Agent劝说算法：基于文献改进的劝说模型及系统

本章的算法是基于对文献［12］的改进。为了简化表述，假定参与劝说的Agent 数和议题数均为两个。先作如下假设：

（1）买方Agent A 和卖方Agent B 的劝说议题集都只包括价格和交货期，为I =｛IP，ID｝。

（2）对买方来说，对价格值和交货期值的希望都是越低越好；对卖方来说，则正好相反。

（3）买卖双方劝说的策略集相同，均只包括威胁和奖励，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。

（4）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：

（5）Agent A和Agent B对各议题的值的集合为和

（6）对于每个Agent 的每个议题，都能取多个值，这里取其中的两个。例如，对于Agent A，有价格值

（7）Agent A和Agent B 对各议题所取值的集合的偏好顺序为。以Agent A为例，显然有

（8）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：(www.xing528.com)

（9）Agent A 和Agent B 都存在保留值集合R =｛RA，RB｝、阈值集合Q =｛QA，QB｝、关于对方所提出劝说的评价值集合U =｛UA，UB｝这3 个集合。对于每次劝说，集合U 中每个元素的值都不同，且在劝说过程中，一直有RA ＜R B。

（10）如果评价值与保留值之差大于阈值，Agent 选择威胁的策略生成劝说，否则选择奖励的策略生成劝说。

算法具体描述如下：接收到对方提议或劝说后，被劝说方根据自身对劝说的评价的算法评价该提议或劝说。

以Agent A 为例，评价值的计算为

其中的值根据被劝说方对的计算后确定的顺序选择，该计算根据劝说影响因子XA 完成：

在上式中，对于买方，选择加号计算；对于卖方，选择减号计算。

被劝说方将计算出的对该劝说的评价值与自身保留值进行比较，如满足要求，接受劝说，完成交易；否则将对该值与其自身保留值的差与阈值进行比较，并且对应于不同阈值，选择不同的劝说策略，同时结合接收到劝说后自身偏好修改后的顺序选择相应议题值，提出新的劝说。