随着Agent技术与电子商务相关技术的结合,基于Agent技术的电子商务模型逐渐成为学术界研究的热点。现有的电子商务系统对商务自动化方面的技术支持仍较为薄弱,尤其是在自动谈判方面。Agent自身所具有的自治性、社会性、反应性和自学习能力能够有效地适应电子交易市场的灵活性。在基于Agent的自动谈判中,Agent代表谈判者通过不断的学习、交换提议来达成双赢的结果,既能节约时间又能实现便捷的交易。如何使Agent在交互过程中提高谈判能力是多Agent系统技术研究的关键问题。理论分析表明,在多Agent谈判系统中引入学习机制,使得每个Agent通过学习来协调自身的行为,能够有效地完成谈判任务。因此,将机器学习理论应用到自动谈判系统中成为电子商务领域的最新研究课题。本文主要研究了在双边多议题谈判中,如何引入学习机制来提高谈判效率。首先,依据国内外相关技术的研究现状,在谈判策略上,分析了传统的依据单一条件提议谈判策略的不足,将依据时间、资源、对手行为等单一因素的谈判策略综合起来,通过对谈判协议的引入以及对提议形式的详细分析,提出了一个基于组合提议的谈判策略。在组合算法上,采用加权求和的方法,组合各单一谈判策略,生成新的提议。然后,阐述了贝叶斯学习在谈判过程中的应用,设计了一个基于Bayesian学习的多Agent谈判模型,并对谈判过程进行了详细的描述。最后设计了基于Bayesian学习的电子商务谈判系统的模型框架,初步实现了一个基于学习的电子商务谈判系统。