AgentA与劝说结果的偏好值变化

为了说明该模型，同时为了简化，可以选择两个Agent 正在就某产品进行交易，交易议题为两个，该交易通过劝说的方式实现。先作如下假设：（1）实验中拟定的数据及计算结果最多精确到小数点后两位。

（2）买卖双方为Agent A 和Agent B。对于买方Agent A 来说，希望价格越低越好，交货期越短越好，因此，Agent A 对价格和交货期的期望值都是越低越好；对于Agent B来说，则正好相反。

（3）双方的议题集相同，包括价格和交货期，均为I =｛IP，ID｝。

（4）双方的策略集相同，包括威胁和奖励，均为S =｛T，R｝。作为劝说策略，威胁和奖励在人类劝说中最为基本和常见，因此在这里被采用，以利于研究。

（5）Agent A 和Agent B 对各议题的权重集以及集合中各元素的关系如下：

（6）Agent A和Agent B对各议题的值的集合为和

（7）对每个Agent 的每个议题，都有多个相同值，取其中的两个。例如，对于Agent A，有价格值

（8）Agent A 和Agent B 对各议题所取的值的集合的偏好顺序为以Agent A为例，显然有

（9）Agent A 和Agent B 对各策略的权重集以及集合中各元素的关系如下：

（10）Agent A的保留值、阈值和评价值分别为RA、QA 和UA，Agent B的保留值、阈值和评价值分别为RB、QB 和UB。

表7-1和表7-2分别为Agent A和Agent B在劝说过程中保持不变的各项值及相应权重。

表7-1　Agent A 在劝说过程中保持不变的值和相应权重

表7-2　Agent B 在劝说过程中保持不变的值和相应权重

表7-3和表7-4分别为Agent A和Agent B在劝说过程中关于各议题的初始值、权重和初始偏好值。

表7-3　Agent A 在劝说过程中对各议题的初始值、权重和初始偏好值

表7-4　Agent B 在劝说过程中对各议题的初始值、权重和初始偏好值

在劝说过程中，根据劝说不同而不同，其他值保持不变，且RA ≤RB。(www.xing528.com)

威胁的劝说力度通常比奖励大，因此，如评价值与保留值之差大于阈值，Agent 将选择威胁生成劝说，否则选择奖励生成劝说。

Agent A 和Agent B 的劝说过程如下：

（1）Agent A 选择价格初始值中较为偏好的4（初始偏好值为0.27）和交货期初始值中较为偏好的3（初始偏好值为0.33），生成初始提议向Agent B提出，该初始提议为

（2）Agent B对该提议进行评价，相应计算为

UB = 0.8×4 + 0.2×3 = 3.8

由于UB ＜RB，因此，不接受该提议，同时按下一步生成相应劝说向Agent A提出。

（3）根据评价机制，Agent B计算得

（| UB - R B |= 0.4）＞（QB = 0.3）

相应地，Agent B 将选择威胁策略，同时选择自身关于价格初始值中较为偏好的6（初始偏好值为0.51）和交货期初始值中较为偏好的5（初始偏好值为0.39），向Agent A 生成并提出劝说

（4）在接收到以上劝说后，Agent A 对该劝说做出相应评价，评价值的计算为

UA = 0.5×6 + 0.5 ×5 = 5.5

与保留值比较后有UA ＞RA，因此该轮劝说不成功。这时，Agent A需要根据该劝说进行信念修正。这里以价格值为6 为例，计算为

关于信念的具体修正值如表7-5所示。结果表明，Agent A接收到该劝说后，对价格值中较为偏好的仍然是4，对交货期值中较为偏好的却不再是3，而是修改为5。此外，由于（|UA -RA|= 1.3）＜（QA = 1.5），因此，Agent A选择奖励策略，向Agent B生成并提出劝说

表7-5　Agent A 在接收到Agent B 第一次劝说后的偏好修改值

（5）在接收到以上劝说后，Agent B根据评价机制中的计算公式，计算出对该劝说的评价值为

UB = 0.8×4 + 0.2×5 = 4.2

此时有UB = RB，因此劝说成功，完成交易，最终交易结果为价格值是4、交货期值是5。

为了验证以上模型和例子，可以选择Jade 作为开发平台，Java 作为开发语言，将Agent A和Agent B分别称为BuyerAgent 和SellerAgent，实现劝说系统。以前者为例，主要代码如下：