产业集群供应链内企业进行多资源的协同采购时,受企业文化、运营模式和产品偏好等因素的影响,集群企业之间容易产生利益冲突。如何快速有效地消解双方矛盾,尽可能地减少对整条集群式供应链的影响,达成双方都接受的合理的协议或方案,成为产业集群内企业之间协同采购面临的实际挑战。首先,将集群式供应链上的供应商和采购企业作为研究对象,分析协同采购的多边谈判特征,构建了一个基于多Agent系统的集群式供应链协同采购协商框架,设置协同采购目标约束函数,并在此基础上建立基于多Agent的集群式供应链协同采购协商模型。在协同采购双边多议题协商的前提下,自适应协商策略成为多Agent冲突消解成功与否的重要因素。针对传统自适应协商策略中的单学习机效率偏低问题,本文研究了一种基于选择性集成学习的自适应协商策略,有效提升了协商效果。在协同采购过程中,通过反复协商,适当调整自适应学习的让步幅度,实现采购双方的冲突消解。首先对协商议题进行K-means聚类,生成多个子数据集;其次,采用支持向量机(SVM)算法对每个评估数据集进行自适应学习,估算让步幅度;第三,以均方根差为筛选条件,将预测表现不好的少数子模型剔除,重新组合,计算权重,建立动态的选择性集成SVM学习模型。第四,利用效用函数判断是否终止当前协商;第五,结合协同采购目标约束函数来选择最佳供应伙伴。借助MATLAB软件,仿真实现多Agent的选择性集成学习自适应协商策略,验证了自适应协商策略的可行性。同时,对照传统SVM的自适应协商策略,从让步幅度预测误差率、预测准确率和协商效用方面,证实了本文提出的基于选择性集成学习的自适应协商策略的有效性。协商是消解集群式供应链协同采购冲突的关键。本文通过构建基于多Agent的集群式供应链协同采购协商模型,同时结合基于选择性集成学习的自适应协商策略来有效消解供应链成员之间的采购冲突,实现采购双方的共赢。