李靜[20]在基于Agent的勸說中運(yùn)用前景理論，考慮談判Agent的心理偏好及其決策行為，發(fā)揮機(jī)器學(xué)習(xí)算法的優(yōu)勢，引入一種新型動(dòng)態(tài)學(xué)習(xí)方法(population-based incremental learning)，優(yōu)化了基于前景理論的Agent勸說交互策略。以上研究均涉及了Agent的情感，并結(jié)合不同理論構(gòu)建了基于Agent的交互模型，然而這些模型都只是初步研究，而且偏向于研究Agent在其中的決策行為，并未綜合考慮Agent的情感和勸說特性，因此研究不夠全面。

另外，F(xiàn)atima等[21]的研究局限于Agent之間就勸說屬性進(jìn)行的交互，而且多采用勸說與反勸說的形式，有的甚至僅對(duì)比兩方提議值，而不采用勸說形式，使Agent具有的智能性并不能被很好地利用，需要設(shè)計(jì)合理的交互模型來模擬Agent的交互過程；Katzay等[22-23]對(duì)基于Agent的勸說機(jī)制、分類和交互進(jìn)行了研究，但其應(yīng)用領(lǐng)域很受限制，并不適用于所有的勸說壞境，因此需要進(jìn)一步考慮Agent的情感特性，設(shè)計(jì)通用性較強(qiáng)的交互模型，以滿足不同領(lǐng)域的需求；Li等[24]對(duì)基于Agent勸說的交互過程建立了模型，但對(duì)Agent的情感勸說方面考慮較少；Reed等[25]提出在勸說中針對(duì)Agent勸說屬性的形式化模型，并進(jìn)行了分析；馮嘉珍等[26]從目標(biāo)優(yōu)化角度研究了Agent的交互策略，提出基于Agent自適應(yīng)博弈的交互行為，但同樣沒有考慮情感，不能使Agent很好地應(yīng)對(duì)和適應(yīng)決策的復(fù)雜環(huán)境；談莉斌等[27]通過相似度計(jì)算產(chǎn)生備選對(duì)象候選集，從中找到與目標(biāo)對(duì)象相似的備選集，但也沒有考慮情感，忽略了Agent的情感個(gè)性，不能滿足Agent的需求。從以上文獻(xiàn)來看，已有的Agent交互模型在設(shè)計(jì)中存在模型簡單、通用性不強(qiáng)和考慮情感較少等缺陷，因此對(duì)基于Agent情感勸說的交互模型有必要進(jìn)行深入研究。

綜上所述，現(xiàn)有研究雖然從不同角度對(duì)該領(lǐng)域進(jìn)行了不同程度地探索和研究，但是對(duì)該交互模型的量化研究不夠，導(dǎo)致Agent的情感等人工智能優(yōu)勢未能在商務(wù)智能基于Agent的自動(dòng)談判領(lǐng)域被充分利用。本文設(shè)計(jì)了基于Agent的情感勸說的交互函數(shù)及規(guī)則，運(yùn)用多屬性效用理論和期望理論構(gòu)建了與Agent情感有關(guān)的因子算法，并考慮了提議修正，建立了基于Agent提議修正的情感勸說交互模型，充分發(fā)揮了Agent的智能優(yōu)勢。

1 基于Agent提議修正的情感勸說交互模型

在基于Agent的自動(dòng)談判中，建立交互模型是保證這種自動(dòng)談判順利高效進(jìn)行和完成的前提。而交互模型的建立，首先要設(shè)計(jì)交互規(guī)則，然后構(gòu)建交互函數(shù)。

1.1 交互規(guī)則

首先對(duì)基于Agent的提議修正的情感勸說交互過程進(jìn)行分析，如圖1所示。

從圖1可知，參與自動(dòng)談判的買方Agent(EPa)和賣方Agent(EPb)的交互規(guī)則如下：

(1)EPa和EPb在每一輪情感勸說過程中都遵循EPa優(yōu)先提議的原則。

(2)EPa和EPb首輪需按期望值提出提議值，之后按交互策略進(jìn)行交互。

(3)EPa和EPb接收到對(duì)方的提議值后，首先判斷是否存在閾值沖突。若存在，則情感勸說失敗，退出；若不存在，則按流程繼續(xù)進(jìn)行情感勸說。

