Thương lượng tự động dựa trên độ đo tương tự trong hệ đa ...tainguyenso.vnu.edu.vn/jspui/bitstream/123456789/37255/1/V_L0... · Chương 1 THƯƠNG MẠI ĐIỆN

Thương lượng tự động dựa trên độ đo tương tự trong hệ đa Agent

1

Thương lượng tự động dựa trên độ đo tương tự trong hệ đa Agent / Đặng Thành Trung ; Nghd. :

TS. Trần Đình Quế

MỤC LỤC MỤC LỤC .................................................................................................................... 1

DANH MỤC BẢNG BIỂU ........................................................................................... 3

DANH MỤC HÌNH VẼ ................................................................................................ 4

MỞ ĐẦU ...................................................................................................................... 5

Chương 1 THƯƠNG MẠI ĐIỆN TỬ ............................................................................ 8

1.1 THƯƠNG MẠI ĐIỆN TỬ ...................................................................................... 8

1.1.1 Một số khái niệm .............................................................................................. 8

1.2.2 Các mô hình giao dịch điện tử .......................................................................... 8

1.2 THƯƠNG LƯỢNG ................................................................................................. 9

1.2.1 Tổng quan về thương lượng .............................................................................. 9

1.2.2 Thương lượng song phương dựa trên ràng buộc mờ có trọng số ...................... 10

1.3 KẾT LUẬN ........................................................................................................... 10

Chương 2 CÔNG NGHỆ AGENT ............................................................................... 11

2.1 TỔNG QUAN VỀ AGENT ................................................................................... 11

2.1.1 Khái niệm Agent ............................................................................................ 11

2.1.2 Các đặc trưng của agent .................................................................................. 11

2.2 HỆ ĐA AGENT .................................................................................................... 11

2.2.1 Khái niệm ....................................................................................................... 11

2.2.2 Môi trường tính toán thích hợp cho hệ đa agent .............................................. 11

2.2.3 Mô hình tương tác .......................................................................................... 11

2.3 NGÔN NGỮ TRUYỀN THÔNG GIỮA CÁC AGENT ........................................ 12

2.3.1 KQML là gì? .................................................................................................. 12

2.3.2 Đặc trưng của KQML ..................................................................................... 12

2.3.3 Cú pháp KQML ............................................................................................. 12

2.4 PHƯƠNG PHÁP LUẬN PHÁT TRIỂN HỆ ĐA AGENT ..................................... 13

2.5 agentTool và agentMom ........................................................................................ 13


2

2.6 KẾT LUẬN ........................................................................................................... 14

Chương 3 AGENT RA QUYẾT ĐỊNH ....................................................................... 16

3.1 MỘT SỐ KHÁI NIỆM CƠ BẢN........................................................................... 16

3.1.1 Tập mờ và ngữ nghĩa khái niệm mờ................................................................ 16

3.1.2 Đại số các tập mờ ........................................................................................... 16

3.1.3 Quan hệ mờ .................................................................................................... 17

3.2 MÔ HÌNH AGENT RA QUYẾT ĐỊNH ................................................................ 18

3.2.1 Mô hình ra quyết định agent bán..................................................................... 18

3.2.2 Mô hình ra quyết định agent mua ................................................................... 22

3.3 KẾT LUẬN ........................................................................................................... 24

Chương 4 MÔ HÌNH THƯƠNG LƯỢNG .................................................................. 25

4.1 BÀI TOÁN ........................................................................................................... 25

4.2 CHIẾN LƯỢC THƯƠNG LƯỢNG ...................................................................... 25

4.2.1 CHIẾN LƯỢC CHO AGENT MUA .............................................................. 25

4.2.2 CHIẾN LƯỢC CHO AGEN BÁN.................................................................. 26

4.4 KẾT LUẬN ........................................................................................................... 28

Chương 5 DỊCH VỤ HỖ TRỢ MUA BÁN XE MÁY MoSeB .................................... 29

5.1 GIỚI THIỆU BÀI TOÁN ...................................................................................... 29

5.2 PHÂN TÍCH VÀ THIẾT KẾ ................................................................................. 29

5.2.1 Phân tích ........................................................................................................ 29

5.2.2 Thiết kế .......................................................................................................... 35

5.3 CÀI ĐẶT VÀ TÍCH HỢP ..................................................................................... 38

5.3.1 Lưu trữ hệ tri thức .......................................................................................... 38

5.3.2 Mô hình hệ thống ........................................................................................... 39

KẾT LUẬN ................................................................................................................ 40

TÀI LIỆU THAM KHẢO ............................................. Error! Bookmark not defined.


3

DANH MỤC BẢNG BIỂU

Bảng 3.1: Một số phép toán trên tập mờ ........................................................................... 16

Bảng 3.2: Một số ví dụ về hàm t-norm và s-norm............................................................. 17

Bảng 3.3: Tiêu chuẩn đánh giá độ tương tự ...................................................................... 20


4

DANH MỤC HÌNH VẼ

Hình 1.1: Mô hình CBB (Comsumer Behavior Buying) ..................................................... 8

Hình 1.2: Mô hình BBT (Business-to-Business Transaction) ............................................. 9

Hình 2.1: Mô hình tương tác với agent môi giới ............................................................... 12

Hình 2.2: Biểu diễn cú pháp của KQML dưới dạng BNF ................................................. 13

Hình 2.3: Mô hình đối tượng agentMom .......................................................................... 14

Hình 2.4: Công cụ agentTool phiên bản 2.0 ..................................................................... 14

Hình 2.5: Các pha trong MaSE ........................................................................................ 15

Hình 3.1: Khái niệm tập mờ ............................................................................................. 16

Hình 3.2: Mức độ chấp nhận của agen bán ....................................................................... 21

Hình 4.1: Chiến lược mua ................................................................................................ 25

Hình 4.2: Chiến lược bán ................................................................................................. 27

Hình 5.1: Lược đồ mục tiêu ............................................................................................. 29

Hình 5.2: Trích chọn các usecase ..................................................................................... 30

Hình 5.3: Biểu đồ tuần tự báo cáo .................................................................................... 30

Hình 5.4: Biểu đồ tuần tự môi giới ................................................................................... 31

Hình 5.5: Biểu đồ tuần tự thương lượng ........................................................................... 31

Hình 5.6: Các lớp ontology .............................................................................................. 32

Hình 5.7: Sơ đồ ontology hệ thống ................................................................................... 33

Hình 5.8: Lược đồ các role hệ thống ................................................................................ 34

Hình 5.9: Sơ đồ hoạt động của nhiệm vụ Negotiate trong role Buyer ............................... 34

Hình 5.10: Sơ đồ hoạt động của nhiệm vụ Serve trong role Seller .................................... 35

Hình 5.11: Lược đồ Agent ............................................................................................... 35

Hình 5.12: Phiên hội thoại khởi xướng ............................................................................. 36

Hình 5.13: Phiên hội thoại đáp ứng .................................................................................. 36

Hình 5.14: Kiến trúc BuyerAgent .................................................................................... 37

Hình 5.15: Kiến trúc SellerAgent ..................................................................................... 37

Hình 5.16: Kiến trúc BrokerAgent ................................................................................... 37

Hình 5.17: Kiến trúc hệ thống tổng thể ............................................................................ 37

Hình 5.18: CSDL cho SellerAgent ................................................................................... 38

Hình 5.19: CSDL cho BuyerAgent .................................................................................. 38

Hình 5.20: Mô hình kiến trúc 3 lớp .................................................................................. 39


5

MỞ ĐẦU

Sự phát triển mạnh mẽ của Internet và công nghệ truyền thông đã dẫn đến sự bùng nổ

của thương mại điện tử với các tiến trình giao dịch được thực hiện dựa trên công nghệ

truyền thông và mạng Internet.

