基于多Agent供应链协同的自适应协商方法

蒋国瑞，庞 婷



基于多Agent供应链协同的自适应协商方法

蒋国瑞，庞 婷

(北京工业大学经济与管理学院，北京 100124)

在供应链协同过程中常出现价格、数量、交货时间等冲突，若不及时消解会影响供应链的整体利益。为有效化解供应链协同冲突，弥补传统协商缺点，提出一种基于多Agent的自适应协商方法。该方法以二级供应链，即制造商和供应商的订货为研究对象，使用多Agent供应链协同作为约束条件，采用案例推理为主要协商算法，引入灰色关联度到案例集与目标案例相似度中，将遗传算法应用于相似案例议题权重的优化中。通过算例验证该方法可简化案例相似度的计算，提高解决冲突的效率，并加强自适应性，为消解冲突提供最优决策。

自适应协商方法；多Agent；供应链协同；灰色关联度；案例推理；遗传算法

1 概述

供应链企业在价格、数量、交货时间等方面难免产生冲突，消极的冲突阻碍着供应链运行效率的提高[1]，无法满足目前动态变化市场的要求，造成成本增加、收益减少。为了既能有效解决冲突，又使企业在订货等环节达成双赢，供应链企业通常采用协商的方法。传统方法依赖人工协商，其过程耗时长、成本高、难于及时达成双方满意的协议[2]。分布式Agent具有自治、交互、学习的特点，可解决供应链复杂动态的问题[3]。许多学者将Agent用于供应链协商中，例如在库存资源约束的情况下，设计制造商Agent与多个下游企业Agent同时谈判的框架[4]；建立基于Agent的供应链协商框架，并描述协商Agent状态信息[5]。为适应变化的环境及对手，将自学习机制引入到协商中成为相关领域学者关注的问题。如采用强化学习方法生成提议，使用传统Q-学习算法优化协商效果[6]；建立基于人工免疫算法的多属性谈判模型，快速收敛于全局最优解[7]；采用支持向量机学习估计协商对手的效用函数[8]。案例推理是利用类似的已有知识解决目前问题的自学习方法，在协商决策时借鉴以往经验可降低消解冲突难度[9]，已有许多研究将案例推理引入协商谈判中[10-11]，有效解决冲突，优化协同效果。

然而，目前对于供应链协商方法缺乏深入研究，不能从实质上有效化解供应链冲突；对于自学习方法的协商研究缺乏根据对手行为变化和历史信息动态调整自身策略，存在自适应性差的缺点，同时缺少实际应用；对于案例推理协商的研究，相似度单纯依靠人工计算且方法复杂，使得协商时间和成本增加，且计算结果会出现多个满足条件的相似案例，增加协商决策难度。

基于此，本文在供应链协同方面，给出一种自适应协商方法。采用灰色关联系数[12]计算案例相似度，满足供应链动态复杂的要求且过程简单，可缩短协商时间，快速化解冲突；同时利用遗传算法的智能搜索机制[13]优化案例议题的权重，增强自适应性且弥补多个满足条件案例的缺点，为解决冲突的协商决策提供最优结果。

2 问题描述

为简化问题及较好地阐述，以二级供应链(供应商和制造商)的订货冲突为研究对象。假定在某个交易中，制造商Agent向供应商Agent提交了订货的订单，双方针对该订单内容产生冲突。双方为达成都满意的协议，开始进行协同协商。

2.1 协商流程

供应商Agent和制造商Agent具体的协同协商流程如图1所示。当供应商Agent或制造商Agent接到对方提议后，对该提议进行评估。如果满足要求能够接受，协商结束，否则该Agent在自己案例库中按照给定的自适应方法，检索与对手提议相似的案例。如果检索到，将此案例作为反提议交给对手，否则修正案例，再检索满足条件的相似案例，并作为反提议提出。接着对手Agent开始重复上面的流程，直至双方都满意，协商结束。

