Innovations in Agent-Based Complex Automated Negotiations

مذاکرات خودکار پیچیده به طور گسترده مورد مطالعه قرار گرفته اند و در حال تبدیل شدن به یک حوزه مهم و نوظهور در زمینه عوامل مستقل و سیستم های چند عاملی هستند. به طور کلی، مذاکرات خودکار می تواند پیچیده باشد، زیرا عوامل زیادی وجود دارد که مشخصه چنین مذاکراتی است. این عوامل شامل تعداد مسائل، وابستگی بین موضوعات، نمایندگی ابزار، پروتکل مذاکره، فرم مذاکره (دوجانبه یا چند طرفه)، محدودیت‌های زمانی و غیره است. عوامل نرم‌افزار می‌توانند از خودکارسازی یا شبیه‌سازی چنین مذاکرات پیچیده‌ای از طرف خود پشتیبانی کنند. مالکان، و می توانند استراتژی های چانه زنی مناسبی را برای آنها ارائه دهند. در بسیاری از تنظیمات چانه زنی چند موضوعی، مذاکره به چیزی بیش از یک بازی حاصل جمع صفر تبدیل می شود، بنابراین نمایندگان چانه زنی انگیزه ای برای همکاری برای دستیابی به توافقات برد-برد کارآمد دارند. همچنین، در یک مذاکره پیچیده، ممکن است چندین موضوع وجود داشته باشد که به یکدیگر وابسته هستند. بنابراین، سودمندی عامل پیچیده تر از توابع ابزار ساده می شود. علاوه بر این، فرم‌ها و پروتکل‌های مذاکره می‌تواند بین موقعیت‌های دوجانبه و موقعیت‌های چند جانبه متفاوت باشد. برای تحقق چنین مذاکره خودکار پیچیده‌ای، ما باید از فناوری‌های پیشرفته هوش مصنوعی شامل جستجو، CSP، مدل‌های کاربردی گرافیکی، شبکه‌های خلیج، حراج‌ها، نمودارهای سودمند، روش‌های پیش‌بینی و یادگیری استفاده کنیم. برنامه‌های کاربردی می‌تواند شامل ابزارهای تجارت الکترونیک، ابزارهای پشتیبانی تصمیم‌گیری، ابزارهای پشتیبانی مذاکره، ابزارهای همکاری، و غیره باشد. در این کتاب، ما مقالاتی را در مورد تمام جنبه‌های چنین مذاکرات پیچیده خودکار در زمینه نمایندگان مستقل و سیستم‌های چند عامله درخواست می‌کنیم. علاوه بر این، این کتاب شامل مقالاتی در مورد ANAC 2010 (مسابقه نمایندگان مذاکره خودکار) است که در آن عوامل خودکار که استراتژی‌های مذاکره متفاوتی دارند و توسط توسعه دهندگان مختلف پیاده‌سازی شده‌اند، به طور خودکار در چندین حوزه مذاکره مذاکره می‌کنند. ANAC یکی از بسترهای آزمایش واقعی است که در آن استراتژی‌ها برای نمایندگان مذاکره خودکار به سبک مسابقات ارزیابی می‌شوند.

Complex Automated Negotiations have been widely studied and are becoming an important, emerging area in the field of Autonomous Agents and Multi-Agent Systems. In general, automated negotiations can be complex, since there are a lot of factors that characterize such negotiations. These factors include the number of issues, dependency between issues, representation of utility, negotiation protocol, negotiation form (bilateral or multi-party), time constraints, etc. Software agents can support automation or simulation of such complex negotiations on the behalf of their owners, and can provide them with adequate bargaining strategies. In many multi-issue bargaining settings, negotiation becomes more than a zero-sum game, so bargaining agents have an incentive to cooperate in order to achieve efficient win-win agreements. Also, in a complex negotiation, there could be multiple issues that are interdependent. Thus, agent's utility will become more complex than simple utility functions. Further, negotiation forms and protocols could be different between bilateral situations and multi-party situations. To realize such a complex automated negotiation, we have to incorporate advanced Artificial Intelligence technologies includes search, CSP, graphical utility models, Bays nets, auctions, utility graphs, predicting and learning methods. Applications could include e-commerce tools, decision-making support tools, negotiation support tools, collaboration tools, etc. In this book, we solicit papers on all aspects of such complex automated negotiations in the field of Autonomous Agents and Multi-Agent Systems. In addition, this book includes papers on the ANAC 2010 (Automated Negotiating Agents Competition), in which automated agents who have different negotiation strategies and implemented by different developers are automatically negotiate in the several negotiation domains. ANAC is one of real testbeds in which strategies for automated negotiating agents are evaluated in a tournament style.