Do có nhiều ưu điểm hơn so với thương mại truyền thống như: giao dịch có thể thực

hiện nhanh hơn, rẻ hơn, không phụ thuộc vào văn hoá hay vị trí địa lý… nên thương mại

điện tử ngày càng đóng một vai trò quan trọng trong nhiều tổ chức doanh nghiệp. Tuy

nhiên, đa số các ứng dụng thương mại điện tử ngày nay mới chỉ dừng lại ở mức độ giới

thiệu sản phẩm trên các Website trực tuyến (được gọi thương mại điện tử thuộc thế hệ thứ

nhất). Khi đó, khách hàng chọn lựa sản phẩm ưa thích và sau đó tiến hành các bước giao

dịch khác như thanh toán (theo hình thức chuyển khoản…) hay yêu cầu giao hàng... Tuy

nhiên, càng ngày người ta càng nhận ra rằng mô hình này chưa thể hiện hết sức mạnh tiềm

ẩn của thương mại điện tử.

Trong thương mại điện tử, mỗi phiên giao dịch bao gồm nhiều pha khác nhau [24]: xác

định nhu cầu và nhà cung cấp, thương lượng, thanh toán… Trong các pha này, thương

lượng được xem là một trong những pha then chốt trong quá trình giao dịch. Với thương

mại điện tử thế hệ thứ nhất, giai đoạn thương lượng được khách hàng thực hiện một cách

thủ công và phải giao dịch trực tiếp với người bán. Thế hệ thứ hai của thương mại điện tử1,

bắt đầu từ năm 2001, được đặc trưng bởi việc tự động hoá các giai đoạn trong tiến trình

giao dịch. Nhiều nghiên cứu về thương mại điện tử hiện nay tập trung vào xem xét những

vấn đề liên quan đến tự động hoá quá trình thương lượng dựa trên công nghệ agent.

Các agent phần mềm thông minh hay ngắn gọn là agent được hiểu là các chương trình

có những đặc trưng như: tự chủ, linh hoạt, thích nghi... chạy trên các máy chủ khác nhau

có thể tương tác trao đổi thông tin cho nhau. Khi đó, người mua chỉ cần đưa ra các yêu cầu

đối với sản phẩm cần mua (giá trong khoảng bao nhiêu, màu sắc chất lượng sản phẩm như

thế nào…) cho các agent đại diện cho mình (gọi là agent mua) và người bán cũng đặt ra

các yêu cầu cho sản phẩm muốn bán (chỉ bán với giá tối thiểu bao nhiêu…) cho các agent

đại diện cho mình (gọi là agent bán). Khi đó, các agent sẽ tự động tìm kiếm và giao dịch

thương lượng với nhau. Kết quả cuối cùng sẽ được thông báo cho người dùng.

Tuỳ thuộc vào số lượng các bên tham gia, thương lượng có thể được chia thành hai

dạng: thương lượng kiểu đấu giá (chỉ một bên mua hay bên bán đưa ra đề xuất yêu cầu và

sẽ chọn người thắng cuộc trong nhiều đối tác tham gia) và thương lượng song phương (chỉ

1 K.C. Laudon and C.G. Traver. E-commerce: Business, Technology, Society. Addison Wesley Pub.,

2002.


6

có một bên mua và một bên bán tham gia thương lượng). Mỗi dạng thương lượng đều có

ba thành phần liên quan:

(i) Đối tượng thương lượng: có thể là từng thuộc tính hoặc toàn bộ đối tượng như số

lượng mặt hàng, ngày giao hàng, giá cả, kích cỡ...

(ii) Giao thức thương lượng: liên quan đến các quy luật mà các bên phải thoả thuận

trong thương lượng như kiểu thương lượng là đấu giá hay song phương...

(iii) Chiến lược thương lượng: quá trình lập luận để đưa ra quyết định. Chiến lược

thương lượng có thể hiểu là các bước agent đưa ra quyết định. Tuỳ theo các mô

hình thương lượng khác nhau, các agent sẽ phải có các chiến lược thương lượng

khác nhau để đạt được mục đích của mình.

Trong những năm gần đây, thương lượng song tự động trong thương mại điện tử đã trở

thành chủ đề thu hút nhiều quan tâm, nghiên cứu ([3-8], [17-20], [23-28]). Mô hình thương

lượng song phương đa thuộc tính dựa trên ràng buộc mờ có độ ưu tiên được Jennings [28]

đề xuất năm 2003. Trong mô hình này, chiến lược ra quyết định của cả agent mua và agent

bán được xây dựng dựa trên các ràng buộc mờ có độ ưu tiên của các thuộc tính. Tuy nhiên,

trong thực tế người bán không những chỉ thụ động chạy theo các yêu cầu của agent mua

mà còn có thể tự đề xuất các mặt hàng tương tự để thuyết phục người bán mua mặt hàng

[18].

Ý tưởng về độ tương tự có thể hiểu đơn giản như sau: Các sản phẩm thương lượng

thường được đặc trưng bởi nhiều thuộc tính. Do đó, việc đánh giá các sản phẩm được thực

hiện thông qua các thuộc tính. Hai sản phẩm được xem là tương tự nhau nếu chúng có các

giá trị trong các thuộc tính tương ứng tương tự nhau. Khi đó, mức độ tương tự giữa hai sản

phẩm sẽ được xác định bằng tổ hợp có trọng số độ tương tự giữa các giá trị này. Các thuộc

tính của sản phẩm được chia thành hai loại: các thuộc tính định lượng (có miền giá trị là

một khoảng nào đó, ví dụ: giá, thời hạn đăng ký…) và các thuộc tính định tính (có miền

giá trị là một tập hợp các giá trị rời rạc, ví dụ: màu sắc, phân khối…). Để xác định mức độ

tương tự giữa các giá trị trong một thuộc tính, người ta sử dụng khái niệm gọi là hàm đánh

giá. Hàm đánh giá hiểu đơn giản là một hàm ánh xạ mỗi giá trị của một thuộc tính tương

ứng với một giá trị thực thuộc khoảng [0,1]. Khi đó, mức độ tương tự của các giá trị trong

cùng một thuộc tính cũng sẽ được xác định bằng tổ hợp có trọng số các giá trị của hàm

đánh giá đối với thuộc tính đó.

Luận văn này đã sử dụng mô hình “tương tự” để cải tiến mô hình ra quyết định của

agent bán. Trong quá trình thương lượng, các yêu cầu của agent mua sẽ được mô hình hoá

thành các ràng buộc mờ có độ ưu tiên và lần lượt gửi sang cho người bán theo thứ tự của

độ ưu tiên. Về phía agent bán, nếu không tìm được các sản phẩm thoả mãn yêu cầu agent

mua, nó có thể đề xuất một số sản phẩm “tương tự” để nâng cao hiệu quả thương lượng.


7

Luận văn “Thương lượng song phương dựa trên độ đo tương tự trong hệ đa Agent”

nhằm kết hợp mô hình đưa ra quyết định dựa trên ràng buộc mờ có trọng số và mô hình độ

đo tương tự để phát triển thương lượng trong hệ đa agent. Mô hình này đã được áp dụng để

xây dựng hệ đa agent thương lượng tự động MoSeB (Motorcycle Selling and Buying). Hệ

thống được xây dựng và phát triển dựa theo phương pháp luận MaSE và công cụ agentTool

[11]. Nội dung chính của luận văn bao gồm năm chương:

Chương 1: Thương mại điện tử. Trình bày khái niệm cơ bản về thương mại điện tử, các

mô hình giao dịch và các mô hình thương lượng.