(5)首輪之后，買方在每次情感勸說前先判斷當(dāng)前情感勸說輪次是否達(dá)到最大。若已達(dá)到最大輪次，而雙方還未達(dá)成一致，則不再繼續(xù)進(jìn)行談判，情感勸說失敗。

1.2 交互函數(shù)

交互函數(shù)的構(gòu)建需要在充分考慮交互時(shí)間動(dòng)態(tài)變化的基礎(chǔ)上建立合適的提議修改算法，即其核心在于構(gòu)建合理有效的提議修正函數(shù)。因此，本文首先假設(shè)買方Agent(EPa)和賣方Agent(EPb)的情感勸說屬性為n，運(yùn)用多屬性效用理論，在文獻(xiàn)[28]時(shí)間約束方法的基礎(chǔ)上進(jìn)行改進(jìn)，從而構(gòu)建相應(yīng)的交互函數(shù)。具體如下：

(3)每個(gè)屬性的提議值的計(jì)算方法如下：

(1)

t≥1,λa≥0,T≥t。

(2)

t≥1,λb≥0,T≥t。

式(1)和式(2)類似，因此先以式(1)為例，對(duì)其中的變量及參數(shù)說明如下：

(2)cos(P(t-1)·O(t-1))為第(t-1)輪時(shí)EPa和EPb提議值的相似程度，用S表示，用式(3)計(jì)算。其中S∈[-1,1]，P(t-1)和O(t-1)越接近，S越接近1，反之S越接近-1，表示兩者越趨于對(duì)立。

S=cos(P(t-1)·O(t-1))

(3)

(3)λa表示EPa在情感勸說過程中采取的交互策略，本文根據(jù)選擇不同策略進(jìn)行交互過程的快慢將λa分為3類，即0<λa<1為緩慢型交互策略,λa=1為均勻型交互策略,λa>1為急迫型交互策略。λb表示EPb在情感勸說過程中采取的交互策略，分類與λa一樣。

本文以EPa為主體和以EPb為主體的研究類似，因此在上述研究基礎(chǔ)上，選擇以EPa為主體，進(jìn)一步考慮參與自動(dòng)談判的Agent在情感勸說中的提議修正，構(gòu)建提議修正函數(shù)

(4)

因?yàn)橐訣Pa為主體，所以式(2)沒有變化，式(1)需修改為

(5)

上述研究采用多屬性效用理論，選擇以EPa為主體構(gòu)建相應(yīng)的交互函數(shù)，其中情感勸說修正因子計(jì)算如下：

(6)

(7)

1.2.2 目標(biāo)修正因子WActE的計(jì)算

在基于Agent情感勸說的交互中存在沖突，會(huì)對(duì)下一次的目標(biāo)產(chǎn)生影響。因此，除了計(jì)算情感勸說修正因子外，還要計(jì)算目標(biāo)修正因子，才能構(gòu)建合適的交互函數(shù)。為此，本文在文獻(xiàn)[29]目標(biāo)沖突理論的基礎(chǔ)上，結(jié)合期望效用理論，將交互中的沖突進(jìn)一步歸納為閾值沖突和期望差距沖突，并由此得出目標(biāo)修正因子的計(jì)算方法：

一般來說，在情感勸說中處于主動(dòng)地位的Agent通常希望所有情感勸說都能最大限度地接近期望值，因此期望差距閾值D接近1；而在情感勸說中處于被動(dòng)地位的Agent通常都期望在可以接受的范圍內(nèi)盡可能達(dá)成一致，因此期望差距閾值D接近0。本文的買方先提出情感勸說，處于主動(dòng)地位，因此其期望差距閾值D接近1。

上述目標(biāo)修正因子計(jì)算中，對(duì)感知效用值u(i)的計(jì)算尤為重要，現(xiàn)有研究主要通過直接提議值來計(jì)算效用，沒有體現(xiàn)Agent模擬人的人工智能優(yōu)勢。本文在后悔理論的后悔—欣喜函數(shù)基礎(chǔ)上，將期望效用理論引入感知效用值的計(jì)算中，得到EPa接受到EPb對(duì)屬性i的提議值時(shí)的感知效用計(jì)算函數(shù)，即

