基于Multi—Agent的农产品交易协商议价模型的研究

刘洁晶+李琳

摘 要：价格是影响电子商务系统顺利运行的关键，网上交易系统的价格机制会受到资源市场的多重影响，存在很多难以协调控制的问题。课题研究立足于河北地区农产品交易市场的大环境，在深入了解农产品交易市场复杂度的基础上，构建基于Multi-agent的农产品交易协商议价模型，深入分析模型的结构和算法。选取适当的价格机制为商品交易提供行为决策，网络交易过程中买卖双方都能够根据价格作出对自己最有利的决策。

关键词：价格机制；议价策略；Nash平衡；销售策略

中图分类号：TP311 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.15.011

电子商务的兴起打破了传统交易模式的壁垒，为产品的传送提供了更好的体验，切入市场快速、买卖双方交易快速和配送快速，使网上交易迅速壮大。在网上交易迅猛发展的同时，其中也存在一些问题，而价格协商就是一大典型问题。价格机制是导致市场复杂的关键因素，作为影响买卖双方交易的重要因素，价格受到资源市场多方面的影响。在交易过程中，买卖双方对价格的需求和期待各不相同，协商议价又是一件极其耗费精力、时间的事情，如何将难以协调控制的价格因素简单化，节省交易双方协商议价的隐形成本，提高交易效率，成为了当前网络交易的一大难点。Agent技术作为自主的智能体结构，为改善交易价格的协商机制提供了可能，能够对买卖双方协商议价过程中的许多行为实现自动化或半自动化的处理。课题研究着眼于河北地区农产品网上交易过程，提出了基于Multi-agent的农产品交易协商议价模型，从而为商品交易双方提供更好的交易体验。

1 河北地区农产品交易特点

河北地区作为农产品产量高、品类丰富的农业大省，农产品交易具有独特的地域特点，主要包括以下3点：①农产品交易价格受市场调控，具有典型的滞后性。农产品作为一类特殊产品，具有典型的季节性、阶段性、保鲜期较短等特点。受市场环境的影响，在产品供不应求时，价格突涨，本地大量缺货；而在产品供过于求时，价格暴跌，大量农产品滞销，受农产品保鲜期影响，不少农户为了防止产品烂掉，盲目贱价销售，损失严重。造成这一现状的主要原因就是农产品交易双方无法自主调控交易价格，达到双方的协调平衡，进而在实际交易过程出现大量农产品滞销或本地大量缺货的情况。②现有的网上交易系统关注更多的是产品客观信息，缺少对交易完整过程的统筹考量。网上交易系统普遍缺少价格协商机制，忽略了买卖双方对商品属性偏好不同的实际情况。交易双方要想完成交易，就需要花费大量人力、物力和时间沟通、了解。③网上交易系统缺乏买卖双方的议价机制。在产品交易的过程中，买卖双方通过讨价还价来实现双方的利益最大化。在现有的网络交易系统中，对这一过程的用户体验设计不足。很多调查研究表明，买卖双方的讨价还价过程可以使买方产生更好的购买体验，即使通过讨价还价节省下的成本极其有限，却更容易推动交易的成功。

基于以上特点，在网上交易系统中实现协商议价功能具有重要的意义。Agent作为智能化的结构，具备多个Agent彼此合作、协调和协商的能力，通过引入Multi-agent技术，构建农产品交易协商议价模型，能够在很大程度上满足买卖双方对协商过程的需求。

2 基于Multi-Agent的农产品交易协商议价模型

Multi-Agent是由多个相对独立的Agent结构组成的系统，多个Agent之间可以彼此交流、协商，比如在日常生活中，人们与他人协同合作，协商完成任务等。因此，采用Multi-Agent结构设计网上交易协商议价模型是可行的。具体模型结构如图1所示。

如图1所示，将交易协商议价模型设计成MAS，由Agent智能体代替具体的人监视多个交易过程的发展，自动协商。模型中设计了多个代表个体利益的买方Agent和卖方Agent，交易过程中双方通过协商确定产品价格。

2.1 议价Agent来说

同一产品对不同的购买者有不同的价值，卖方可以根据买方以往的交易记录合理推测买方的喜好，针对买方对物品评价的个性化倾向选取更加灵活多变的销售策略，以推动交易顺利完成。模型设计采用基于Nash平衡的多Agent协商交互策略，即买卖双方的Agent都试图让自身利益最大化，通过理性选择平衡点，以最大限度减少对方Agent可能对自身造成损失为目标，确定交易价格。具体模型如下：