Chương 2: Công nghệ Agent. Trình bày các khái niệm cơ bản về agent, hệ đa agent và

ngôn ngữ truyền thông KQML giữa các agent. Phương pháp luận phát triển hệ đa agent

MaSE (Multiagent System Engineering) và công cụ agentTool được sử dụng để phát triển

ứng dụng sẽ được đề cập đến.

Chương 3: Agent ra quyết định. Trình bày một số khái niệm cơ bản trong logic mờ và

ứng dụng của chúng trong việc mô hình hoá sở thích người mua cũng như cách tính toán

đưa ra quyết định của người bán và người mua.

Chương 4: Mô hình thương lượng. Trình bày cụ thể chiến lược ra quyết định của cả hai

bên (bên mua và bên bán) trong mô hình thương lượng song phương.

Chương 5: Dịch vụ hỗ trợ mua bán xe máy MoSeB. Mô hình thương lượng song

phương được đề cập trong các chương trước sẽ được áp dụng để phát triển hệ MoSeB.

Chương này trình bày chi tiết từng bước xây dựng một hệ đa agent dựa trên phương pháp

luận MaSE và công cụ agentTool và kết quả cài đặt với ngôn ngữ lập trình java.

Phần kết luận của luận văn nhằm trình bày những kết quả đã đạt được và một số hướng

nghiên cứu và phát triển của luận văn trong thời gian tới.

Chương 1 Thương mại điện tử

8

Chương 1 THƯƠNG MẠI ĐIỆN TỬ

1.1 THƯƠNG MẠI ĐIỆN TỬ

1.1.1 Một số khái niệm

Hiệp hội thương mại điện tử [24] (Electronic Commerce Association) đã đưa ra một

định nghĩa về thương mại điện tử như sau:

Thương mại điện tử là các giao dịch thương mại, giao dịch hành chính hoặc trao đổi

thông tin được thực hiện dựa vào công nghệ thông tin và công nghệ truyền thông.

Dựa vào bản chất của các giao dịch, chúng ta có thể chia thương mại điện tử thành ba

dạng chính [10]:

• Giao dịch B2B (Business to Business) là giao dịch mà cả người mua và người bán

là các doanh nghiệp.

• Giao dịch B2C (Business to Consumer) là giao dịch mua bán giữa doanh nghiệp và

khách hàng.

• Giao dịch C2C (Consumer to Consumer) là giao dịch giữa các khách hàng.

1.2.2 Các mô hình giao dịch điện tử

1.2.2.1 Mô hình CBB

Mô hình CBB ([19], [24]) được sử dụng trong giao dịch B2C nhằm thể hiện hành vi

người tiêu dùng, tức là tập trung chủ yếu vào người khách hàng.

Hình 1.1: Mô hình CBB (Comsumer Behavior Buying)

Xác định

nhu cầu

Môi giới

sản phẩm Thành lập liên minh

người mua Sản phẩm

cần mua

Cần gì

Mua từ

ai?

Môi giới

người bán

Điều kiện

mua bán

Mua bán và

phân phối

Đánh giá

sản phẩm

Thẻ tín

dụng

Đường hàng

không, tàu thuỷ Cách thực

hiện

Còn ai mua

nữa không?

Mô hình CBB

Thương lượng


9

Mô hình CBB bao gồm bảy pha (hình 1.1): Xác định nhu cầu (Need Identification), môi

giới sản phẩm (Product Brokering), thành lập liên minh người mua (Buyer Coalition

Formation), môi giới người bán (Merchant Brokering), thương lượng (Negotiation), mua

bán & phân phối (Purchase and Delivery) và đánh giá sản phẩm (Product and Evaluation).

1.2.2.2 Mô hình BBT

Mô hình BBT ([10], [24]) là mô hình giao dịch cho kiểu giao dịch B2B giữa các doanh

nghiệp. Ngược với mô hình CBB, mô hình này tập trung chủ yếu vào phía người bán. Ý

nghĩa của nó là cải tiến hiệu quả trong quá trình tìm kiếm sản phẩm để cung cấp cho khách

hàng. Mô hình này bao gồm sáu pha (hình 1.2): thành lập hiệp hội (Partnership

Formation), môi giới (Brokering), thương lượng (Negotiation), dự thảo hợp đồng (Contract

Formation), thực hiện hợp đồng (Contract Fulfillment) và đánh giá dịch vụ (Service

Evaluation).

Hình 1.2: Mô hình BBT (Business-to-Business Transaction)

1.2 THƯƠNG LƯỢNG

1.2.1 Tổng quan về thương lượng

Thương lượng là một tiến trình thoả hiệp giữa các bên tham gia tương tác (có lợi ích

xung đột nhau) để đi tới một kết quả thống nhất, có thể chấp nhận được.

Thành lập

hiệp hội

Đánh giá

dịch vụ

Các doanh nghiệp

Môi giới

Thương lượng

Dự thảo hợp đồng

Thực hiện

hợp đồng

Tìm kiếm người

mua & người bán

Tìm

cộng tác

Thoả hiệp

Hợp đồng

hợp pháp

Phân phối và

thanh toán

Thông tin

phản hồi

Mô hình BBT


10

Thương lượng tự động là một quá trình thương lượng, trong đó, người mua và người

bán được thay thế bằng các thực thể agent. Việc tìm kiếm, mua bán và thoả thuận giữa

người mua và người bán được thực hiện tự động bởi các agent.

Mỗi quá trình thương lượng tự động đều bao gồm 3 thành phần chính [17]: Giao thức

thương lượng, mục tiêu thương lượng và chiến lược thương lượng

1.2.1.1 Thương lượng kiểu đấu giá

Đấu giá là một trong những hình thức thương lượng đã được nghiên cứu và phát triển

khá phổ biến trong thương mại điện tử (như eBay, Yahoo…). Trong mỗi phiên đấu giá, sẽ

có một hoặc nhiều agent làm nhiệm vụ điều khiển phiên đấu giá và các agent còn lại sẽ

thay nhau đưa ra các lời trả giá theo đúng các qui tắc đấu giá. Có nhiều kiểu đấu giá như

đấu giá kiểu Anh, kiểu Vickrey...

1.2.1.2 Thương lượng song phương

Thương lương song phương [24] là dạng thương lượng có hai bên tham gia trong quá

trình giao dịch, một bên mua và một bên bán. Có ba cách tiếp cận trong việc xây dựng mô

hình ra quyết định trong thương lượng song phương ([17], [24]): Mô hình thương lượng

dựa trên lý thuyết trò chơi, mô hình thương lượng dựa trên kỹ thuật Heuristic và mô hình

thương lượng dựa trên lý thuyết thuyết phục.

1.2.2 Thương lượng song phương dựa trên ràng buộc mờ có trọng số

Mô hình này được phát triển từ bài toán thoả mãn ràng buộc mờ ưu tiên (Prioritised

Fuzzy Constraint Satisfaction Problems viết tắt là PFCSP) được Jenning đề xuất năm 2003.

Bài toán thoả mãn ràng buộc mờ thuộc lớp bài toán NP đầy đủ, tức là chưa có lời giải tối

ưu. Thương lượng song phương là một trong những cách tiếp cận khá hiệu quả để giải

quyết các lớp bài toán thuộc dạng này.

• Mô hình sở thích của người mua: Trong mô hình này, chiến lược thương lượng của

người mua được mô hình hoá dựa trên các ràng buộc mờ có độ ưu tiên.

