论文部分内容阅读
不完全信息条件下的Agent协商最优回价策略一般采用间接学习对手偏好的方式；另一方面，Agent一般拥有或多或少的经验和知识，这将帮助它们取得更好的协商结果。这启发了用基于案例的方法直接学习得到最优回价，提出了不完全信息条件下基于案例和对策论的Agent多议题Pareto最优协商模型。所给出的算法计算复杂度为多项式级，且当案例库规模控制在一定范围内时低于Fatima工作的计算复杂度。实验结果显示，采用该算法的Agent能够取得比人类更优的效用和更短的达成一致时间，且优于Lin等人的实验效果。改进了Fati