劉偉東，馬 超，涂志瑩，徐曉飛，王忠杰

1(哈爾濱工業(yè)大學 計算機科學與技術學院，哈爾濱 150001) 2(哈爾濱理工大學 軟件與微電子學院，哈爾濱 150080)

1 引 言

跨界服務已成為推動現(xiàn)代服務業(yè)發(fā)展的重要創(chuàng)新模式，將跨越不同行業(yè)、組織、價值鏈等邊界的多項獨立服務進行深度融合，為用戶提供多維度、高質量、富價值的服務[1].設計跨界服務時，需要基于設計者對領域知識的了解以及個人經驗，借助特定的服務設計工具，在多方服務提供者的真實服務能力約束下，將眾多利益相關者的價值期望轉換為服務功能上的質量參數(shù)配置[2,3]，即在多方服務提供者的真實服務能力和服務參與者價值期望等約束條件限定的可行域內尋找質量參數(shù)的合理配置方案.

在進行配置時，很可能會出現(xiàn)各參與方的價值期望與各參與方所能提供的服務能力相互沖突及價值期望之間的內部相互沖突的情況.此時在當前約束條件下解的可行域為空，無法得到可行的質量配置方案，需要各服務參與者降低其價值期望，重新使可行域非空，進而找到合理的質量配置方案.

由于跨界服務由多方參與者組成，所有跨界服務參與者對于合作中涉及的價值期望都會存在一個不同的接受空間，即存在底線接受值.為了盡快找到合理的退讓方案，本文通過有效的自動協(xié)商模型來尋求最佳的退讓方案，消解存在的沖突.

隨著協(xié)商概念的產生，協(xié)商方法逐漸成為消解各方沖突和矛盾的主要手段[4，5].互聯(lián)網(wǎng)技術的快速發(fā)展讓基于多協(xié)商代理agent技術的自動協(xié)商方法得到了廣泛的研究和應用[6].Sanchez等[7，8]針對企業(yè)聯(lián)盟運營和決策特點，提出了基于協(xié)商團隊的聯(lián)盟內部投票報價自動協(xié)商模型.Haleema等[9]提出了一種基于貝葉斯理論的自動協(xié)商模型，分析對手的歷史報價并幫助預測對手在雙邊多問題談判中的偏好，并通過數(shù)值仿真驗證了模型的效用增益和協(xié)商效率.Kostas等[10]針對單一買家與多個賣家的交易場景，提出了一種一對多的自動協(xié)商模型，在協(xié)商中利用人工蜂群算法優(yōu)化效用函數(shù)計算過程中的權重值，尋找得到最大效用值.

許多協(xié)商都是基于斯塔克爾伯格[11]、魯賓斯坦等博弈策略，利用代理根據(jù)環(huán)境的變化來指導協(xié)商策略進行協(xié)商.Benay[12]等提出了消費者和提供商之間的自動SLA談判博弈模型，努力為雙方提供了最優(yōu)的價格和質量價值.Tian等[13]提出了基于斯塔克爾伯格博弈的自動協(xié)商模型，解決了協(xié)同物流運輸利潤的合理分配問題.

雖然利用自動協(xié)商解決沖突問題已得到廣泛關注，但還沒有基于自動協(xié)商理論消解跨界服務價值沖突的相關研究.跨界服務設計中存在的價值沖突能否被成功消解與各個跨界服務參與者的價值期望的退讓大小具有相關性，但這種相關性不容易被量化描述，因此很難找到合適的均衡點.跨界服務的價值沖突消解不同于傳統(tǒng)的自動協(xié)商應用問題，由于在跨界服務中各種服務能力與價值期望之間存在的復雜關聯(lián)性，協(xié)商調度過程中不僅需要設計自動協(xié)商模型，還需要制定合理的價值期望退讓方案，在消解掉所有沖突的前提下兼顧整體效用和個體利益.

整體效用是根據(jù)各個價值期望的權重與價值期望值計算得到的，價值期望的權重在跨界服務的不同時期是不同的，由跨界服務的整體戰(zhàn)略計劃決定.跨界服務的整體效用代表的是跨界服務當前戰(zhàn)略的實現(xiàn)效果，效用值越高，當前戰(zhàn)略目的實現(xiàn)的可能性越大.在跨界服務中，跨界服務的整體效用是跨界服務組織者的主要關注點.

