Agent技术和电子商务的迅猛发展使电子商务自动谈判成为一个热门的研究课题。随着研究的不断深入,研究的范围从议价谈判逐渐扩展到多议题谈判,并经历了从顺序谈判到并发谈判,从拍卖式谈判到协商式谈判的发展历程。遗传算法在求解多目标优化问题时能有效收敛到最优解。由于多议题谈判需要同时考虑多个议题的取值及权重,本质上属于多目标优化问题的范畴,因此基于遗传算法的多议题自动谈判得到了国内外学者的广泛关注。在多议题谈判中,议题之间存在着两类关联,分别是间接关联和约束。间接关联体现了提议中各议题的取值与提议的总效用之间的关系,约束描述了一个议题取值改变导致另一个议题取值随之变化的现象。现有的研究大多利用多属性效用理论来处理议题的间接关联,但对议题间的约束考虑较少,不能较好地解决约束限制下的多议题谈判问题,极大地限制了其使用价值。针对这一问题,本文研究并建立了一种能明确描述议题之间各种约束的约束规则,设计了一种能从全局的角度直观反映约束的约束图和一种能体现议题取值根据约束规则动态变化情况的议题取值矩阵。接下来对传统遗传算法进行分析和研究,结合遗传算法、约束规则、约束图与议题取值矩阵,提出了一种适用于约束限制下多议题自动谈判问题的改进遗传算法RBGA (Rule Based Genetic Algorithm),建立了基于RBGA的多议题谈判模型,实现了相应的谈判算法。本文最后结合Agent开发平台Jade和集成开发环境NetBeans实现了本文模型的原型系统,在该系统的基础上对本文模型进行了实验分析,实验结果表明,该模型在议题间存在约束时能有效得出谈判的Pareto最优解。