随着网络技术的迅猛发展,电子商务作为一种全新的企业经营手段迅速发展并逐渐成熟。在电子商务环境下,交易双方往往会为了争夺有限的资源,而不可避免的产生争议与冲突。在电子商务应用背景下,消解这种冲突的一种有效方式是自动协商。自动协商是一种利用智能Agent代表其协商者和其它的Agent进行某项资源交易的过程,它借助于计算机平台,将整个协商过程数字化、模式化,并可根据具体的需求进行扩展,具有高效性、自动性和抗干扰性等特点。随着商务活动范围的逐渐扩大及企业需求的提高,当前的电子商务环境变得愈来愈开放,企业可以在更广阔的市场空间中寻求更多的合作伙伴。在开放电子商务环境下的协商问题中,企业会面对更多不确定因素的影响,涉及的信息量更大,协商过程更为复杂。利用自动协商解决开放电子商务环境下的冲突问题,可以有效地提高交易效率和降低交易成本,具有重要的现实意义和广阔的应用前景。目前,针对开放电子商务环境下的协商问题,国内外相继提出了一些形式化的模型,为后续的深入研究奠定了重要的基础。但是现有的研究中仍存在以下几点不足:(1)当前协商模型中Agent过于理性,缺乏对非理性因素影响的考虑,而实际协商中双方往往会受到自身性格特征、心理偏好及情绪波动等非理性因素的影响;(2)在开放电子商务环境下,现有的竞争合作协商模型仅仅根据个体数量分析环境变化,而未考虑不同能力的个体带来影响的不同,且模型中提出的协商策略不够灵活,个体决策时仅仅考虑当前利益,进行让步时未根据偏好均衡各个议题的让步值,无法保证决策者的收益水平;(3)开放电子商务环境下,由于受到环境因素的影响,协商时往往做出多次的让步或交互仍不能达到满意的协商结果,从而导致协商效率比较低。本文以开放电子商务环境下自动协商为研究背景,针对以上问题展开研究,主要工作与创新点概括如下:1.提出一种非理性环境下的协商模型,克服了传统模型仅考虑理性因素的不足,有效的提高了模型的实用性,解决了非理性环境影响下的协商决策问题。在该协商模型中借鉴心理学相关知识,引入个性偏好和性格特征两种长期性的影响因素,并结合协商过程的特点提出一种心理优越度作为时变的影响因素,三种因素构成了简化的非理性影响环境;为体现环境变化对协商的影响,又提出一种基于环境影响的效用评价函数,该函数在基本效用函数的基础上,结合了三种非理性因素的扰动;为了灵活应对环境的变化,提出一种基于环境变化的协商策略;实验结果表明,该模型能够较好的模拟非理性环境对协商的影响,且提出的协商策略在应对环境变化时取得了较好的效果。2.提出一种新的竞争合作环境下的协商模型,克服了现有模型对环境分析不够、决策不够灵活且收益较低的不足,有效的解决了竞争合作环境下的协商决策问题。在该模型中借鉴生态学相关知识,将协商中的买卖双方定义为两个种群,利用种群自生长原理并结合协商问题特点,定义种群竞争合作分析模型;为了应对环境变化的影响,提出一种新的决策模型,该模型以环境分析的结果为基础,综合考虑协商个体对长远及当前利益的需求,不仅提高了协商模型在动态环境下决策的灵活性,同时也提高了决策者的收益;在确定最优让步值时,采用权衡多议题让步的方法,让协商者在偏好较低的议题上做出较大让步,从而显著提高了决策者的收益水平;经过实验验证,该模型不仅能够较好的模拟外部环境对协商的影响,而且能在分析环境变化的基础上进行有效应对。3.提出两种改进的粒子群算法,将两种算法分别应用到非理性协商模型和竞争合作协商模型中,提高了两个模型的协商效率。在非理性协商模型中,应对环境变化时需要根据环境影响搜索最优让步值,但是这样会降低协商模型的效率。针对这一问题,本文提出一种自学习对称粒子群算法搜索最优让步值。在该算法中利用静态粒子检测环境的变化,并利用广域学习机制和对称粒子降低算法陷入局部最优的几率,从而提高算法的全局搜索能力。实验结果表明,该算法不仅能够迅速感知环境的变化,而且显著提高了求解精度,有效的克服了传统算法易早熟的不足;与其它算法相比,该算法在收敛速度及求解精度上都具有明显的优势。在竞争合作协商模型中,采用均衡多议题让步的方法提高决策者的收益水平,但是多议题让步的均衡会降低协商效率。针对这一问题,本文提出一种基于合作协同的粒子群优化算法用于均衡决策者的让步值。在该算法中利用粒子群算法作为各个种群的优化方法,采用极值变异方法有效地避免了粒子群算法易早熟的不足;同时,采用分级抽样技术和邻域空间进化方法,克服了传统协同进化算法在采样和全局搜索方面的不足。实验结果表明,该算法能够在保证解质量的前提下提高搜索效率;与其它算法相比,该算法在收敛速度及求解精度上都具有明显的优势。