(8)

2 算例及分析

2.1 算例

為驗(yàn)證上述模型的合理性和有效性，本文以煤炭行業(yè)供應(yīng)鏈管理中的采購商(EPa)與供應(yīng)商(EPb)為降低談判成本和提高談判智能程度而就煤炭的價(jià)格和質(zhì)量進(jìn)行的情感勸說為例，假設(shè)最大勸說輪次T=10，期望沖突閾值D=0.8，擬定各項(xiàng)數(shù)據(jù)，如表1和表2所示。

表1 EPa和EPb對(duì)該產(chǎn)品價(jià)格的初始值

表2 EPa和EPb對(duì)該產(chǎn)品質(zhì)量的初始值

本文假設(shè)EPa和EPb都采用3種交互策略(λa=1為均勻型交互策略，λa=2為急迫型交互策略，λa=0.5為緩慢型交互策略)進(jìn)行情感勸說的交互，如表3所示。

表3 情感勸說雙方的交互策略

2.1.1 未考慮Agent提議修正及情感的勸說交互過程

在未考慮Agent提議修正及情感的勸說下，雙方的交互過程如表4所示。

表4 未考慮Agent提議修正及情感的勸說交互過程

續(xù)表4

由表中數(shù)據(jù)可得雙方在不同策略下的交互過程對(duì)比圖，如圖2～圖4所示。

2.1.2 采用本文模型

采用本文提出的模型，雙方的交互過程如表5所示。

由表中數(shù)據(jù)可得雙方在不同策略下的交互過程對(duì)比圖，如5～圖7所示。

表5 采用本文模型的交互過程

2.2 分析

2.2.1 結(jié)果分析

觀察以上圖表可以得出：

(1)在λa=1，λb=2時(shí)，未考慮Agent提議修正及情感的勸說和采用本文模型的交互最終結(jié)果均為情感勸說成功。前者的成交價(jià)格值和質(zhì)量值分別為825，683，后者的成交價(jià)格值和質(zhì)量值分別為792，702，表明采用本文模型使交互的成交價(jià)格值和質(zhì)量值都對(duì)買方更有利。

(2)在λa=2，λb=1時(shí)，未考慮Agent提議修正及情感的勸說和采用本文模型的交互最終結(jié)果均為雙方達(dá)成一致，情感勸說成功。前者的成交價(jià)格值和質(zhì)量值分別為844，696，后者的成交價(jià)格值和質(zhì)量值分別為828，716，同樣表明采用本文模型使交互成交價(jià)格值和質(zhì)量值均對(duì)買方更有利。

(3)在λa=2，λb=2時(shí)，未考慮Agent提議修正及情感的勸說和采用本文模型的交互最終均達(dá)成一致，情感勸說成功。前者的成交價(jià)格值和質(zhì)量值分別為828，695，后者的成交價(jià)格值和質(zhì)量值分別為828，704，表明采用本文模型使交互成交價(jià)格值對(duì)買方和賣方都一樣，而質(zhì)量值對(duì)買方更有利。

綜合以上算例和結(jié)果分析來看，本文模型能使模擬買賣雙方的Agent在情感勸說交互后的成交價(jià)格值比未考慮Agent提議修正及情感的勸說所得的值低或至少一樣，質(zhì)量值相比則更高，均有利于買方，而且對(duì)于其他屬性，該結(jié)果也同樣適用。

2.2.2 敏感性分析

在以上研究中，EPa和EPb可以選擇的策略λ為主要影響參數(shù)，因此需要對(duì)其進(jìn)行敏感性分析，以進(jìn)一步說明本文模型的合理性和有效性。

首先，EPa和EPb可選擇的λ均為3種，且0<λ<1為緩慢型交互策略，λ=1為均勻型交互策略，λ>1為急迫型交互策略。其次，因?yàn)楸疚囊再I方EPa為主體進(jìn)行研究，所以本文應(yīng)該在賣家采用固定策略(此處選取均勻型交互策略，即λb=1)的條件下，對(duì)買方EPa的λ展開敏感性分析。為更好說明，分別選取λa=0.25，0.5，0.75，1，1.25，1.5，1.75，2進(jìn)行代表性研究，得到的具體交互過程和結(jié)果如表6所示。