• Độ đo tương tự giữa các mặt hàng của người bán: Để cải tiến hiệu quả trong quá

trình thương lượng, luận văn trình bày một chiến lược mới dựa trên độ đo tương tự

giữa các mặt hàng.

1.3 KẾT LUẬN

Chương này giới thiệu tổng quan về thương mại điện tử và các giai đoạn trong các mô

hình giao dịch. Một trong những giai đoạn quan trọng nhất trong các mô hình giao dịch đó

là thương lượng và là quan tâm của luận văn này.

Chương 2 Công nghệ Agent

11

Chương 2 CÔNG NGHỆ AGENT

Nội dung chương này trước hết trình bày một số khái niệm cơ bản về agent, hệ đa agent

và ngôn ngữ truyền thông giữa các agent. Sau đó trình bày các bước trong phân tích và

thiết kế hệ đa agent dựa trên phương pháp luận MaSE.

2.1 TỔNG QUAN VỀ AGENT

2.1.1 Khái niệm Agent

Đã có rất nhiều định nghĩa khác nhau về Agent. Dưới đây là một định nghĩa về một

agent phần mềm được nhiều người chấp nhận.

“Agent là một hệ tính toán hoàn chỉnh hay chương trình được đặt trong một môi trường

nhất định, có khả năng hoạt động một cách tự chủ và mềm dẻo trong môi trường đó nhằm

đạt được mục đích đã thiết kế”.

2.1.2 Các đặc trưng của agent

Các Agent phần mềm có một số đặc trưng khác biệt với các chương trình phần mềm nói

chung (Jennings và Wooldridge 1998): Tính tự chủ (autonomous), khả năng phản ứng

(reactive), khả năng giao tiếp (communicative), khả năng hoạt động hướng đích (goal-

driven)...

2.2 HỆ ĐA AGENT

2.2.1 Khái niệm

Một hệ đa agent là một tập hợp các agent, có mục tiêu riêng, miền tri thức riêng nhưng

có thể tương tác với nhau để hoàn thành mục tiêu chung, tổng thể của hệ thống.

2.2.2 Môi trường tính toán thích hợp cho hệ đa agent

Các môi trường và dạng bài toán thích hợp cho hệ đa agent bao gồm [34]:

• Hệ đa agent có thể giải quyết một bài toán vượt quá khả năng của một agent đơn.

• Hệ đa agent cung cấp phương pháp giải quyết các bài toán phân tán trong đó có

nhiều thành phần tự chủ cùng hoạt động trong một xã hội agent và cùng tuân theo

các qui tắc trong xã hội đó.

• Hệ đa agent cung cấp các phương pháp giải quyết các bài toán mà thông tin được

thu thập từ nhiều nguồn khác nhau.

• Cách tiếp cận hướng agent phù hợp khi hệ thống phải hành động một cách tự chủ để

thay mặt người dùng.

2.2.3 Mô hình tương tác

Khi các agent hoạt động trong các hệ đa agent, người thiết kế cần phải xác định mô hình

tương tác cụ thể cho hệ thống. Hiện nay có rất nhiều mô hình tương tác khác nhau trong


12

các hệ đa agent ([36], [37]): tương tác không có agent trung gian và tương tác với agent

trung gian. Luận văn tập trung chủ yếu vào mô hình tương tác có agent trung gian, cụ thể

hơn là mô hình tương tác với agent môi giới.

Mô hình tương tác với agent môi giới

Trong mô hình này, một agent đóng vai trò như một nhà môi giới (gọi là BrokerAgent)

có nhiệm vụ là tạo ra cơ chế liên lạc trực tiếp giữa agent Yêu cầu và agent Cung cấp như

hình 2.1. Khi các agent khác muốn tham gia vào hệ thống phải đăng ký dịch vụ với agent

Môi giới và nó trở thành nhà cung cấp dịch vụ.

Hình 2.1: Mô hình tương tác với agent môi giới

2.3 NGÔN NGỮ TRUYỀN THÔNG GIỮA CÁC AGENT

2.3.1 KQML là gì?

KQML [15] được viết tắt của từ “Knowledge Query and Manipulation Language” có

nghĩa là ngôn ngữ thao tác và truy vấn tri thức. Nó không chỉ là ngôn ngữ mà còn xác định

giao thức cho việc trao đổi thông tin và tri thức giữa các agent.

2.3.2 Đặc trưng của KQML

KQML là một ngôn ngữ được sử dụng để truy vấn và thao tác tri thức. Do đó nó có các

đặc trưng sau [16]:

• KQML là giao thức và ngôn ngữ giao tiếp, hướng thông điệp, và là ngôn ngữ bậc

cao (sử dụng từ vựng và ngôn ngữ gần với ngôn ngữ người dùng).

• KQML là một giao thức độc lập đối với: Cơ chế truyền thông, ngôn ngữ nội dung,

giao thức tương tác.

• KQML có thể được sử dụng để mở rộng cho các kiểu thông điệp mới.

2.3.3 Cú pháp KQML

Một thông điệp KQML có thể được gọi là một thể hiện (performative). Một thể hiện

được biểu diễn bởi một chuỗi các ký tự ASCII tuân theo cú pháp tựa như ngôn ngữ lập

trình LISP (một ngôn ngữ lập trình hướng đối tượng). Theo cú pháp đó, mỗi câu lệnh được

Agent

Yêu cầu

Agent

Cung cấp

Agent

Môi giới

Đăng ký dịch vụ

Yêu cầu dịch vụ

Kết quả dịch vụ

Yêu cầu dịch vụ Tên, địa chỉ

nhà cung cấp


13

biểu diễn bởi một cặp “tham số/giá trị”. Cú pháp KQML [15] viết dưới dạng BNF (Backup

Norm Form) như hình 2.3

Hình 2.2: Biểu diễn cú pháp của KQML dưới dạng BNF

2.4 PHƯƠNG PHÁP LUẬN PHÁT TRIỂN HỆ ĐA AGENT

Hiện nay đã có rất nhiều phương pháp luận phát triển hệ đa agent. Tuy nhiên, tất cả đều

dựa trên một trong ba cách tiếp cận sau: dựa trên trên Agent và Công nghệ Agent, phát

triển từ hướng đối tượng và dựa trên công nghệ tri thức. Cùng với các phương pháp luận

phát triển hệ đa agent, cũng có rất nhiều các công cụ tiện ích được phát triển: agentTool

(Air Force Institute of Technology), AgentBuilder (Reticular Systems), Microsoft Agent

(Microsoft Corparation),…

Luận văn sử dụng phương pháp luận MaSE ([12], [13]) và công cụ agentTool ([11]) để

phát triển ứng dụng. Các thao tác chung của MaSE được thể hiện trong hình 2.5. Theo đó,

MaSE bao gồm hai pha [12]:

• pha phân tích bao gồm 4 bước: xác định mục tiêu, xác định các usecase, xây dựng

ontology và hoàn thiện các role.

• pha thiết kế bao gồm 4 bước: tạo các lớp Agent, xây dựng phiên hội thoại, kết hợp

các agent và thiết kế hệ thống.

2.5 agentTool và agentMom

agentTool [11] là bộ công cụ hỗ trợ phát triển hệ đa agent theo phương pháp luận

MaSE. Hình 2.3 minh hoạ ví dụ về giao diện của bộ công cụ này. Kết quả cuối cùng của

agentTool là sinh ra các lớp mã nguồn cho hệ đa agent, tức là sinh ra các lớp agent và các

lớp hội thoại tương ứng. Nói chung, tất cả các lớp agent và các lớp hội thoại, được sinh ra

từ agentTool, đều được xây dựng trên một khung chung, gọi là agent Mom (hình 2.3).