定义多Agent协商交互模型M=< BAgent，SAgent，{ti }，{uik }>，i=1，2，…，n；k =1，2，…，n（其中，BAgent代表所有买方Agent的集合，SAgent代表所有卖方Agent的集合）。

任意一个Agent结构都具有一个纯策略集，即Agent（i）对应于策略集Ti={t1，t2，…，ti}，在第k次与外界交互时，Agent（i）存在一个效用函数uik。

待模型中每个Agent都选定对应的策略ti后，所有Agent就形成了一个局势S=（s1，s2，…，sn）。其中，si∈ti ，i=1，2，…，n，即Agent（i）的策略选择在第k次交互时形成的局势记为sk。

设s*=s*k是M的一个局势，如果每个Agent满足uik（s*k||ti）≤uik（s*k），且至少存在一个i使等号不成立，则称s*为模型M在第k次交互时的一个纯平衡点。

模型M的每一次交互必有Nash平衡局势存在，因此，在交易过程中，必然存在一种方式使各个Agent达成统一协调，进而平衡多方利益。

2.2 策略管理Agent

在工作过程中，要管理交易过程中买家和卖家的交易策略，设计最适合买家的购买策略和最适合卖家的定价策略。通过动态学习买卖双方以往的交易习惯和兴趣喜好，对产品采取供需平衡定价的交易模式——每个买方Agent对自己喜好的产品都有一个预设的心理接受上限值，不超过这个值的成交价格都可以接受；卖方根据自己的实际投入成本，给出最终的交易价格。最终交易价格的确定与卖方的定价策略、买方Agent的购买策略密切相关，策略管理的目标是在双方都能够接受的前提下，买方Agent用尽可能低的价格完成购买，卖方Agent在这个过程中获得尽可能高的销售量。

2.3 交易管理Agent

监控交易的整个过程发展，实时更新、维护交易系统数据库，为参与交易的Agent提供统一的运作管理和服务。

2.4 Agent管理器

根据客户端的身份和请求为用户创建对应角色的Agent，买方Agent作为产品购买者的代理，从事产品评价、购买活动，卖方Agent作为产品出售者的代理，从事产品销售活动。Agent管理器时刻关注每个Agent的活跃状态，及时撤销已经完成协商议价活动的Agent，为请求接入的客户端创建新的Agent代理结构，动态监控每个Agent的活动。

2.5 搜索Agent

买方Agent根据用户的需求和过往的交易习惯，借助搜索Agent在系统中动态搜索所需要或是感兴趣的产品，对产品给出对应的兴趣评价，并动态地选择符合购物者需要的卖方进行协商议价，预留的兴趣评价将有助于卖方提供更灵活的销售策略，推动协商议价的进行。

3 Multi-Agent通信机制的实现

Agent通信机制是MAS实现多Agent彼此协同协作的基础。模型设计使用Agent通信原语传递消息时，传递方式为一对一或一对多。以卖方消息的发送和接收过程为例，具体源码实现如下：

4 结束语

农产品交易协商议价模型的建立有助于网络交易的进一步推广和发展，引入Multi-Agent技术，使网络交易实现智能化和半自动化成为可能。这样，可以极大地节省买卖双方在交易过程中所花费的人力、物力、财力和时间成本，能够为参与交易的双方带来更好的操作体验。鉴于笔者的水平、研究时间和其他条件，模型研究尚不完善，对Agent自主学习算法在协商议价中的应用还有待进一步研究。

参考文献

[1]郭清兰.农产品电子商务模式问题研究[J].价值工程，2010（2）：17-18.

[2]储军飞，潘郁，张振海.技术创新平台中基于Agent的多议题协商算法与策略[J].计算机应用，2013（11）：3114-3118.

[3]张亚明，刘海鸥，邢胜飞.Agent在线逆向拍卖自动协商模型及策略[J].电子商务，2014（05）：53-54.

[4]任海英，商晓坤.柔性作业车间调度的多Agent协商策略[J].计算机工程，2011（02）：417-422.

[5]石纯一，张伟.基于agent的计算[M].北京：清华大学出版社，2007.

〔编辑：白洁〕