基于移動(dòng)Agent的智能拍賣系統(tǒng)研究

摘要:該文基于買方為主的拍賣結(jié)構(gòu)，提出了一種基于移動(dòng)Agent技術(shù)的多屬性拍賣系統(tǒng)。采用Skyline算法實(shí)現(xiàn)招標(biāo)的選優(yōu)，協(xié)同過濾技術(shù)實(shí)現(xiàn)投標(biāo)的推薦，利用移動(dòng)Agent技術(shù)優(yōu)勢(shì)完成多屬性拍賣過程的自動(dòng)化處理。分析表明該系統(tǒng)是一種較為有效，智能化的系統(tǒng)。

關(guān)鍵詞:移動(dòng)Agent;拍賣;協(xié)商;智能性

中圖分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2009)35-10072-03

Research on Electronic Auction System Based on Intelligent Mobile Agent

TAO Yong-bo， WANG Zi-qiang

(Dept. of Information Science and Engineering， Hanan University of Technology， Zhengzhou 450001， China)

Abstract: This paper proposed a electronic auction system based on intelligent mobile agent. Skyline algorithm is applied to choose excellent bid submission and a collaborative filtering algorithm is employed to recommend the bid. Automatic process of multi-attribute auction is achieved by using mobile agent. The analysis shows that this system is an efficient and intelligent.

Key words: mobile agent; auction; negotiation; intelligent

隨著Internet的迅速發(fā)展，人類許多活動(dòng)越來越趨于電子化，各種電子商務(wù)活動(dòng)如電子支付，電子拍賣迅速發(fā)展起來，其中最重要的活動(dòng)之一是電子拍賣?，F(xiàn)在，各種拍賣代理系統(tǒng)如eBay，Amazon.com已相繼成立。然而傳統(tǒng)的拍賣活動(dòng)大多數(shù)都是單一拍賣，類似于傳統(tǒng)交易的電子化，缺乏智能性，智能化處理[1]。移動(dòng)Agent 技術(shù)用一種全新的方式對(duì)復(fù)雜、龐大系統(tǒng)進(jìn)行歸納、分析、描述和實(shí)現(xiàn)， 體現(xiàn)了一種新的軟件開發(fā)模式， 為解決分布式復(fù)雜工程提供了可能， 其所代表的智能化和網(wǎng)絡(luò)化趨勢(shì)亦屬必然， 逐漸成為人工智能領(lǐng)域一個(gè)新的研究熱點(diǎn)。文中引入了移動(dòng)Agent 技術(shù)來彌補(bǔ)網(wǎng)上拍賣的不足， 利用移動(dòng)Agent 技術(shù)優(yōu)點(diǎn)來實(shí)現(xiàn)多屬性拍賣過程的自動(dòng)化處理， 使得拍賣更加智能化， 適應(yīng)性更強(qiáng)[2]。

1 相關(guān)簡(jiǎn)述

移動(dòng)Agent系統(tǒng)由分布在不同信息節(jié)點(diǎn)上的相互協(xié)作的一組Agent子系統(tǒng)以及管理各個(gè)子系統(tǒng)信息的調(diào)度Agent系統(tǒng)組成。多屬性拍賣是采購拍賣的一種， 定義為拍賣人與投標(biāo)人交易時(shí)考慮到多個(gè)屬性的一種拍賣模式[3]。多屬性拍賣是一種解決一對(duì)多投標(biāo)的有效方法， 經(jīng)濟(jì)學(xué)家將多屬性效用理論廣泛地應(yīng)用于多屬性拍賣，利用多屬性效用評(píng)價(jià)函數(shù)來準(zhǔn)確表達(dá)用戶的屬性偏好， 拍賣的理想情況是選擇可以達(dá)到最高期望效用的投標(biāo)。Che 設(shè)計(jì)了一種二維(價(jià)格和質(zhì)量)拍賣模型以提高政府采購的能力， 模型采用密封式拍賣， 投標(biāo)根據(jù)買方設(shè)定的評(píng)價(jià)規(guī)則來評(píng)估。Branco的模型將成本影響加入多屬性拍賣中， 采用兩段式拍賣， 在第一階段買方選擇一個(gè)廠家， 第二階段廠家控制成本達(dá)到預(yù)定的質(zhì)量標(biāo)準(zhǔn)。研究認(rèn)為完全公開買方偏好是買方最優(yōu)策略， 但完全公開買方偏好對(duì)買方來說并不公平， 應(yīng)該設(shè)計(jì)一種僅公開環(huán)境參數(shù)的拍賣系統(tǒng)， 根據(jù)參數(shù)， 買方考慮各個(gè)屬性的權(quán)重以達(dá)到最大收益[4]。Bichler 的研究表明多維拍賣中得到的效用值明顯高于傳統(tǒng)單屬性拍賣。

