一种改进的基于多智能体的供应链协商报价模型

交通运输系统工程与信息 ›› 2009, Vol. 9 ›› Issue (3): 109-113 .

一种改进的基于多智能体的供应链协商报价模型

李义华^{* 1 2};李夏苗¹

1.中南大学交通运输工程学院，长沙 410075;2.中南林业科技大学交通运输工程学院，长沙 410004

收稿日期:2008-03-18 修回日期:2008-05-10 出版日期:2009-06-25 发布日期:2009-06-25
通讯作者: 李义华
作者简介:李义华（1975-），男，湖南茶陵人，讲师，博士生
基金资助:
国家自然科学基金项目（70172015）

Improved Price Negotiation Model in Supply Chain Based on Multi-Agent

LI Yi-hua ^1,2； LI Xia-miao ¹

1. School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China; 2. School of Traffic and Transportation Engineering, Central South University of Forestry & Technology, Changsha 410004, China

Received:2008-03-18 Revised:2008-05-10 Online:2009-06-25 Published:2009-06-25
Contact: LI Yi-hua

摘要/Abstract

摘要： 利用多智能体模拟供应链中企业自动报价协商是智能商务得以实现的关键技术之一。本文对多主体的协商过程进行了形式化描述；在分析前人出价策略模型及相关参数确定的基础上，利用不同概率密度函数模拟各主体的不同出价策略，构造了一种新的出价策略协商报价模型；对概率密度函数中各参数的有关确定和实际意义进行了分析；主体在价格协商过程中，用自身的下一步期望出价和保留价格确定自身报价策略，同时还考虑了对手报价情况，使价格协商过程与现实中的“讨价还价”现象一致。最后通过实际算例对模型的实用性和合理性进行了分析和验证。

关键词: 多智能体, 虚拟企业, 协商模型, 报价策略, 概率密度函数

Abstract: Simulating the automatic negotiation between enterprises in supply chain by the multi-agent system is one of the critical technologies to realize intelligence business. This paper first describes the negotiation process in a fixed format. Based on analyzing the predecessor’s price strategy model and value confirmation of the correlation parameters, the authors develop a new price strategy negotiation model using different probability density functions imitating different price strategy, and analyze the value confirmation and actual meaning of the parameters in the function. During the process of price negotiation, the aothors determine the agent’s strategy by its next expectation price and reservation price, and also take the adversary’s price into account, which makes the negotiation process consistent with the phenomenon of “argy-bargy” in real life. The authors finally analyze and validate the practicability and rationality of the model by the numerical examples.

Key words: multi-agent, virtual enterprise, negotiation model, price strategy, probability density function

中图分类号:

U491.5⁺⁴

李义华,李夏苗. 一种改进的基于多智能体的供应链协商报价模型[J]. 交通运输系统工程与信息, 2009, 9(3): 109-113 .

LI Yi-hua, LI Xia-miao . Improved Price Negotiation Model in Supply Chain Based on Multi-Agent[J]. Journal of Transportation Systems Engineering and Information Technology, 2009, 9(3): 109-113 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract17820.shtml

http://www.tseit.org.cn/CN/Y2009/V9/I3/109

[1]	曲昭伟，潘昭天，陈永恒，李海涛，王鑫. 考虑博弈的多智能体强化学习分布式信号控制[J]. 交通运输系统工程与信息, 2020, 20(2): 76-82.
[2]	秦焕美，郑飞，刘卓，刘姝莉. 基于智能体模拟的浮动式停车价格实施效果研究[J]. 交通运输系统工程与信息, 2019, 19(6): 26-31.
[3]	鹿应荣，许晓彤，丁川，鲁光泉. 车联网环境下信号交叉口车速控制策略[J]. 交通运输系统工程与信息, 2018, 18(1): 50-58.
[4]	牛忠海，贾元华，张亮亮，廖成. 一种基于分布式网络多智能体的匝道协同控制方法[J]. 交通运输系统工程与信息, 2015, 15(5): 81-88.
[5]	焦薇，刘凯. 物流园区合作共生系统利润分配研究[J]. 交通运输系统工程与信息, 2013, 13(4): 36-41.
[6]	杨文东, 黄鹂诗,刘万明. 首都机场航班延误分布规律分析[J]. 交通运输系统工程与信息, 2013, 13(2): 199-204.
[7]	马超，崔建勋. 基于多智能体的多应急车辆信号优先控制研究[J]. 交通运输系统工程与信息, 2013, 13(1): 57-.
[8]	张才春,马军,杨肇夏. 建立基于虚拟企业模式的我国运输代理联盟的必要性分析[J]. 交通运输系统工程与信息, 2010, 10(3): 14-17 .
[9]	王龙飞,陈红,李杨,邵海鹏. 基于FIPA的智能停车服务环境研究[J]. 交通运输系统工程与信息, 2009, 9(4): 59-65 .
[10]	刘红红,杨兆升. 基于神经网络的实时交通信号控制与仿真研究[J]. 交通运输系统工程与信息, 2008, 8(2): 43-47 .
[11]	李瑞敏,郑宗杰,陆化普,史其信. 基于多智能体系统的综合交通信息平台研究[J]. 交通运输系统工程与信息, 2006, 6(1): 28-32 .
[12]	杨兆升,刘喜敏,卢守峰. 基于混合遗传算法的多Agent交通控制系统[J]. 交通运输系统工程与信息, 2006, 6(1): 64-67 .
[13]	杨兆升,陈昕,王媛,蔡长青,唐阳山. 城市交通控制与诱导系统智能协作[J]. 交通运输系统工程与信息, 2005, 5(6): 43-46 .
[14]	张涛,蔡朝辉,宋靖雁,封加波. 智能集散型城市交通流信息集成总体方案简介[J]. 交通运输系统工程与信息, 2003, 3(2): 11-17 .
[15]	陶志祥, 黄卫. 城市交通控制的新发展[J]. 交通运输系统工程与信息, 2002, 2(3): 14-17 .