表6 λb=1時(shí)λa=0.25，0.5，0.75，1，1.25，1.5，1.75，2所對(duì)應(yīng)的具體交互過程和結(jié)果

續(xù)表6

從表6可見，當(dāng)賣方采用固定交互策略時(shí)，買方采用緩慢型交互策略相比于急迫型交互策略所需的交互輪次更多，即對(duì)應(yīng)的λa更大，交互完成所需要的輪次更少，交互完成得更快；相比急迫型交互策略，買方采用緩慢型交互策略對(duì)價(jià)格的成交值更低(如λa=1和λb=2時(shí)的對(duì)比結(jié)果)，對(duì)質(zhì)量的成交值更高(如λa=0.25和λb=2時(shí)的對(duì)比結(jié)果)。因此，買方采用緩慢型交互策略得到的成交值對(duì)自身更有利。事實(shí)上，買方若采用急迫型交互策略，則表示其更迫切地達(dá)成交易，做出的讓步會(huì)更大，所得結(jié)果對(duì)自身不利。

綜合以上各項(xiàng)研究和分析來看，在本文模型中，作為主要影響參數(shù)，策略λ對(duì)模型結(jié)果的影響是敏感的，而且可根據(jù)以下原則進(jìn)行調(diào)優(yōu)：若買方希望更快達(dá)成交易，則采用急迫型交互策略；若買方希望最后的結(jié)果對(duì)自身更有利，且對(duì)交互時(shí)間和輪次沒有要求，則采用緩慢型交互策略。因此買方在選擇交互策略時(shí)，可以根據(jù)自身偏好采用不同的策略，最終得到有利于自身的結(jié)果。

3 結(jié)束語

本文在已有研究基礎(chǔ)上，針對(duì)基于Agent的勸說交互中對(duì)Agent的情感等其他人工智能優(yōu)勢利用不夠的現(xiàn)狀，通過分析交互過程設(shè)計(jì)了交互規(guī)則，通過引入情感勸說修正因子和目標(biāo)修正因子，并綜合運(yùn)用時(shí)間約束方法、多屬性效用理論、目標(biāo)沖突理論、期望效用理論和后悔理論的后悔—欣喜函數(shù)，構(gòu)建了提議修正函數(shù)，進(jìn)而給出了交互函數(shù)，從而提出基于Agent提議修正的情感勸說交互模型。最后，通過算例說明了模型的合理性和有效性，并進(jìn)行了敏感性分析。相比之下，本文做出的改進(jìn)有：

(1)在已有研究基礎(chǔ)上，對(duì)相應(yīng)的模型和算法進(jìn)行了綜合改進(jìn)。首先，將Agent在情感勸說過程中采取的交互策略分為緩慢型、均勻型和急迫型3種，并對(duì)Agent采用不同交互策略時(shí)對(duì)情感勸說過程的影響進(jìn)行量化研究；其次，本文模型以時(shí)間約束方法為基礎(chǔ)，考慮了提議修正，使基于Agent情感勸說的交互更接近實(shí)際；再次，本文將情感勸說修正因子和目標(biāo)修正因子引入基于Agent情感勸說的交互過程，最終構(gòu)建出綜合考慮以上各因素的基于Agent提議修正的情感勸說交互模型。

(2)分析計(jì)算了未考慮Agent提議修正及情感的勸說和考慮提議修正的情感勸說兩種情況下的提議值，通過對(duì)比分析結(jié)果認(rèn)為采用后者的成交價(jià)格值比采用前者的成交價(jià)格值低或至少一樣，質(zhì)量值相對(duì)較高，均有利于買方，表明本文模型更加合理有效。另外，通過對(duì)所提模型中的主要參數(shù)即買方的交互策略λa進(jìn)行敏感性分析得到，若買方希望更快達(dá)成交易，則可采用急迫型交互策略；若買方希望最后結(jié)果對(duì)自身更有利，且對(duì)交互時(shí)間和輪次沒有要求，則可采用緩慢型交互策略。