<performative> ::= (<word> {�:<word>�<expression>}*)

<expression> ::= <word> | <quotation> | <string> |

(<word>�<expression>}*)

<word> ::= <character>*

<character> ::= <alphabetic> | <number> | <special>

<special> ::= < | > | = | + | - | × | / | & | ^ | - | _ | @ | $ | % | : | . | ! | ?

<quotation> ::= ‘<expr> | ‘<comma-expr>

<comma-expr> ::= <word> | <quotation> | <string> | ,<comma-expr> |

(<word>{�<comma-expr>}*)

<string> ::= “<stringchar>*” | #<digit><digit>*”<ascii>*

<stringchar> ::= \<ascii>| <ascii>-\-<double-quote>


14

Sorry

Agent

Conversation

Message Handler

Message

Hình 2.3: Mô hình đối tượng agentMom

2.6 KẾT LUẬN

Chương đã trình bày các khái niệm về agent, hệ đa agent, ngôn ngữ truyền thông

KQML giữa các agent… Trong chương này cũng trình bày các bước để xây dựng một hệ

đa agent theo phương pháp luận MaSE và công cụ agentTool để thực hiện việc phát triển

một hệ đa agent

Hình 2.4: Công cụ agentTool phiên bản 2.0


15

Hình 2.5: Các pha trong MaSE

Yêu cầu hệ thống

Cây phân cấp mục tiêu

Usecase

Sơ đồ tuần tự

Sơ đồ lớp Agent

Kiến trúc Agent

Lược đồ phát triển

Xác định mục tiêu

Xác định Use Case

Hoàn thiện các Role

Tạo các lớp Agent

Xây dựng các phiên hội thoại

Kết hợp các lớp Agent

Thiết kế hệ thống

Ph

ân tích

Thiết k

ế

Ontology

Sơ đồ Role

Xây dựng ontology

Sơ đồ Task

Các phiên hội thoại

Chương 3 Agent ra quyết định

16

Chương 3 AGENT RA QUYẾT ĐỊNH

3.1 MỘT SỐ KHÁI NIỆM CƠ BẢN

3.1.1 Tập mờ và ngữ nghĩa khái niệm mờ

Theo L.A. Zadeh [40] tập mờ được xem như là một sự mở rộng trực tiếp của tập hợp

theo định nghĩa truyền thống (thường gọi là tập kinh điển). Tập kinh điển A⊆U có một

danh giới rõ ràng, và vì vậy nó được biểu thị bằng hàm đặc trưng [40]:

1( )

0A

u Au

u Aµ

∀ ∈=

∀ ∉ (1)

Về mặt ngữ nghĩa, hàm đặc trưng (còn gọi là hàm thuộc) cho ta khả năng biểu thị trực

quan của chúng ta về ý nghĩa của khái niệm mờ và không thể xác định một cách chính xác

được một hàm thuộc cho một khái niệm mờ. Đồ thị của hàm thuộc biểu diễn “sự rẻ” được

minh hoạ trong hình vẽ 3.1

Hình 3.1: Khái niệm tập mờ

3.1.2 Đại số các tập mờ

Phần này nhằm xem xét một số phép toán trên tập mờ [1]. Giả sử A, B ⊆ U là hai tập

mờ, µA, µB là hai hàm thuộc tương ứng.

Stt Phép toán trên tập mờ Định nghĩa trên hàm thuộc

1 A ⊆ B µA(u) ≤ µB

2 A ∪ B µA∪B(u) = µA(u) ∨ µB(u) = max{µA(u), µB(u)}

3 A ∩ B µA∩B(u) = µA(u) ∧ µB(u) = min{µA(u), µB(u)}

4 -A µ-A(u) = 1 - µA(u)

5 U, ∅ µU(u) = 1; µ∅(u) = 0

Bảng 3.1: Một số phép toán trên tập mờ

Các phép toán t-norm t và t-conorm

• t-norm là hàm t:[0,1]×[0,1]→[0,1] thoả mãn các tính chất sau (∀ x, y, z∈[0,1]) :

Rẻ Đắt

25

Rẻ Đắt

25 50


17

(i) Giao hoán: t(x, y) = t(y, x) (2)

(ii) Kết hợp: t(x, t(y, z)) = t(t(x, y), z) (3)

(iii) Tồn tại phần tử đơn vị: t(1, x) = x (4)

(iv) Không giảm theo từng biến

x1≥x2 ⇒ t(x1, y) ≥ t(x2, y) ∀x1, x2, y∈[0,1] (5)

y1≥y2 ⇒ t(x, y1) ≥ t(x, y2) ∀x, y1, y2∈[0,1] (6)

• s-norm (hay còn gọi là t-conorm) là hàm s:[0,1]×[0,1]→[0,1] thoả mãn các tính chất

sau (∀ x, y, z∈[0,1]) :

(I) Giao hoán: s(x, y) = s(y, x) (7)

(ii) Kết hợp: s(x, s(y, z)) = s(s(x, y), z) (8)

(iii) Tồn tại phần tử không: s(0, x) = x (9)

(iv) Không giảm theo từng biến

x1 ≥ x2 ⇒ s(x1, y) ≥ s(x2, y) ∀x1, x2, y∈[0,1] (10)

y1 ≥ y2 ⇒ t(x, y1) ≥ t(x, y2) ∀x, y1, y2∈[0,1] (11)

Có thể thấy t-norm và s-norm tuân thủ theo quy tắc đối ngẫu nhau theo nghĩa

t(x, y) = 1 – s(1-x, 1-y) (12)

Một số ví dụ về các cặp đối ngẫu t-norm và s-norm [1]

Stt Tên t-norm và s-norm

1 Dạng tích t(x, y) = xy

s(x, y) = x+y-xy

2 Lukasiewicz t(x, y) = max{x+y-1,0}

s(x, y) = min{x+y,1}

3 Min Nilpotent

(Fodor, 1993)

≤+

>+=

10

1),min(),(

yx

yxyxyxt

≥+

<+=

11

1),max(),(

yx

yxyxyxs

Bảng 3.2: Một số ví dụ về hàm t-norm và s-norm

3.1.3 Quan hệ mờ

Quan hệ mờ n ngôi là một tập mờ R trong không gian tích Đề-các của n không gian

U×U×...×U được định nghĩa như sau [40]:

R = {((x1,x2,...xn), µR(x1,x2,...,xn)) | (x1,x2,...,xn) ⊆U×U×...×U }


18

Với n=2 ta có quan hệ mờ 2 ngôi R(u,v) (u, v∈U). Sau đây là một số tính chất với các

quan hệ mờ 2 ngôi:

(i) Đối xứng: µR(u,v) = µR(v,u) (13)

(ii) Phản xạ: µR(u,u) = 1 (14)

(iii) Phản phản xạ: µR(u,u) = 0 (15)

(iv) Bắc cầu Max-Min: µR(u,v) ≥ ∨{µR(u,w)∧µR(w,v) :∀w∈U } (16)

(v) Bắc cầu Min-Max: µR(u,v) ≤ ∧{µR(u,w)∨µR(w,v) :∀w∈U } (17)

Trong đó ∧, ∨ là các phép toán được định nghĩa trong bảng 3.1

3.2 MÔ HÌNH AGENT RA QUYẾT ĐỊNH

3.2.1 Mô hình ra quyết định agent bán

3.2.1.1 Miền tri thức của agent bán

Định nghĩa 1: Miền tri thức của agent bán là một tập Ҝ = {G, P, H}

Trong đó:

• G = {g1, g2, …, gn} danh sách các sản phẩm (ta có thể giả sử các sản phẩm có mặt

trong tập này đều có số lượng lớn hơn không, tức là tất cả đều có thể mang ra giao

dịch).