個體利益由跨界服務參與者最終的價值期望值決定.個體利益的損失源于跨界服務參與者的價值期望的退讓.各參與者的主要關注點是自身的利益損失，參與者愿意為消解沖突進行部分退讓，但又希望退讓造成的利益損失最小.若部分參與者退讓過大造成嚴重不公平的情況，參與者很可能拒絕消解，則跨界服務設計失敗.整體效用的保障可以讓當前跨界服務的戰(zhàn)略計劃更好地實施，個體利益的保障則可以保障消解的成功率.

本文提出了一種用于協(xié)調跨界服務中多方參與者價值期望退讓值的自動協(xié)商方法來進行價值沖突消解.首先利用數(shù)學規(guī)劃算法計算出每輪價值期望的全局優(yōu)化的退讓方案，然后利用基于Stackelberg博弈的群智協(xié)商算法，與每個服務參與者的代理進行協(xié)商談判，再檢驗協(xié)商結果的可行性，重復此過程進行多輪的消解，直至消解掉所有價值沖突.該模型在盡量保證各個參與者的個體利益的前提下，追求跨界服務的最大整體效用.

2 價值沖突消解的協(xié)商框架與流程

2.1 場景描述

跨界服務由多方參與者共同提供服務，各個參與者擁有自己的價值期望和服務能力，一個參與者可以有多項價值期望和多種服務能力.參與者的價值期望和服務能力要根據(jù)參與者的實際業(yè)務情況由參與者提出，并在跨界服務組建初期進行確定.

在實際的跨界服務設計中，主要受到如下約束：1)質量參數(shù)的配置需要能夠支持價值期望的實現(xiàn)；2)質量參數(shù)的配置結果應該在質量參數(shù)的合理取值范圍內.當上述兩個約束條件不能同時滿足時，則代表存在沖突，解的可行域為空，此時會出現(xiàn)配置失敗的情況.由于在跨界服務設計時，服務參與者的服務能力已經固定，因此出現(xiàn)的價值沖突可以歸為兩種情況：

1)單一價值沖突：某個參與者的價值期望過高，即使不考慮其他價值期望，現(xiàn)有的服務能力也無法滿足當前價值期望，是價值期望與服務參與者的服務能力之間的沖突.

圖1 跨界服務設計中的價值沖突及消解Fig.1 Resolution in the design of transboundary service

2)關聯(lián)價值沖突：現(xiàn)有的服務質量和服務能力無法同時滿足所有價值期望，是價值期望與價值期望之間的沖突.

如圖1所示，由于服務能力無法再提高，為了消解價值沖突，使用面向多方價值沖突消解的自動協(xié)商方法，由服務組織者對各個服務參與者的價值期望的退讓進行協(xié)調，使服務能力可以滿足所有協(xié)調后的價值期望，消解所有價值沖突.

由于許多協(xié)商信息涉及企業(yè)隱私，在很多情況下參與者并不愿意將自己的協(xié)商信息暴露在協(xié)商過程中，因此本研究假設所有的協(xié)商過程中彼此的協(xié)商信息均為私密信息，互不了解，只能依靠自己的認知進行預估.

2.2 價值沖突消解框架設計

根據(jù)跨界服務多方沖突消解問題本身的特點，對于價值沖突消解框架進行了分析與設計.中心代理(Center Agent,CA)為跨界服務組織者在協(xié)商平臺中實例化后的代理，不僅是沖突消解過程中的調控者，同時也是協(xié)商的參與者，協(xié)商中代表了跨界服務參與者的整體利益，追求整體效用的最大化，因此CA也可視為跨界服務整體利益的協(xié)商代理.agenti代表與第i個價值期望的協(xié)商代理.圖2描述了沖突消解過程整體的流程框架.

在消解過程開始階段，CA利用數(shù)學規(guī)劃方法，根據(jù)存在沖突的可行域計算生成全局優(yōu)化的價值期望退讓方案和CA的退讓底線值.CA以此方案為初始方案與初始退讓方案中涉及到的agent進行一對一的協(xié)商談判，此時初始的協(xié)商輪數(shù)為1，協(xié)商結束后得到局部優(yōu)化的退讓方案，本輪協(xié)商結束.