(3)在現(xiàn)有基于Agent的勸說模式下，綜合考慮Agent模擬人的情感和勸說，并進(jìn)一步考慮其中的提議修正，研究基于Agent提議修正的情感勸說交互模型。通過該模型，Agent能夠?qū)υ趧裾f過程中收到的來自對(duì)方的情感勸說進(jìn)行評(píng)價(jià)，進(jìn)而定量計(jì)算出對(duì)原有交互模型所產(chǎn)生的影響，從而使所設(shè)計(jì)的基于Agent情感勸說的交互過程和結(jié)果更加符合實(shí)際，更能體現(xiàn)出Agent在商務(wù)智能中進(jìn)行自動(dòng)談判的人工智能優(yōu)勢。

現(xiàn)實(shí)中企業(yè)的商務(wù)談判受各方面影響，具有很強(qiáng)的不確定性，采用自動(dòng)談判能較好地解決該問題。并且相比于實(shí)際談判，企業(yè)采用自動(dòng)談判可以節(jié)省大量人力物力，從而節(jié)省談判成本。因此，設(shè)計(jì)合理有效而且符合實(shí)際情況的商務(wù)智能自動(dòng)談判模型就成為企業(yè)關(guān)注和追求的目標(biāo)。從這個(gè)角度來看，本文所做的研究具有如下理論意義和實(shí)踐指導(dǎo)價(jià)值：

(1)作為商務(wù)智能中人們解決爭端和達(dá)成一致的重要途徑，基于Agent的自動(dòng)談判利用Agent的人工智能優(yōu)勢，通過計(jì)算機(jī)模擬人類商務(wù)談判，不需要或僅需要部分人參與，既能較大降低談判成本，還能在一定程度上保證談判結(jié)果更加合理有效，因此應(yīng)用較為廣泛，是該領(lǐng)域的研究熱點(diǎn)之一。本文所提模型進(jìn)一步研究了Agent在模擬人的情感、勸說和提議修正方面的人工智能優(yōu)勢，是對(duì)該領(lǐng)域的深入研究，其豐富了該領(lǐng)域的各項(xiàng)理論。

(2)本文是對(duì)商務(wù)智能中基于Agent自動(dòng)談判的研究，所設(shè)計(jì)的模型考慮Agent的情感，提出了情感勸說修正因子，并進(jìn)一步對(duì)Agent在交互中的沖突進(jìn)行分類，通過對(duì)比實(shí)際的沖突和沖突閾值得到目標(biāo)修正因子，最終設(shè)計(jì)出考慮實(shí)際情感勸說行為和目標(biāo)修正的模型。采用該模型模擬企業(yè)間的談判，能夠在較大降低成本的同時(shí)，綜合考慮實(shí)際的情感勸說行為，因此該模型更加符合實(shí)際情況，對(duì)企業(yè)應(yīng)用價(jià)值更高。

(3)本文所提模型具有較強(qiáng)的通用性，可以應(yīng)用到不同的企業(yè)中。在實(shí)際應(yīng)用中，管理者可以結(jié)合自身企業(yè)情況進(jìn)行調(diào)整，或在本模型基礎(chǔ)上進(jìn)一步開發(fā)適合自己企業(yè)的系統(tǒng)，從而更好地發(fā)揮該模型的優(yōu)勢，幫助管理者解決企業(yè)遇到的問題，提高企業(yè)競爭力。

本文側(cè)重于建立基于Agent提議修正的情感勸說交互模型，初步以煤炭行業(yè)供應(yīng)鏈管理中的采購商和供應(yīng)商為例進(jìn)行了算例分析和敏感性分析，并對(duì)其實(shí)際應(yīng)用領(lǐng)域進(jìn)行了探索。然而，本文所采用的數(shù)據(jù)以假設(shè)為主，下一步計(jì)劃結(jié)合相應(yīng)的研究條件，運(yùn)用該領(lǐng)域的實(shí)際數(shù)據(jù)，對(duì)本文模型進(jìn)行進(jìn)一步驗(yàn)證和改進(jìn)。