随着Internet技术的发展和传统的商务活动向网络的转移，越来越多的学者开始研究电子商务自动谈判模型，自动谈判系统已成为解决用户与商家冲突的重要渠道。在现实中，当买家与卖家进行交易时，往往要针对产品的多个属性进行交涉，并希望与多个卖家同时进行，从而选取最优方案。因此一对多、多属性谈判模型的研究更具现实意义。 本文在详细阐述自动谈判系统研究现状的基础上，总结了一对多、多属性谈判的特点，利用模糊隶属度函数进行效用表达，引入竞争机制和贝叶斯学习机制，设计了两个基于遗传算法(GA)的一对多、多属性谈判模型：竞争机制模型和报价一反报价模型。本文模型使用模糊数学中的正态分布函数进行效用的表达，采用双方接受度乘积的形式来计算适应度，在一定程度上避免了目前采用的线性加权方法的弊端，同时为了提高遗传算法的收敛速度，模型中采用了动态的选择概率和变异概率，使得具有较大适应度的个体在下一代中具有更大的存活可能性，同时为了在下一代中获得更加多样的个体，模型加大了交叉概率，另外，本文模型采用将上一代中所有的针对每个卖方形成的最优方案同时放到下一代中的每一个卖方的染色体编码中的办法，体现多个卖方之间的竞争关系，另外在报价一反报价模型里，本文采用贝叶斯学习机制动态的学习对方各个款项权重的变化，通过不断更新对对方权重的猜想使己方获得最大效益。在最后，本文给出了对竞争机制模型利用Swam平台进行模型仿真的仿真结果，仿真结果表明本模型大幅度提高了遗传算法的收敛速度，同时也证明了模型的合理性，得出的最终结果也与现实相吻合。