فاطمه محمدی آشنانی - دانش آموخته ی کارشناسی ارشد مهندسی فناوری اطلاعات،آزمایشگاه پژوهشی فضای سایبر، گروه مهندسی کامپیوتر، دانشکدهی مهندسی، پردیس فارابی، دانشگاه تهران
زهرا موحدی - استادیار، آزمایشگاه پژوهشی فضای سایبر، گروه مهندسی کامپیوتر، دانشکدهی مهندسی، پردیس فارابی، دانشگاه تهران
کاظم فولادی قلعه - استادیار، آزمایشگاه پژوهشی فضای سایبر، گروه مهندسی کامپیوتر، دانشکدهی مهندسی، پردیس فارابی، دانشگاه تهران

با ظهور وب 4٫0 و گسترش کاربرد عامل های هوشمند در بستر آن، تجارت الکترونیکی با قابلیت ها و ملزومات جدیدی مواجه می شود. یکی از این ملزومات، طراحی پروتکل و استراتژی مناسب برای مذاکره است. مذاکره در دنیای واقعی با اطلاعات ناقص در مورد حریف انجام می شود و موفقیت شرکت کنندگان بستگی به توانایی آنها در فاش سازی اطلاعات دارد به نحوی که رسیدن به توافق را بدون به خطر انداختن سود فردی آنها آسان کند. در این مقاله یک عامل خریدار طراحی شده است که توانایی انجام خودکار یک مذاکره را دارد و با استفاده از یک تکنیک یادگیری ماشینی، اطلاعاتی را در قالب استراتژی از حریف به دست می آورد. دانستن استراتژی حریف موجب کسب سودمندی بالاتر برای عامل می شود. این عامل با استفاده از روش یادگیری بیزی، استراتژی حریف را در طول مذاکره باد می گیرد. نتایج تجربی نشان دهندهی افزایش کارایی مذاکره با استفاده از روش یادگیری بیزی میباشد که با پارامترهایی چون میانگین سودمندی خریدار و سودمندی فروشنده برای مذاکره ارزیابی می شود. نتایج نشان دهندهی افزایش میانگین سودمندی خریدار از 90٪ به 94٪ و میانگین سودمندی فروشنده از 27٪ به 31٪ می باشد.

مذاکره خودکار، سیستم های چندعاملی، مدلسازی حریف، یادگیری بیزی، مذاکرهی چند موضوعی، مذاکرهی یک به چند