互联网的高速发展带动了电子商务产业的繁荣,随着在线业务交易频次和交易规模的日益增加,商家与消费者的在线谈判和沟通等行为变得越来越频繁和密切,实现在线交易谈判过程的自动化已经逐渐成为企业或个人的潜在需求。人工智能技术的发展为自动谈判系统的实现提供了契机,利用Agent技术可以代替用户处理复杂的谈判事务,能够实现随时随地与多方进行谈判,并且可以大幅度提高谈判效率、降低销售成本。因此,基于Agent的自动谈判系统已成为很多学者的重要研究方向。目前关于自动谈判系统的研究,主要集中在机器与机器的谈判,对于人机谈判的研究相对较少,而且往往忽略对谈判对手进行分类,不能根据对手类型采用相应的谈判策略,导致谈判性能低下。对此,本文以增强学习谈判理论为基础,引入对手类型的自适应学习机制,改进谈判效果,并构建出了人机谈判模型。本文主要做了以下几个方面的工作:第一,对Agent技术、自动谈判理论和谈判策略相关方法等进行简单介绍,总结分析现有的自动谈判系统的研究,并指出其存在的问题,说明可以改进的方向。第二,在增强学习谈判算法基础上,创新性地提出一种对手分类自适应学习的谈判机制,根据历史让步信息学习对手的类型,然后选择合适的谈判策略,并通过大量的仿真实验证明了该方法的有效性。第三,通过分析人在谈判中表现的特点,考虑到人在谈判中会出现一些作弊行为,结合心理学知识,构建了一种具有学习能力的人机谈判模型,并根据模型开发出了人机谈判系统。第四,为了验证构建的对手分类自适应学习方法在人机谈判中是否具有优良的表现,本文设计了两组对比实验,实验结果表明在人机谈判中加入对手分类策略的谈判方式能够使Agent获取更高的收益,提高了 Agent在人机谈判中的经济效用。本文通过将增强学习算法应用到人机谈判系统中,引入识别对手类型的学习方法,把构建模型、仿真实验和实证研究相结合,利用实验证明了提出的模型可以使自动谈判系统更加有效,更加符合电子商务环境下Agent所代表用户的利益。