2 移動(dòng)Agent系統(tǒng)

本文模型的主要工作流程:

1) 買方發(fā)布商品目錄， 定義偏好結(jié)構(gòu)， 發(fā)布招標(biāo)書;

2) 買方根據(jù)采購方發(fā)布的產(chǎn)品需求進(jìn)行信息搜索， 根據(jù)招標(biāo)所需填寫投標(biāo)書;

3) 采購方查看供應(yīng)商基本信息， 評(píng)估所有投標(biāo)， 如果匹配則回復(fù)選中投標(biāo)， 拍賣結(jié)束， 否則進(jìn)行協(xié)商談判， 達(dá)成協(xié)議， 拍賣結(jié)束。

系統(tǒng)框架:別定義如下:

基于上述流程， 系統(tǒng)按功能劃分模塊并用多個(gè)Agent 分工合作來實(shí)現(xiàn)拍賣任務(wù)， 其內(nèi)部模塊結(jié)構(gòu)為買方Agent組、調(diào)度Agent 組、買方Agent 組三大部分。系統(tǒng)結(jié)構(gòu)如圖1所示。

各個(gè)Agent的主要功能:

買方Agent:買方Agent負(fù)責(zé)從人機(jī)接口處得到采購方所需產(chǎn)品目錄信息， 偏好屬性結(jié)構(gòu)， 同時(shí)將偏好屬性結(jié)構(gòu)傳送給效用評(píng)估Agent。效用評(píng)估一般利用效用函數(shù)進(jìn)行，

即U=w1E1+w2E2+w3E3+......+wjEj， wj=Qj/ΣQj， 其中wj 為權(quán)重， 表示不同屬性的相關(guān)重要性， Qj表示屬性的重要性參數(shù)， 效用評(píng)估采用招標(biāo)優(yōu)選算法。

招標(biāo)生成Agent:

就是根據(jù)用戶輸入的屬性要求和偏好，自動(dòng)生成招標(biāo)標(biāo)書， 以及對(duì)不合理的招標(biāo)標(biāo)書進(jìn)行調(diào)整。投標(biāo)方在投標(biāo)的時(shí)候不能看到用于評(píng)標(biāo)的那部分設(shè)置， 如條件的權(quán)重等[5]。評(píng)標(biāo)過程使用效用評(píng)估Agent。人機(jī)接口部分主要處理采購方與Agent 之間的交互， 包括用戶對(duì)效用評(píng)估Agent 的修改和對(duì)招標(biāo)方案制定或調(diào)整的干預(yù)等。

調(diào)度Agent:

調(diào)度Agent在整個(gè)移動(dòng)Agent系統(tǒng)中作用在于收集，管理，統(tǒng)計(jì)，查詢各種Agent資源，按照其功能分類或建立Agent聯(lián)盟，并負(fù)責(zé)同其他Agent系統(tǒng)之間通訊，同時(shí)它在這個(gè)系統(tǒng)中擔(dān)當(dāng)可信任的安全認(rèn)證中心，保證各Agent系統(tǒng)之間的安全通訊[6]。建立了買方Agent和賣方Agent之間的通信聯(lián)系。

買方Agent:其中買方Agent 則從調(diào)度Agent處得到產(chǎn)品目錄信息， 從基本信息庫查看采購方基本信息， 根據(jù)招標(biāo)方案， 買方Agent 根據(jù)自身能力是否滿足服務(wù)要求和獲得的交易效用的估算來決定是否參與投標(biāo)[6]。同時(shí)投標(biāo)推薦Agent 填寫投標(biāo)書， 使得投標(biāo)Agent的推薦中標(biāo)率提高， 本文采用投標(biāo)推薦算法。投標(biāo)則發(fā)送投標(biāo)書給調(diào)度Agent。人機(jī)接口部分主要處理賣方與Agent之間的交互， 包括賣方對(duì)效用評(píng)估的修改和對(duì)投標(biāo)方案制定或調(diào)整。

信息庫:

在這個(gè)系統(tǒng)中，信息庫有兩種，一種存放著本地的信息，它供Agent子系統(tǒng)調(diào)用，另一種信息庫存放著Agent的信息，供調(diào)度Agent使用[7]。信息庫采用數(shù)據(jù)庫的技術(shù)來存儲(chǔ)。

3 招投標(biāo)算法

快速實(shí)現(xiàn)招投標(biāo)算法一直是拍賣中的熱點(diǎn)問題，本文設(shè)計(jì)了招標(biāo)選優(yōu)與投標(biāo)推薦算法來實(shí)現(xiàn)該多屬性拍賣模型中的快速投招標(biāo)問題。

3.1 招標(biāo)選優(yōu)算法

在招標(biāo)過程中招標(biāo)Agent應(yīng)用Skyline查詢算法快速篩選出較優(yōu)的投標(biāo)，目前， 對(duì)Skyline 查詢的研究已得到國際上眾多研究者的廣泛關(guān)注， 并提出了許多有效算法。例如:BNL(Block Nested Loops)算法[8]。BNL 算法的基本思想是: 在主存中保留一個(gè)窗口， 窗口中存儲(chǔ)的是臨時(shí)Skyline 點(diǎn)， 通過反復(fù)從輸入數(shù)據(jù)集中讀取數(shù)據(jù)點(diǎn)和窗口中的點(diǎn)進(jìn)行支配比較， 一個(gè)讀入數(shù)據(jù)點(diǎn)p 通過比較會(huì)有以下三種情況: 1)點(diǎn)p 支配窗口中的點(diǎn)，窗口中被點(diǎn)p 支配的點(diǎn)全部刪除， 點(diǎn)p 插入到窗口中; 2)點(diǎn)p被窗口中的數(shù)據(jù)點(diǎn)支配， p 被刪除; 3)點(diǎn)p 和窗口中的點(diǎn)不互相支配， 點(diǎn)p 插入到窗口中。當(dāng)窗口中的數(shù)據(jù)點(diǎn)在主存中無法容納時(shí)， 可將其存入輔助存儲(chǔ)器的臨時(shí)文件中[9]。每次迭代后， 窗口中輸出的點(diǎn)是全局Skyline 點(diǎn)的一部分， 將臨時(shí)文件作為輸入數(shù)據(jù)集進(jìn)行下一次迭代， 當(dāng)臨時(shí)文件為空時(shí)， 迭代終止。所有從窗口中輸出的點(diǎn)就是全部的Skyline 點(diǎn)。該算法可以應(yīng)用到任意維空間。

輸入:所有供應(yīng)商的投標(biāo)

輸出:最優(yōu)投標(biāo)或者幾個(gè)較優(yōu)投標(biāo)

具體步驟:

1) 將所有投標(biāo)在采購商要求的所有屬性維利用BNL 算法預(yù)處理， 刪除被支配的點(diǎn)(不理想的投標(biāo))。

2) 對(duì)剩下的投標(biāo)， 根據(jù)屬性權(quán)重， 抽出部分屬性再次進(jìn)行BNL 算法處理。刪除被支配點(diǎn)(部分重要屬性上不理想的投標(biāo)。

3) 如果剩下的投標(biāo)數(shù)目小于輸出要求的投標(biāo)數(shù)目， 直接輸出， 否則根據(jù)輸出前N個(gè)。

3.2 投標(biāo)推薦算法

競(jìng)標(biāo)中不明確采購方的各屬性權(quán)重， 為了更好的投標(biāo)。投標(biāo)推薦Agent的任務(wù)就是從案例庫中找出類似的拍賣， 在投標(biāo)推薦 Agent中使用協(xié)同過濾技術(shù)[10]。采用投標(biāo)推薦算法計(jì)算出采購者的招標(biāo)屬性權(quán)重。

輸入:采購者的采購信息以及部分興趣度

輸出:推薦Agent 計(jì)算出推薦興趣度

具體步驟:

1) 從數(shù)據(jù)庫中找出與采購者采購相同物品的采購數(shù)據(jù);數(shù)據(jù)庫中的相關(guān)用戶數(shù)據(jù)可以通過以下矩陣的形式存放。