图1 协同协商流程

2.2 主要参数设定

在基于多Agent供应链协同的自适应协商方法中，定义下列参数：

(1)设协商Agent集合为，={供应商Agent, 制造商Agent}。

(4)设为协商的结果，={接受,拒绝}。

基于上述分析，用一个四元组来表示本协商模型，定义为={,,,}。

2.3 议题评估

设Agent有一个对对方提出议题的综合评估值，表示为：

假定Agent接受对方的议题评估阈值为，当≥，Agent接受对方的提议，达成协议，协商结束，否则检索案例库，提出反提议。

2.4 案例的表示

表1 案例的表示

3 基于灰色关联度的案例相似度计算

以供应商Agent为例，若对制造商Agent提出的议题值不满意，便将制造商Agent提出的议题值看作目标案例，进而检索自己的案例库。设为供应商Agent的案例库中的案例集矩阵，共有个议题，个案例。可以表示成×维的矩阵：

Step3定义为个案例两极最大差，为最小差，分别表示如下：

其中，为分辨系数，∈[0,1]。

Step5定义为综合灰色相似度，表示如下：

4 基于遗传算法的案例议题权重优化

若有多个相似案例时，使用遗传算法继续优化这些相似案例的权重，缩小满足条件案例的范围，为决策提供最满意的结果。以供应商Agent为例，对权重优化过程进行描述。

4.1 编码及适应度函数

协商议题的数量为n，则每条染色体的长度为l=s×n，编码方式如图2所示。

4.2 遗传算子

4.2.1 选择

设群体规模为。首先将适应度最高的个体保存下来，然后对其余的个体使用轮盘赌方法进行－1次选择操作。设每个个体的选择概率p(=1,2,…,－1)，计算公式如下：

每次赋予个体一个随机数∈[0,1]，若p－1<≤p，则选择第个个体。

4.2.2 交叉

交叉操作采用双点交叉方式，在相互配对的2条染色体中，随机设置2个交叉点为1,2∈[1,]，设交叉概率为p，赋予交叉点之间的每个基因一个随机数∈[0,1]，若u>p，则交换2个个体的基因，从而产生新染色体。具体操作示例如图3所示，其中有短线标识的基因满足条件进行交叉。

图3 交叉操作

4.2.3 变异

变异操作与交叉相似，也赋予每个个体上的基因一个随机数∈[0,1]，设定变异概率p，若u>p则取反，0变成1或1变成0，以此确定新个体。具体操作示例如图4所示，其中，有短线标识的基因满足条件进行变异。

图4 变异操作

4.2.4 算法终止条件

5 协商方法步骤描述及算例

5.1 协商方法步骤描述

根据上述方法思路，描述整个协商步骤如下：

Step1设置各个参数值，一方Agent提出协商议题值集合。

Step2对手Agent按式(1)分析评估，若满足≥，双方达成协议，协商成功结束，转入Step6；否则转入Step3。

Step6输出决策结果，并维护案例库，挑选出很少能与Agent的议题匹配的案例，将其删除，提高检索案例的效率。

5.2 算例

(1)参数设定

2)设定供应商Agent可以接受对方提议的综合评估值阈值为6，制造商Agent为5。

3)其他相关参数设定如表2所示。

表2 其他参数值

表3 供应商Agent的案例库

表4 制造商Agent的案例库

(2)协商过程

首先，使用一般相似度计算方法计算案例集与目标案例的相似度，公式[14]定义为：

由上述协商过程及结果比较可看出，本文提出的协商方法具有以下优点：(1)协商次数只有3轮，且灰色相似度计算过程简单，可以缩短协商时间，提高解决供应链协同冲突的效率；(2)若只采用灰色关联度计算相似度，会有多个案例满足条件，而利用遗传算法优化权重，最终只有一个案例满足条件，可以增强适应性，为化解冲突提供最优决策。

6 结束语

供应链企业在价格、数量、交货时间等方面的冲突成为提升供应链协同效率的障碍。为了有效地解决冲突，本文提出一种基于Agent供应链订货-供货协同协商方法。该方法利用灰色关联度计算协商案例的相似度，使用遗传算法继续优化议题的权重值。实验结果表明，该方法可以减少协商次数，增强适应性，提供最优决策，从而快速化解订货冲突。下一步工作将建立基于Agent的供应链订货-供货协同框架，结合本文提出的自适应协商方法，系统全面地研究供应链协同过程，为进一步优化协同效果提供合理有效的方法。

[1] 张庆民, 吴士亮, 孙树垒, 等. 冲突条件下供应链库存管理的协商模型[J]. 工业技术经济, 2011, (1): 118-122.

