论文部分内容阅读
在供应链产销的多个环节中,制造商与销售商由于企业目标、文化、运作方式等的不同,很容易产生矛盾。只有快速、有效解决各种矛盾,才能改善链上企业的合作关系,保证供应链的有效运营。协商则成为了关键,Agent通过协商解决矛盾的同时,期望效益最大化。然而在现实生活中,链上企业在保证整体利益的基础上,必然会追求自身利益最大化,一旦感受到自身利益受损会产生消极的合作态度,甚至严重的会退出整个供应链。所以,如何评估或体现Agent公平感知对其行为的影响尤为必要以及重要,以确保整条供应链的有序、稳定、长久的运行。因此,本文主要关注生产-销售环节,研究公平感知下的多Agent协商策略。首先,考虑了Agent公平感知对其让步行为的影响,给出了公平感知下的多Agent协同协商框架、模型和流程。该框架是建立在多议题多边协商基础上,具有提议提交、市场交易评价、协商策略生成三大模块;协商模型是在Agent不完全自利、具有公平感知等假设下,构建了一个六元组模型;协商流程则体现了公平感知下Agent让步行为调整并产生最优策略的过程。其次,从公平关切及模糊公平两个视角,应用不同公平表示方法及学习算法,探讨了Agent公平感知下的自适应协商策略。一是,关于公平关切下的自适应协商,考虑Agent的公平关切行为,采用Ernst Fehr和Klaus M.Schmidt的F-S不公平厌恶模型,并通过RBF神经网络优化Actor-Critic学习算法,预测并调整双方Agent的让步幅度,提出一种AC-RBF的自适应策略。二是,关于模糊公平下的多Agent自适应协商,考虑Agent的分配公平和程序公平感知,使用模糊逻辑来表达公平这一模糊的概念,并将模糊推理与BP神经网络相结合,通过模糊网络推导出Agent的公平接受程度,再利用Actor-Critic学习算法,调整当前协商状态下的Agent让步幅度,提出一种AC-FNN的自适应策略。最后,使用Matlab仿真软件对两种协商策略进行了有效性的评估。在两级供应链的多边多议题情景下,构建了公平感知下的自适应协商模型,给出了议题初始值及参数等数值,并分别对AC-RBF协商策略和AC-FNN协商策略进行了仿真,以验证两种算法是符合实际的、有效的。