用于讨价还价的策略组合自动配置与使用

讨价还价可用于解决多智能体系统中的混合动机博弈。尽管在自动谈判智能体中实现了大量的谈判策略，但大多数智能体基于单一固定策略，而人们普遍认为不存在适用于所有谈判设置的最佳单一策略。在本文中，我们关注重复遇到对手但讨价还价问题发生变化的讨价还价设置。我们引入了一种新方法，该方法使用训练集自动创建和部署互补谈判策略组合，并通过针对每个设置的策略选择来优化前所未见的讨价还价设置中的收益。我们的方法依赖于以下贡献。我们引入了一种特征表示，用于捕捉对手和讨价还价问题的特征。我们根据对手在谈判过程中的行为对其行为进行建模，这表明了其谈判策略，以便在未来的遭遇中更加有效。我们的基于特征的方法的组合可推广到新的谈判设置，因为在实践中，随着时间的推移，它会在未来的遭遇中选择有效的反制策略。我们的方法在类似 ANAC 的锦标赛中进行了测试，结果表明我们能够赢得这样的锦标赛，与亚军智能体相比收益增加了 5.6%。