圖2 跨界服務價值沖突消解整體框架Fig.2 Overall negotiation framework of value conflict resolution in transboundary service design

協(xié)商結果返回給CA，CA根據(jù)協(xié)商過后的價值期望值，檢驗當前方案下跨界服務配置的可行性，若配置成功，則代表價值沖突消解成功，輸出價值期望的最終退讓方案，沖突消解結束；若配置失敗，則保留已經協(xié)商得到的價值期望退讓結果，并對已經退讓過的價值期望值進行鎖定，鎖定的價值期望在以后的全局優(yōu)化退讓方案中將不會被要求進行退讓.在此基礎上重新計算全局優(yōu)化退讓方案，并根據(jù)計算方案進行新的協(xié)商，將結果發(fā)送給CA進行配置檢驗，直至配置成功或計算全局優(yōu)化退讓方案失敗.

若計算全局優(yōu)化退讓方案失敗，則解除所有價值期望的鎖定，本輪協(xié)商結束，開始下一輪協(xié)商，重新計算全局優(yōu)化退讓方案并協(xié)商、檢驗.解除鎖定的次數(shù)不是無限的，當解鎖次數(shù)超過閾值時，代表協(xié)商結果已接近各個參與者的底線，若此時依舊失敗，則協(xié)商沒有必要繼續(xù)進行，消解失敗.

3 價值沖突消解的自動協(xié)商方法

3.1 全局優(yōu)化退讓方案和CA底線值的生成

在價值期望退讓的過程中，并非每個價值期望值退讓得越多越好，只有真正有意義的的退讓才能消解沖突，對配置的順利進行產生積極作用.

針對單一價值沖突，相關的價值期望必須進行退讓，否則沖突無法消解.針對關聯(lián)價值沖突，可能部分價值期望的退讓也可以達到消解沖突的效果.因此，我們計算單一價值沖突下各個價值期望的最小退讓值作為CA的協(xié)商底線值，表示CA可以接受的agent退讓的最小值，若退讓值無法達到該底線值，則代表沖突消解必然失敗.

在每個跨界服務中，根據(jù)其不同時期的戰(zhàn)略目的，各個價值指標擁有不同的權重.在CA計算全局優(yōu)化退讓方案的過程中，以集體效用損失最小為目標函數(shù)生成全局優(yōu)化退讓方案，不考慮各個服務參與者的個體利益和退讓的公平性，僅僅是CA制定的一種理想方案.

在發(fā)生關聯(lián)價值沖突的情況下，若一直以此方式計算退讓的價值期望及其退讓值，則每次方案中退讓的價值期望將保持不變，部分價值期望值被連續(xù)要求退讓，導致沖突消解過程缺乏公平性，消解速度緩慢甚至消解失敗.

為了避免這種情況，我們在整體消解框架中引入了鎖定和解鎖的方法.按照這種策略，從每次價值期望進行退讓后鎖定至解鎖期間，都不會被協(xié)商要求進行退讓，直至沖突完全消解或協(xié)商失敗.一方面以全局效用損失最小作為目標函數(shù)，有效降低整體效用的損失，更好地實現(xiàn)跨界服務的戰(zhàn)略目的，另一方面也可以保證價值期望不會被要求持續(xù)降低，保護了參與者的權益，增加了協(xié)商策略的合理性和公平性，提高協(xié)商的成功率.

計算退讓方案時的目標函數(shù)為：

(1)

其中εi代表第i個價值期望的退讓值，wi代表第i個價值期望的權重，由于各個價值期望的單位不同，ni代表第i個價值期望的歸一化因子.

計算CA可以接受的第i個價值期望退讓最小值的目標函數(shù)為：

minεi

(2)

該目標函數(shù)忽略其他價值期望，僅考慮所有服務資源全部用于實現(xiàn)第i個價值期望的這種極端情況下價值期望的最小退讓值.

兩個目標函數(shù)的約束條件為：

(3)

其中，vpi(i=1,2,3,…,m)代表第i個價值期望值，由于價值指標具有方向性，我們設定前io個價值期望值越大越好，而之后的價值期望值越小越好.q=(q1,q2,q3,…,qn)代表跨界服務中的質量指標，yi(i=1,2,3,…,m)代表跨界服務中第i個價值指標與各個質量指標的關系函數(shù)，zj(j=1,2,3,…,n)代表了第j個質量參數(shù)與其他質量參數(shù)間的自相關函數(shù)，[tqjlp,tqjup]代表連續(xù)的質量指標qj的取值范圍，{tqjlp,…,tqjup}代表離散的質量指標qj的取值范圍.

求解上述模型可以分別求解出初始退讓方案和CA可以接受的agent退讓最小值.

