非线性偏好聚合知识的在线学习及其在价格与捆绑谈判中的应用
多智能体系统
2007-05-23 v1 计算机科学与博弈论
机器学习
摘要
本文考虑一种多议题谈判形式，其中商店与顾客协商捆绑商品的 contents（内容）和价格。我们提出了关于如何定位当前谈判中互有利益的替代方案的若干关键见解，以及一种相应的程序。我们方法的核心在于，将顾客偏好的聚合（匿名）知识与当前谈判过程中的数据相结合。我们开发的程序要么使用已获得的聚合知识，要么在缺乏此类知识时在线学习相关信息。我们使用具有非线性偏好的模拟顾客进行计算机实验。我们展示了对于各种类型的顾客，具有不同谈判启发式的方法，我们的程序（有无必要的聚合知识）相较于基准方法，显著加快了交易达成的速度，以及增加了交易的数量和帕累托效率。
引用
@article{arxiv.cs/0412106,
title = {Online Learning of Aggregate Knowledge about Non-linear Preferences Applied to Negotiating Prices and Bundles},
author = {Koye Somefun and Tomas Klos and Han La Poutré},
journal= {arXiv preprint arXiv:cs/0412106},
year = {2007}
}
备注
10 pages, 5 eps figures, ACM Proceedings documentclass, Published in "Proc. 6th Int'l Conf. on Electronic Commerce ICEC04, Delft, The Netherlands," M. Janssen, H. Sol, R. Wagenaar (eds.). ACM Press