基于贝叶斯分类的增强学习协商策略

被引：6

作者：

孙天昊 ^{[1
,2
]}

陈飞 ^{[1
]}

朱庆生 ^{[1
]}

曹峰 ^{[2
]}

机构：

[1] 重庆大学计算机学院

[2] 中国嘉陵工业股份有限公司(集团)信息技术部

来源：

计算机科学 | 2011年 / 38卷 / 09期

关键词：

贝叶斯分类; 增强学习; 协商策略; 协商历史;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了帮助协商Agent选择最优行动实现其最终目标,提出基于贝叶斯分类的增强学习协商策略。在协商过程中,协商Agent根据对手历史信息,利用贝叶斯分类确定对手类型,并及时动态地调整协商Agent对对手的信念。协商Agent通过不断修正对对手的信念,来加快协商解的收敛并获得更优的协商解。最后通过实验验证了策略的有效性和可用性。

引用

页码：227 / 229+247 +247

页数：4

共 8 条

[1] 基于机器学习的自动协商决策模型
程昱
高济
古华茂
傅朝阳
[J]. 软件学报, 2009, 20 (08) : 2160 - 2169
[2] 一种基于混合遗传算法的双边多议题协商
李剑
牛少彰
[J]. 北京邮电大学学报, 2009, 32 (02) : 1 - 4
[3] 一种优化的基于增强学习协商策略
孙天昊
朱庆生
李双庆
周明强
[J]. 计算机工程与应用, 2008, (30) : 24 - 25+53
[4] 基于对手态度学习的协商决策模型
程昱
高济
古华茂
傅朝阳
[J]. 浙江大学学报(工学版), 2008, (10) : 1676 - 1680
[5] Multiagent Systems: A Survey from a Machine Learning Perspective[J] . Peter Stone,Manuela Veloso.Autonomous Robots . 2000 (3)
[6] On agent-mediated electronic commerce. Minghua He,N.R Jennings,Ho-Fung Leung. IEEE Transactions on Knowledge and Data Engineering . 2003
[7] BLGAN:bayesianlearning and genetic algorithm for supporting negotiationwith incomplete information. Kwang M S,Guo Y Y,Shi B Y. IEEE Transactions onSystems,Man,and Cybernetics,Part B:Cybernetics . 2009
[8] Automated Service Negotiation Between Autonomous Computational Agents. Peyman Faratin. University of London . 2000

← 1 →