3.2 自動協(xié)商過程

3.2.1 模型定義

結合現(xiàn)有的場景，對原有的基于Stackelberg博弈的自動協(xié)商模型進行改進，自動協(xié)商模型可定義為多元組：

其中：

1) CA代表跨界服務整體利益的協(xié)商代理.

2)agenti代表第i個價值期望的代理，由第i個價值期望相關的服務參與者設定agenti的協(xié)商參數(shù).

3)Action代表CA和agenti的動作集和，包含有：接受建議方案、拒絕建議方案、給出建議方案、給出反建議方案.

4)T代表可接受的最大協(xié)商次數(shù)，當達到T時雙方協(xié)商依舊未達成一致，則代表協(xié)商失敗.

5)εi代表協(xié)商開始前由CA計算得到全局優(yōu)化退讓方案中第i個價值期望的退讓值.

9)β(t)代表滿意度參數(shù)：

(4)

協(xié)商中將參與者分為主動參與者與被動參與者.其中λ是一個實數(shù)，代表了參與者的協(xié)商急切程度，λ越大，代表參與者越是急于使協(xié)商成功.w∈(0,1]決定了β(t)的最大值.

10)Vt代表在第t輪時CA與agent的滿意度函數(shù),在協(xié)商的過程中，隨著協(xié)商次數(shù)的增加，CA和agent的滿意度函數(shù)會隨著時間和協(xié)商態(tài)度而改變.我們設定CA與agent的滿意度函數(shù)分別為：

(5)

(6)

3.2.2 基于Stackelberg博弈的群智協(xié)商算法(TS_VCR)

在制定了退讓方案后，CA按照方案中得到的初始退讓值εi與agenti進行協(xié)商.CA提供的初始退讓方案為(0,εi)，即CA退讓值為0，agenti退讓值為εi.協(xié)商如圖3所示.

圖3 TS_VCR的協(xié)商框架Fig.3 Negotiation framework of TS_VCR

協(xié)商分為多個線程同時進行，在單個線程的協(xié)商中,CA與agent進行一對一協(xié)商，協(xié)商代理會根據(jù)對方提出的方案來預測對方的底線和談判參數(shù)等，以此來不斷修正自己對他人的主觀判斷，在考慮協(xié)同效應的同時，修改自己的報價方案和反報價方案，盡可能提高自己的利益.協(xié)商結束后會對最優(yōu)結果進行保存，并進行多個線程間信息的交互與學習，搜尋協(xié)商效果更好的協(xié)商參數(shù).直至達到搜尋次數(shù)的閾值，協(xié)商停止，輸出最優(yōu)的協(xié)商結果.算法如下：

Step 1.初始化多個線程并生成CA的協(xié)商參數(shù)

將得到的初始退讓方案及CA的底線值輸入到線程中.由服務設計者根據(jù)實際情況設定CA的協(xié)商參數(shù)取值范圍，在此范圍內，隨機生成N組協(xié)商參數(shù)：

θi=(αi,λi,wi,Ti),i=1,2,3,…,N

(7)

分別對應到在N個線程中，服務參與者設定agenti的協(xié)商參數(shù)及底線值.由于價值期望可能不止進行一次的退讓協(xié)商，agenti自身會進行記錄，在初始化階段根據(jù)已退讓的價值期望值自動調節(jié)其自身的底線值.我們設定算法迭代搜尋最優(yōu)解的次數(shù)m的閾值為M，此時m=1.

Step 2.在N個線程內同時進行一對一協(xié)商，輸出協(xié)商結果與CA的協(xié)商參數(shù)

Step 2.1.當前協(xié)商次數(shù)t=0，多線程同時開始進行協(xié)商，初始時CA的退讓值為0，默認判定CA為被動協(xié)商者，agent為主動協(xié)商者.

Step 2.2.根據(jù)當前的退讓方案和協(xié)商角色，利用上述滿意度計算公式，計算得到雙方滿意度參數(shù)β(t)，進而計算得到雙方滿意度.

Step 2.3.若CA與agent滿意度都為1，則協(xié)商成功，輸出協(xié)商結果，轉到Step 3.否則，進入Step 2.4.

Step 2.4.滿意度低的一方成為主動協(xié)商者，滿意度高的一方為被動協(xié)商者.

Step 2.5.若協(xié)商次數(shù)t>T,則表示在規(guī)定時間內未協(xié)商成功，協(xié)商失敗并結束，不發(fā)送信息.