• Tập P chứa các ràng buộc của agent mua. Agent bán sẽ lưu trữ tất cả các ràng

buộc này vào tập P để hỗ trợ cho quá trình ra quyết định trong các lần đề xuất sau

này.

• Tập H chứa các hàm đánh giá độ tương tự giữa các sản phẩm.

3.2.1.2 Độ tương tự giữa hai sản phẩm

Đầu tiên, chúng ta sẽ mô hình hóa cách tính toán độ tương tự theo một chiều của không

gian thương lượng, tức là độ tương tự cho một thuộc tính (hay còn gọi biến quyết định).

Định nghĩa 2 [18]: Độ tương tự mờ là hàm Sim:[0,1]× [0,1]→[0,1] thoả mãn các tính

chất sau đây:

(i) Phản xạ: Sim(x, x) = 1 ∀x ∈ [0,1] (18)

(ii) Đối xứng: Sim(x, ỵ) = Sim(y, x) ∀x, y ∈[0,1] (19)

(iii) Bắc cầu t-norm:

Sim(x, z) ≥ T(Sim(x, y), Sim(y, z)) ∀x, y, z ∈[0,1] (20)

(với T là một hàm t-norm)

Để xác định mức độ tương tự giữa các giá trị của thuộc tính, cần phải có các hàm đánh

giá các giá trị của từng thuộc tính.

Định nghĩa 3: Hàm đánh giá các thuộc tính trên tập D là hàm h:D→[0,1].


19

Với các thuộc tính định tính, hàm đánh giá có thể biểu diễn dưới dạng liệt kê, tức là mỗi

giá trị của thuộc tính sẽ tương ứng với một giá trị thực thuộc khoảng [0,1]. Ví dụ, D là tập

các màu sắc, giả sử xét theo khía cạnh độ ấm thì hàm đánh giá có thể xác định như sau:

ht(yellow) = 0.9 ht(viollet) = 0.1 ht(green) = 0.3

Với các thuộc tính định lượng, hàm đánh giá có thể được biểu diễn bởi một hàm tuyến

tính. Ví dụ, miền giá trị của thuộc tính giá cả là [0, 4000], khi đó, xét theo khía cạnh độ lớn

thì hàm đánh giá có thể là :

[ ] − ∈=

¸

1 / 4000 x 0,4000( )

0 ng−îc l¹igi

xh x

Mỗi thuộc tính có thể có nhiều hàm đánh giá tiêu chuẩn theo nhiều khía cạnh khác

nhau.

Định nghĩa 4 [18]: Độ tương tự giữa hai giá trị của một thuộc tính trên tập D là hàm

Sim:D×D→[0,1], xác định bởi biểu thức sau:

Simh(x, y) = h(x) Θ h(y) ∀x, y∈D (21)

Trong đó Θ là một toán tử tương đương mờ, nó có thể là một hàm t-norm.

Có thể có rất nhiều định nghĩa khác nhau đối với toán tử Θ. Trong phần sau của luận

văn, chúng tôi sử dụng hàm Θ được định nghĩa như sau:

h(x) Θ h(y) = 1 - |h(x) – h(y)| (22)

Định nghĩa 5 [18]: Cho miền giá trị D, độ tương tự giữa hai giá trị xj, yj ∈ D của thuộc

tính j được xác định bởi biểu thức:

1

( , ) ( ( ) ( ))m

j j j i i j i ji

Sim x y w h x h y=

= Θ∑ (25)

Trong đó:

1

1m

ii

w=

=∑ là tập các trọng số biểu diễn độ quan trọng của các hàm đánh giá

Θ là toán tử tương đương (có thể chọn hàm Θ như công thức (22))

Để minh hoạ việc mô hình hoá độ tương tự đối với một biến quyết định, xét ví dụ về các

màu sắc như sau:

D = {vàng, tím, hồng, xanh, xám, đỏ, ...} - miền giá trị các màu sắc.

Để xác định độ tương tự giữa các màu đã cho, có thể xem xét theo một số khía cạnh

hoặc một số tính chất sau: độ ấm, độ bức xạ, tầm nhìn. Với ba tiêu chuẩn đó, miền giá trị

của chúng có thể được mô hình như bảng 3.3:


20

vàng tím hồng xanh xám đỏ

Độ ấm (hấm) 0.9 0.1 0.1 0.3 0.2 0.7

Độ bức xạ (hbx) 0.9 0.3 0.6 0.6 0.4 0.8

Tầm nhìn (htn) 1 0.5 0.4 0.1 1 0.2

Bảng 3.3: Tiêu chuẩn đánh giá độ tương tự

Trong đó, hấm, hbx, htn là các hàm tiêu chuẩn tương ứng với độ ấm (ấm = 1, lạnh = 0), độ

bức xạ (tối đa = 1, tối thiểu = 0) và tầm nhìn (tối đa = 1, tối thiểu = 0).

Giả sử rằng, một người trẻ tuổi muốn mua một chiếc xe máy, các trọng số tương ứng

của anh ta đối với các hàm tiêu chuẩn: wấm=0.7, wbx=0.2 và wtn=0.1.

Khi đó, độ tương tự cho các màu tương ứng sẽ là:

Simmàu_sắc(vàng, đỏ) = wấm×Simấm(hấm(vàng), hấm(đỏ)) +

+ wbx×Simbx(hbx(vàng), hbx(đỏ)) + wtn×Simv(htn(vàng), htn(đỏ))

= wấm×(1 - |hấm(vàng)-hấm(red)|) + wbx×(1 - |hbx(vàng)-hbx(đỏ)|)

+ wtn×(1 - |htn(vàng)-htn(đỏ)|)

= 0.7×0.8 + 0.2×0.9 + 0.1×0.2 = 0.76

Tương tự ta có: Simmàu_sắc(vàng, tím) = 0.7×0.2 + 0.2×0.4 + 0.1×0.5 = 0.27

Như vậy ta có thể thấy rằng, đối với người mua trên, màu đỏ (red) tương tự với màu

vàng (yellow) hơn màu tím (violet).

Định nghĩa 6 [18]: Độ tương tự giữa hai sản phẩm x và y với tập các thuộc tính tương

ứng là (x1, x2, …xn) và (y1, y2, …, yn) được xác định như sau:

1

( , ) ( , )n

j j j jj

Sim x y w Sim x y=

= ×∑ (26)

Trong đó: 1

1n

jj

w=

=∑ là tập các trọng số tương ứng đối với từng thuộc tính.

Simj là hàm tương tự đối với biến quyết định j như định nghĩa 5.

3.2.1.3 Mức độ chấp nhận

Việc xác định mức độ chấp nhận của sản phẩm được thực hiện thông qua các thuộc tính

của nó. Tuy nhiên, không phải tất cả các thuộc tính đều được người bán quan tâm vì mục

đích duy nhất của người bán chỉ là bán được hàng và thu lợi nhuận, do đó người bán chỉ

quan tâm đến thuộc tính quan trọng nhất, thường là giá.