[2] Calosso T, Cantamess M, Gualano M. Negotiation Support for Make-to-Order Operations in Business-to-Business Electronic Commerce[J]. Robotics and Computer-integrated Manu- facturing, 2004, 20(5): 405-416.

[3] Zarandi M H F, Pourakbar M, Turksen I B. A Fuzzy Agent- based Model for Reduction of Bullwhip Effect in Supply Chain Systems[J]. Expert Systems with Applications, 2008, 34(3): 1680-1691.

[4] 蒋国瑞, 王敬芝, 孙华梅, 等. 供应链环境下基于库存约束的多Agent协同谈判研究[J]. 计算机应用研究, 2008, 25(6): 1886-1889.

[5] Zi Wucheng, Luo Xinxing. A Negotiation Model of Supply Chain Based on Multi-Agent[C]//Proc. of the 2nd International Conference on Information and Computing Science. [S. l.]: IEEE Press, 2009: 228-231.

[6] Oliverira E, Rocha A P. Agents Advanced Features for Negotiation in Electronic Commerce and Virtual Organization Formation Process[C]//Proc. of European Agent Link Perspective on Agent Mediated Electronic Commerce. London, UK: Springer-Verlag, 2001.

[7] 蒋国瑞, 吕 星. 基于人工免疫算法的多属性谈判模型[J]. 计算机工程, 2012, 38(7): 139-141, 144.

[8] 程 昱, 高 济, 古茂华, 等. 基于机器学习的自动协商决策模型[J]. 软件学报, 2009, 20(8): 2160-2169.

[9] Mclvor R T, Humphreys P K. A Case-based Reasoning Approach to the Make or Buy Decision[J]. Integrated Manufacturing Systems, 2000, 11(5): 295-310.

[10] 韩 雪, 冯玉强. 基于案例推理的谈判支持系统的研究[J]. 控制与决策, 2008, 23(7): 791-794.

[11]Stella H, Vicente B, Vicente J. Challenges for a Framework for Argumentation in Open MAS[J]. Knowledge Engineering Review, 2009, 24(4): 327-352.

[12] 刘思峰, 党耀国, 方志耕, 等. 灰色系统理论及其应用[M]. 5版. 北京: 科学出版社, 2010.

[13] Sim K M, Guo Yuanyuan, Shi Benyun. BLGAN: Bayesian Learning and Genetic Algorithm for Supporting Negotiation with Incomplete Information[J]. IEEE Transactions on Systems, Man and Cybernetics, Part B: Cybernetics, 2009, 39(1): 198-211.

[14] 唐 敏, 孟 波. 基于Agent和CBR的电子商务谈判系统模型研究[J]. 计算机应用研究, 2006, 23(3): 64-66, 69.

编辑 顾逸斐

Self-adaptive Negotiation Method Based on Multi-Agent Supply Chain Collaboration

JIANG Guo-rui, PANG Ting

(School of Economics and Management, Beijing University of Technology, Beijing 100124, China)

Conflicts like price, amount and delivery time often appear during collaboration of manufacture supply chain, if not eliminated in time, it will affect the whole interest of supply chain. To effectively resolve the conflict of supply chain collaboration and make up for shortcomings of traditional negotiation, this paper proposes a self-adaptive negotiation method based on multi-Agent. This method takes the order of two-echelon supply chain, manufacturer and supplier, as the research object, the multi-Agent supply chain collaboration as constraint condition and the case-based reasoning as the main negotiation algorithm. Gray correlation degree is introduced into the calculation process of similarity for case set and target case. Genetic algorithm is used to optimize the weights of similar case issues. A numerical example is designed to prove this method makes the calculation of case similarity simplified which improves the efficiency of conflict resolution, and strengthens the self-adaptability which provides optimal decision for conflict resolution.

self-adaptive negotiation method; multi-Agent; supply chain collaboration; gray correlation degree; case-based reasoning; genetic algorithm

1000-3428(2014)03-0188-05

A

TP391

国家自然科学基金资助项目(71071005, 70940005)。

蒋国瑞(1954－)，男，教授，主研方向：商务智能，管理信息系统；庞 婷，硕士研究生。

2013-04-12

2013-06-04 E-mail：jianggr@bjut.edu.cn

10.3969/j.issn.1000-3428.2014.03.039