随着电子商务服务和软件技术的快速发展，具有一定独立性、智能性、可移动性的Agent以及由其组成的多Agent系统被广泛地用于模拟、优化、实现电子商务活动中的自动谈判。本文在深入学习自动谈判协议、谈判策略、效用函数和模糊逻辑的基础上，提出了一种一对一多属性综合式模糊推理适应性自动谈判模型，用于解决现存自动谈判系统中主观估计对手偏好信息，忽略对手报价历史，不能响应谈判环境变化，不具有主动学习能力的问题。 在理论上，本文利用模糊逻辑理论构建电子商务协商模型和协商策略，用9条if-then模糊规则分别给出连续款项和离散款项的模糊推理策略，针对协商过程中的协商策略，提出了基于时间和基于对手行为的让步策略。模型通过比较对手报价的效用与用模糊规则新产生的报价的效用的大小，辅助谈判参与方做出接受报价，给出反报价，结束谈判的决定。为了使模型具有学习机制，模型运用贝叶斯学习方法，分析对手报价历史，寻找高效率的信息沟通规律，逐步获得对手偏好信息；引入遗传算法对模糊规则参数进行编码，通过基本的遗传操作实现优化模糊推理系统的目的。 在方法上，引入多Agent技术实现交易谈判机制，并在Swarm平台上对提出的模型进行仿真。为了评估不同谈判策略的谈判效果和时间消耗程度，本文对谈判双方分别采用不同的谈判策略进行仿真实验。仿真结果表明，本文提出的模糊推理自动谈判系统能根据谈判环境的变化，动态调整让步幅度，生成合理提议；模型通过综合运用模糊推理技术和机器学习方法，完善了智能体的学习与推理能力，这对提高电子商务系统整体效率具有一定意义。