Thuộc tính giá cả là một thuộc tính kiểu định lượng, tức là các giá trị của nó được xác

định trong một miền liên tục: x∈D (trong đó D = [a, b]). Với các thuộc tính kiểu này, agent


21

bán sẽ có hai lựa chọn: càng cao càng tốt hoặc càng thấp càng tốt. Các lựa chọn được mô

hình hoá như hình vẽ 3.2

Hình 3.2: Mức độ chấp nhận của agen bán

Một trong những lớp hàm được sử dụng khá rộng rãi đó là lớp hàm tuyến tính. Sau đây

là một trường hợp sẽ được sử dụng trong luận văn:

Càng cao càng tốt Càng thấp càng tốt

0

-( )

-1

x a

x aV x a x b

b ax b

≤

= < <

≥

1

-( )

-0

x a

b xV x a x b

b ax b

≤

= < <

≥

Trong trường hợp này, lựa chọn càng cao càng tốt sẽ được sử dụng cho agent bán. Ví

dụ, miền giới hạn của thuộc tính giá cả là [1000, 4000], khi đó hàm đánh giá mức độ chấp

nhận được của người bán sẽ là:

0 1000

-1000( ) 1000 4000

30001 4000

x

xV x x

x

≤

= < <

≥

(26)

3.2.1.4 Thủ tục ra quyết định

Khi không tìm được sản phẩm thoả mãn yêu cầu của agent mua. Agent bán sẽ tìm sản

phẩm tương tự nhất đối với ràng buộc các của agent mua. Gọi P là tập hợp các ràng buộc

của khách hàng mà agent bán đã nhận được (P không nhất thiết phải chứa tất cả các thuộc

tính của sản phẩm). Khi đó, agent bán sẽ tìm ra một tập Q các sản phẩm có độ tương tự cao

nhất đối với tập P:

Q = {q / Sim(P, q) > Sim(P, q’) ∀q’∉Q} (27)

Trong số các sản phẩm thuộc tập Q, sản phẩm được đề xuất là sản phẩm có mức độ

chấp nhận cao nhất:

p = {p: V(p) = max(V(p’)) ∀p’∈Q} (28)

Mong

muốn

Giá

1

Càng cao càng tốt

a b

Mong

muốn

Giá

1

Càng thấp càng tốt

a b


22

Trong đó V là hàm đánh giá mức độ chấp nhận của agent bán được xác định như công

thức 26.

3.2.2 Mô hình ra quyết định agent mua

3.2.2.1 Miền tri thức của agent mua

Định nghĩa 7: Miền tri thức của agent mua là tập Ҝ={D, W, λ, P}

Trong đó:

• D = {d1, d2, …, dn} là tập các tri thức miền, di là tập các giá trị có thể đối với thuộc

tính i.

• W = {w1, w2, …, wn} tập các trọng số hay còn gọi là độ ưu tiên đối với từng thuộc

tính.

• λ=(λ1, λ2, …, λn) ngưỡng nhượng bộ đối với các thuộc tính sản phẩm.

• Tập P lưu trữ miền tri thức đang thương lượng.

3.2.2.2 Biến ngôn ngữ

Một trong những kỹ thuật được sử dụng phổ biến nhất để người dùng mô hình hoá

thông tin của mình là sử dụng biến ngôn ngữ ([20], [21]). Khi đó, ngữ nghĩa của các biến

ngôn ngữ được xác định thông qua một cấu trúc đại số gọi là đại số gia tử.

Định nghĩa 8: Đại số gia tử là một bộ (T, G, H, ≤). Trong đó:

- T là miền ngôn ngữ (mỗi phần tử thuộc T sẽ có dạng x = hnhn-1…h1u ∀u∈G, hi∈H

∀i=1,…n).

- G là tập các từ nguyên thuỷ được xem như là các phần tử sinh.

- H là tập các gia tử được xem như là các phép toán một ngôi.

- Quan hệ ≤ trên các từ (các khái niệm mờ) là quan hệ được “cảm sinh” từ ngữ

nghĩa tự nhiên.

Ví dụ: Chọn tập phần tử sinh là G = {quan trọng}, tập các gia tử H = {không, ít, vừa

phải, khá, rất, cực kỳ}. Khi đó tập T có thể là:

T = {t0=”không quan trọng”, t1=”ít quan trọng”, t2=”quan trọng vừa phải”, t3=”quan

trọng”, t4=”khá quan trọng”, t5=”rất quan trọng”, t5=”cực kỳ quan trọng”}

Dựa trên ngữ nghĩa, quan hệ thứ tự giữa các phần tử trong T có thể là: ti≤tj (∀i, j=0, …,

6. ). Từ đó ta có thể xác định ngữ nghĩa cho các biến ngôn ngữ trong tập T.

3.2.2.3 Mức độ chấp nhận

Để đánh giá mức độ chấp nhận của một sản phẩm, trước hết chúng ta sẽ đánh giá mức

độ chấp nhận của từng thuộc tính. Sau đó kết hợp các mức độ chấp nhận này để xác định


23

mức độ chấp nhận tổng thể đối với sản phẩm. Thuộc tính của sản phẩm có thể là định tính

(có giá trị rời rạc: màu sắc, hãng xe, …) hoặc định lượng (có giá trị liên tục: giá, thời hạn

đăng ký, …).

Định nghĩa 9: Hàm đánh giá mức độ mức độ thoả mãn của agent mua đối với từng thuộc

tính là hàm: Vi : Di → [0,1]

Từ hàm đánh giá cho từng biến, ta xác định hàm đánh giá agent đối với một tập biến

(một sản phẩm thường có tập các thuộc tính tương ứng) - tức là đối với một bộ giá trị

x={x1, x2, ..., xn} trong không gian đa chiều D=D1×D2×…×Dn như sau :

j j j1

V(x) w .V (x )n

j=

= ∑ (29)

3.2.2.4 Ngưỡng chấp nhận

Định nghĩa 10 [39]: Cho vector a=(a1, a2, …, an)∈Rn. Toán tử OWA là một ánh xạ

F:Rn→R xác định bởi:

F(a1, a2, …, an) = w1b1 + w2b2+… + wnbn (33)

Trong đó:

w=(w1, w2, …, wn) là các trọng số kết hợp thỏa mãn wi∈[0,1] và Σiwi=1

b=(b1, b2, …, bn) là một hoán vị của tập A=(a1, a2, …, an) nhưng được sắp thứ tự

giảm dần (bi ≥bj ⇔ i≤j ∀i,j=1, …, n).

Một số trường hợp đặc biệt của toán tử OWA

• Toán tử cực đại:

w = w*= (1, 0, …, 0) ⇒ F(a1, a2, …, an) = max{a1, a2, …, an} (34)

• Toán tử cực tiểu:

w = w* = (0, 0, …, 1) ⇒ F(a1, a2, …, an) = min{a1, a2, …, an} (35)

• Toán tử trung bình :

w = (1

n,

1

n, …,

1

n) ⇒ F(a1, a2, …, an) = 1 2 ... na a a

n

+ + + (36)

Ngưỡng chấp nhân của người dùng được ước lượng từ độ quan trọng (wi) và ngưỡng

nhượng bộ (λi) của mỗi thuộc tính theo các bước sau:

Bước 1: Xác định ngưỡng chấp nhận trên từng thuộc tính θi = O(wi, λi). Trong đó O là

một hàm t-norm nào đó.

Bước 2: Ngưỡng chấp nhận tổng thể được xác định bằng cách tổ hợp các ngưỡng chấp

nhận trên từng thuộc tính θi bởi toán tử OWA:


24

θ = F(θ1, θ2, …, θn) (37)

Nhận xét rằng, nếu có ít nhất một thuộc tính không thỏa mãn yêu cầu của bên mua thì

mặt hàng đó sẽ không được chấp nhận. Do đó, toán tử OWA được sử dụng trong trường

hợp này là toán tử max (như công thức (34)).

3.2.2.5 Thủ tục ra quyết định

Khi nhận được yêu cầu nhượng bộ từ phía người bán, agent mua sẽ phải xác định ràng

buộc nhượng bộ sao cho mức độ lợi ích bị giảm là ít nhất.