2) 根據(jù)修正的余弦相似性度量方法計(jì)算出采購方各個(gè)供應(yīng)商之間興趣的相似性。

3) 根據(jù)相似性數(shù)組找出最近鄰居集合。

3.3 系統(tǒng)結(jié)構(gòu)分析

1) 系統(tǒng)利用多個(gè)移動(dòng)Agent的優(yōu)勢(shì)分工合作自動(dòng)完成任務(wù)，并發(fā)的完成拍賣過程，智能化，自動(dòng)化程度高，而且移動(dòng)Agent可以按照拍賣任務(wù)直接遷移到目標(biāo)節(jié)點(diǎn)，執(zhí)行買方競(jìng)價(jià)搜索和相關(guān)處理任務(wù)，完成指定的任務(wù)后返回結(jié)果[11]。

2) 系統(tǒng)中的買方、調(diào)度方、買方都是分散的， 其計(jì)算是異步的， 沒有系統(tǒng)的全局控制。而移動(dòng)Agent 系統(tǒng)放松了對(duì)集中式、規(guī)劃、順序控制的限制， 因此模型中采用移動(dòng)Agent 技術(shù)來分散控制、應(yīng)急和并行處理的能力。

3) 系統(tǒng)中招標(biāo)Agent 使用招標(biāo)優(yōu)選算法， 根據(jù)屬性維的權(quán)重， 通過BNL 算法可以在招標(biāo)的所有屬性維空間上降低到有限維空間， 對(duì)有限維空間上的投標(biāo)進(jìn)行處理， 以減少不理想投標(biāo)個(gè)數(shù)。在招標(biāo)過程中， 只需各個(gè)屬性的權(quán)重， 而無須用戶依靠自己的感覺與經(jīng)驗(yàn)來決策招標(biāo)對(duì)象。

4) 系統(tǒng)中投標(biāo)Agent 采用協(xié)同過濾技術(shù)個(gè)性化、準(zhǔn)確地推薦。能夠過濾難以進(jìn)行機(jī)器自動(dòng)分析的信息， 可以共享他人的經(jīng)驗(yàn)， 避免了分析的不完全和不精確， 并且能夠?qū)σ恍?fù)雜，難以表述的概念進(jìn)行過濾。能夠有效地使用其它相似客戶的反饋信息， 加快個(gè)性化學(xué)習(xí)的速度， 有推薦新信息的能力， 減少協(xié)商次數(shù)。

5 結(jié)論

本文提出的基于移動(dòng)Agent 的多屬性拍賣模型， 改進(jìn)了目前多屬性拍賣缺乏智能性、自動(dòng)化程度不高的缺陷。在模型中使用多個(gè)算法來提高移動(dòng)Agent 的工作效率， 從而使得拍賣加速， 該模型是一種自動(dòng)化、智能化、高效的模型。如何在模型中應(yīng)用更高效的算法， 使得模型更具合理性以及仿真實(shí)現(xiàn)是下一步的工作。

參考文獻(xiàn):

[1] Bichler M. An experimental analysys of multi-attribute auction [J].Decision Support systems，2000(29):249-268.

[2] Branco F. Design competition of multidimensional auctions[J].Rand Journal Econonmics，1997，28(1):63-81.

[3] Jennings N. Wooldridge M. Agent theories. Architecture， and languages a survey[D]. UK: University of London，1995.

[4] Jennings， N. R. Wooldridge，M.J. Agent-Oriented Software Engineering[J].Handbook of Agent Technology， 2001(18).

[5] Ouzzani M， Bouguettaya A. Efficient Access to Web Services[J].IEEE Internet Computing，2004，8(2):34-44.

[6] 蔡自興.人工智能及其應(yīng)用[M]. 北京:清華大學(xué)出版社，2003.

[7] 張李義，段凌，鄧漢化.面向電子采購的多屬性拍賣模型[J].武漢大學(xué)學(xué)報(bào)，2004，37(4):97-100.

[8] 崔燕妮.面向Agent的理論與應(yīng)用[J].云南師范大學(xué)學(xué)報(bào)，2002(5).

[9] 樊曉聰.面向Agent軟件工程(I): Agent計(jì)算、編程風(fēng)范與語言設(shè)計(jì)[J].計(jì)算機(jī)科學(xué)，1998，25(3).

[10] 鄭人杰，殷人昆.軟件工程概論[M].北京: 清華大學(xué)出版社，1998.

[11] 胡軍，管春.基于拍賣博弈的電子商務(wù)自動(dòng)協(xié)商[J].微計(jì)算機(jī)信息，2006(30):117-119.