随着Internet的发展，电子商务已成为当前一种重要的商务方式。在商务活动中，买卖双方在交易时必然会因商品属性的要求不同而产生冲突和争议，这时一般采用谈判方式来达成共识。传统的谈判通常会由买卖双方面对面的进行，这种方式势必会耗费大量的人力、物力和时间，有时还会受到一些环境和人为因素的影响，而出现诸多不公平性和随机性，甚至使谈判失败。随着电子商务应运而生的自动谈判方式在很大程度上可以解决这些问题。软件Agent技术由于其自治性、交互性和智能性等能有效地适应交易的灵活性要求，被视为电子商务中极为有用的技术之一。如何有效地将先进的Agent技术运用于电子商务自动谈判领域，已经成为经济学家和计算机学者共同研究的一个主要方向。商务谈判中所涉及的商品属性除了价格这个主要属性外，往往还包括数量、质量、保修期、送货方式等其他属性，因此，本文的研究主要是针对多议题自动谈判展开的。对于谈判对象而言，有一对一、一对多和多对多的谈判方式，在现有的顺序谈判中，一个时刻只能为一对一的谈判，那么当一个时刻同时有多个买方Agent向卖方Agent发出购买请求时，卖方Agent就要决策按照怎样的顺序接收请求，由要按怎样的原则发出提议。这就是Agent自动谈判中一个关键的问题，即Agent的决策行为，Agent在决策时除了利益驱动以外，还应当考虑到社会性因素和谈判对手的个性特征，以便在谈判中实现“双赢”。本文的研究工作主要包括以下几个方面：1．分析了人工智能领域自动协商和电子商务领域自动谈判，以及Agent社会性的研究现状，构建了一个基于Agent的多议题自动谈判模型，给出了该模型的形式化定义以及不同角色Agent的形式化描述。2．提出了传播度和合作度的概念，给出了基于树型模型的传播度计算机方法和基于BP神经网络的合作度预测方法和学习机制，并运用Matlab工具对合作度进行了训练学习。3．探讨了时间约束下的谈判策略，并以此为基础提出了一种新的出价策略，和基于合作度的谈判策略。当一个时刻同时有多个买方Agent向卖方Agent发出购买请求时，卖方按照买方合作度高低决定首先响应哪个买方Agent，并根据合作度和自身效用、时间偏好的不同有针对性的给出相应的谈判策略。4．最后，在以上基础上，采用JaVa技术开发了一个多议题自动谈判的模拟实验，对不同的谈判策略进行评估，也验证了引入合作度因素后谈判的可行性和有效性。