Step 2.6.每次協(xié)商角色判定結束后，若主動協(xié)商者依舊為主動協(xié)商者，則說明其當前的α值偏低，此時有：

α=min(α+0.01k,1)

k代表主動協(xié)商者連續(xù)作為主動協(xié)商者的次數(shù).

(8)

其中N為常數(shù)，εa代表當前策略下主動協(xié)商者的退讓值，α代表主動協(xié)商者認為當前策略下的退讓值超出其應該退讓的比例，實際上為一個調節(jié)參數(shù)，其大小影響著博弈過程中策略的變化幅度，且α值隨協(xié)商的進行是不斷調節(jié)變化的，逐漸趨近于實際值.

默認分布為正態(tài)分布計算各個預估底線值的概率：

(9)

(10)

根據(jù)貝葉斯公式計算預估的被動協(xié)商者可以接受的主動協(xié)商者的退讓最小值：

(11)

(12)

Step 3.保存最優(yōu)協(xié)商結果

存儲各個線程輸出的協(xié)商結果中最優(yōu)的協(xié)商結果.

Step 4.搜索次數(shù)判定

m=m+1，若m

Step 5.多線程信息交互

各個線程將協(xié)商參數(shù)與協(xié)商結果發(fā)送給其他線程，接收其他線程發(fā)送的協(xié)商結果后，根據(jù)各個線程的協(xié)商效果，尋找優(yōu)于當前線程的協(xié)商參數(shù)進行學習.每次學習隨機選擇其第p(p=1,2,3,4)個協(xié)商參數(shù)進行調整，調整方式如下：

θip=θip+ψ(θjp-θip)

(13)

其中θjp代表隨機選擇學習的第j個線程中的第p個協(xié)商參數(shù)，ψ代表學習率.若無線程優(yōu)于當前線程，則隨機選擇第p個協(xié)商參數(shù)進行隨機調整，在局部進行搜索.當某個線程經過一定次數(shù)后結果依舊沒有進步時，則放棄當前參數(shù)，重新在定義域內隨機生成一組參數(shù)加入當前線程，回到Step 2.

4 案例驗證

網(wǎng)約車是一種跨界服務，一般由app運營商、導航公司、出租車司機等參與者跨界合作形成.本節(jié)以網(wǎng)約車服務為例，驗證本文所提方法.本文提出的方法只需要跨界服務中的基本信息，故方法也適用于跨界服務的其他場景，具有很強的普適性.

在某網(wǎng)約車服務發(fā)起前，服務的設計者需要根據(jù)各方價值期望，對質量指標進行一定的配置.首先由網(wǎng)約車服務參與者對價值指標及價值期望進行聲明，如表1所示，本網(wǎng)約車服務所在地的客戶總量約二十萬人，共有出租車一萬量.最大退讓值由參與者決定，但作為私密信息只發(fā)送給本方代理，并不公開.價值指標的權重值由此時網(wǎng)約車服務現(xiàn)階段的市場策略決定.

表1 價值期望聲明Table 1 Value expectation statement

根據(jù)服務提供者的實際服務能力，對相關質量參數(shù)與其取值范圍進行聲明，如表2所示.

結合表1和表2中對于價值期望與質量指標的聲明信息，我們可以通過人為判斷或分析收集到的數(shù)據(jù)等方法得到當前跨界服務中每個價值指標與質量參數(shù)間的相關關系函數(shù)和質量參數(shù)間的自相關關系函數(shù)，所有關系函數(shù)組成的約束條件如下所示：

表2 質量參數(shù)聲明Table 2 Declaration of quality parameters

此時計算約束條件限定的可行域為空，可知存在價值沖突，需要進行價值沖突消解.我們分別使用TS_VCR和傳統(tǒng)的基于斯塔克爾伯格博弈的自動協(xié)商方法(縮寫為ANBS)[13]對沖突進行消解，比較消解效果.協(xié)商參數(shù)設定如表3所示.

表3 協(xié)商參數(shù)設定Table 3 Settings of negotiation parameters

CA1代表TS_VCR中的整體利益的協(xié)商代理，協(xié)商參數(shù)根據(jù)參數(shù)的取值范圍隨機進行生成.CA2代表傳統(tǒng)的基于斯塔克爾伯格博弈的自動協(xié)商模型(簡稱為ANBS)中整體利益的協(xié)商代理，協(xié)商參數(shù)為確定的一組值，由服務組織者設定.在協(xié)商中，協(xié)商最大輪次T由CA決定.為了方便對比，agenti(i=1,2,3,…,6)的協(xié)商參數(shù)在兩種協(xié)商方法中保持一致.

