自动协商的研究具有重要价值，它将传统活动中的协商经验应用于智能化的自动协商中，研究传统活动中协商经验的方法，采用人工智能技术对协商的决策函数、协商提议、协商策略等进行学习与推理，形成合理的自动协商过程，能够提高自动协商的智能程度，促进协商系统的发展。　　 在协商中，协商参与者追求自身的最大利益是协商的最终目的，协商者代表的是个人或组织的需求，他们通过交换提议来寻求一种双方都能接受的方案。但是协商并不是无限制地满足自身的利益，其有一定的利益界限。如果协商参与者各持己见，互不让步，协商必定失败。　　 在自治协商的过程，经常会发生由于某个协商Agent议题没有达到平衡点，导致协商陷入僵局的情形。当僵局出现时，如果不采取一定的消解机制，那么在限时条件下很可能会使得协商失败，大大降低协商成功率以及协商效用。因此，为了提高协商成功率以及协商效用，很有必要对协商僵局消解机制展开研究：　　 在深入学习双边多议题自治协商过程以及僵局消解过程之后，本文提出了一个协商僵局的模型，明确了协商僵局产生时的状态，对其中的参数给出了明确的定义，使得对于协商僵局的分析过程更加明确；同时提出了一种基于议题权重学习方法，并提出了一个基于有限坚持策略的协商僵局消解策略，通过使用权值学习以及基于坚持策略对协商僵局进行消解，从而实现对协商模型的优化。　　 文中涉及到了协商僵局的多个方面，具体包括：协商过程分析、协商僵局消解过程分析、协商僵局的检测、协商僵局模型的建立、学习机制、协商僵局消解策略。　　 最后通过试验对文中提出的方法和策略进行验证，试验结果有效证明了本文提出的策略的可行性及有效性。实验结果表明本论文提出的方法既保证了协商参与者利益的，又能够有效解决协商僵局问题。