分別利用以上兩種方法對以上問題進行沖突消解，得到結果如圖4-圖7和表4所示.對比圖4和圖5，我們發(fā)現(xiàn)，TS_VCR中對于價值期望并未進行過多輪數(shù)的協(xié)商，ANBS中經過8輪協(xié)商消解掉所有沖突，而TS_VCR中僅僅經過3輪，協(xié)商輪數(shù)要明顯少于ANBS的協(xié)商輪數(shù).通過圖6我們也可以發(fā)現(xiàn)，初始退讓方案相同的情況下，TS_VCR中價值期望的協(xié)商退讓值要明顯大于ANBS中的協(xié)商退讓值，每次的協(xié)商效果比起ANBS更強，進一步證明了在當前場景下Stackerberg博弈相比于其他博弈方法的優(yōu)越性.圖7中我們發(fā)現(xiàn)在沖突消解結束后，TS_VCR的集體效用損失要小于ANBS，跨界服務的戰(zhàn)略計劃可以被更好地執(zhí)行.

圖4 TS_VCR的協(xié)商退讓結果Fig.4 Negotiation framework of TS_VCR圖5 ANBS的協(xié)商退讓結果Fig.5 Negotiation framework of TS_VCR

圖6 兩種協(xié)商方法關于vp4退讓值的協(xié)商效果Fig.6 Negotiation effect of two negotiation methods on vp4

圖7 價值沖突消解過程中的整體效用損失變化Fig.7 Changes in loss of global utility in the process of value conflict resolution

表4中顯示了兩種協(xié)商方法最終得到的價值期望退讓方案和退讓后的價值期望，我們可以發(fā)現(xiàn)，TS_VCR協(xié)商結果中第4個價值期望“投入成本”的退讓值要明顯高于ANBS的協(xié)商結果，說明TS_VCR的最終結果傾向于增加投入成本保證其他價值期望的實現(xiàn)，通過觀察當前價值期望權重值可以發(fā)現(xiàn)投入成本的權重相對其他指標更低，推測出當前此網(wǎng)約車公司處于市場開拓期，戰(zhàn)略計劃是加大投入優(yōu)化用戶體驗并搶占市場，此時TS_VCR的退讓結果可以更好地實現(xiàn)搶占市場的戰(zhàn)略目標.

表4 協(xié)商結果對比Table 4 Comparison of negotiation results

表4中顯示TS_VCR協(xié)商時間要少于ANBS，這是因為雖然多線程計算會使用更多計算資源與時間進行協(xié)商，卻降低了協(xié)商輪數(shù)，從而降低了方案計算次數(shù)和可行性檢驗次數(shù)，方案計算和可行性檢驗所需時間要遠高于協(xié)商所需時間，因此TS_VCR比ANBS消解的更加迅速.同時TS_VCR可以克服協(xié)商對于CA初始參數(shù)的依賴性，讓協(xié)商更加穩(wěn)定，有效的減少協(xié)商失敗的次數(shù)，減少了協(xié)商參與者在協(xié)商失敗時對于協(xié)商參數(shù)的修改時間，讓協(xié)商更加自動化，減小操作者的負擔.

5 結論與展望

本文基于自動協(xié)商理論對跨界服務中多方參與者的價值沖突進行消解，在充分考慮了跨界服務的組成環(huán)境和各方風險偏好與決策活動等因素對方案影響的基礎上，同時兼顧了整體效用和個體利益，利用基于Stackelberg博弈的群智協(xié)商算法不斷尋找對于整體效用更好的協(xié)商結果，提高整體效用.為保證協(xié)商的公平性，設定了對于退讓價值期望的鎖定機制，避免價值期望被要求過度退讓.由于服務參與者的協(xié)商參數(shù)由其自行設定且保持不變，服務參與者的協(xié)商退讓的上限值是由其自身設定的參數(shù)決定的，保證了服務參與者獨立自主的做出退讓決策.以網(wǎng)約車跨界服務設計中的價值沖突消解為案例，進行了數(shù)值仿真實驗，實驗結果表明本文所提模型和方法可以有效解決跨界服務中的價值沖突問題，且優(yōu)于已有方法.未來研究將引入可變化的質量參數(shù)，在價值期望的退讓和服務質量的提高兩個方面都進行協(xié)商，在更加復雜多變的場景下進行多方價值沖突消解．