Định nghĩa 11 [29]: Mức độ lợi ích bị giảm đối với mỗi thuộc tính của sản phẩm được xác

định bởi biểu thức:

Ti= (Vi(x) – Vi(y))*wi (38)

Trong đó:

Ti, wi: mức độ lợi ích bị giảm và trọng số của thuộc tính thứ i.

Vi(x): giá trị mong muốn nhất đối với thuộc tính thứ i (Vi được xác định theo định

nghĩa 9).

Vi(y): giá trị mong muốn sau khi nhượng bộ đối với thuộc tính thứ i.

Khi đó, thuộc tính nhượng bộ sẽ là:

i0 = {i : Ti = minj(Tj) ∀j=1, …, n} (39)

Sản phẩm được chấp nhận là sản phẩm:

g0 = {g : V(g)>θ ∀g∈G} (40)

Trong đó: V được xác định theo công thức (29)

Nếu sản phẩm không được chấp nhận, nó sẽ gửi thông điệp “refind” sang cho agent bán.

Agent mua sẽ chỉ gửi thông điệp này sau một số hữu hạn lần. Điều này cũng khá thực tế,

người mua không thể kiên nhẫn để thử tất cả các lời chào hàng của người bán.

3.3 KẾT LUẬN

Chương này giới thiệu một số khái niệm cơ bản về lý thuyết tập mờ và các mô hình ra

quyết định của agent mua và agent bán. Với người mua, việc lựa chọn các giá trị ưa thích

cho từng thuộc tính cũng như độ ưu tiên (trọng số) được thực hiện thông qua các biến ngôn

ngữ. Ngữ nghĩa của các biến ngôn ngữ được xác định thông qua cấu trúc có thứ tự của

chúng. Tương tự như vây, người bán sử dụng khái niệm số mờ để đánh giá độ tương tự

giữa các sản phẩm cũng như mức độ chấp nhận được đối với từng sản phẩm.

Chương 4 Mô hình thương lượng

25

Chương 4 MÔ HÌNH THƯƠNG LƯỢNG

4.1 BÀI TOÁN

Bài toán thương lượng song phương được được đặt ra như sau: Có hai bên tham gia

giao dịch, một bên bán và một bên mua. Người mua nắm giữa một tập các ràng buộc P =

{p1, p2, …, pm}, các ràng buộc này có thể là ràng buộc trên một thuộc tính, có thể là ràng

buộc trên nhiều thuộc tính. Mong muốn của người mua là mua được mặt hàng thoả mãn tốt

nhất các ràng buộc này. Người bán có một tập các sản phẩm G = {g1, g2, …, gn} có thể

cung cấp cho người mua. Mỗi sản phẩm gi sẽ có mức độ thoả mãn khác nhau đối với các

ràng buộc pj và có một mức độ lợi nhuận V(gi) cho người bán nếu mặt hàng này được bán.

Mong muốn của người bán là bán được mặt hàng có mức độ lợi nhuận V(gi) cao nhất.

4.2 CHIẾN LƯỢC THƯƠNG LƯỢNG

4.2.1 CHIẾN LƯỢC CHO AGENT MUA

Các trạng thái trong chiến lược thương lượng của agent mua sẽ được mô tả như hình

4.1. Các trạng thái của agent mua gồm có:

Hình 4.1: Chiến lược mua

• Khởi tạo: Trước khi bắt đầu thương lượng, agent mua phải hoàn tất các thủ tục cần

thiết để đăng ký vào hệ thống. Sau khi đã hoàn thành, agent mua bắt đầu đi vào

trạng thái lựa chọn.

• Chờ đợi: Trạng thái này chờ đợi các phản ứng từ phía người bán. Tuỳ theo nội dung

trả về, agent sẽ chuyển vào trạng thái tương ứng.

Khởi

tạo

Lựa

chọn

Chờ

đợi

Kiểm

tra

Duyệt

Kết

thúc

Nhượng

bộ

�

� �

� �

�

�

�

�

0 - Khởi tạo

1 - Lựa chọn và gửi thông điệp “find”

2 - Nhận thông điệp “check”

3 - Vi phạm ràng buộc & gửi thông điệp

“find”

4 - Không vi phạm

5 - Nhận thông điệp “deal” hoặc “fail” để

kết thúc giao dịch

6 - Không duyệt được, gửi thông điệp

“refind”

7 - Nhận thông điệp “try”

8 - Nhận thông điệp “relax”

9 - Gửi thông điệp “find” cùng ràng buộc

mới, đã được nhượng bộ

10 - Gửi thông điệp “norelax”


26

• Lựa chọn: Agent mua lần lượt chọn các thuộc tính có độ ưu tiên cao nhất (trọng số

lớn nhất) để đưa vào tập ràng buộc P. Sau đó, nó sẽ gửi tập ràng buộc P này cùng

với thông điệp “find” tới agent bán để yêu tìm kiếm sản phẩm thoả mãn ràng buộc

này.

• Kiểm tra: Sau khi nhận thông điệp “check” từ agent bán, agent mua sẽ đi vào trạng

thái này. Tại đây, nó kiểm tra xem sản phẩm được đề xuất có thoả mãn các ràng

buộc còn lại không. Nếu thoả mãn, nó chuyển sang trạng thái Duyệt (verify). Ngược

lại, nó cập nhật thêm vào tập P các ràng buộc mới trước khi gửi sang cho người bán

cùng thông điệp “find”.

• Duyệt: Trạng thái này đạt được khi nhận được thông điệp “try” hoặc chuyển sang từ

trạng thái kiểm tra. Mặc dù có thể các ràng buộc đã được thoả mãn nhưng chưa

chắc mặt hàng đã được chấp nhận (Mức độ chấp nhận được trình bày trong phần

3.2.2.3). Nếu chấp nhận được agent mua gửi thông điệp “deal”, thông báo giao dịch

thành công. Ngược lại, nếu agent mua chuyển sang trạng thái này từ trạng thái kiểm

tra thì nó gửi thông điệp “refind” yêu cầu tìm lại mặt hàng khác theo ràng buộc cũ

(không cần bổ sung thêm ràng buộc mới). Nếu chuyển sang từ trạng thái chờ đợi,

tức là nó nhận được thông điệp “try” đi kèm với ràng buộc này thì nó sẽ gửi thông

điệp “fail”, kết thúc giao dịch.

• Nhượng bộ: Khi nhận được thông điệp “relax”, agent mua sẽ chuyển vào trạng thái

này để giảm bớt mức độ yêu cầu với các ràng buộc. Tuy nhiên, mức độ lợi ích sau

khi nhượng bộ không thể vượt quá ngưỡng λi (ngưỡng nhượng bộ đối với thuộc tính

thứ i). Quá trình xác định thuộc tính nhượng bộ được xác định trong phần 3.2.2.5.

Nếu xác định được thuộc tính nhượng bộ, nó gửi ràng buộc được thay đổi đến cho

agent bán cùng với thông điệp “find”. Ngược lại, nó gửi thông điệp “norelax” để từ

chối.

Agent mua có hai trạng thái kết thúc thành công (gửi thông điệp “deal”) hoặc thất bại

(gửi thông điệp “fail”). Việc thành công hay thất bại đều do nó quyết định. Điều này là phù

hợp với thực tế. Người mua luôn là người quyết định sự thành bại của giao dịch. Còn

người bán thì ngược lại. Luôn luôn sẵn sàng phục vụ.

4.2.2 CHIẾN LƯỢC CHO AGEN BÁN

Các trạng thái thương lượng của agent bán được minh hoạ trong hình vẽ 4.2

• Khởi tạo: Trước khi bắt đầu cuộc thương lượng, agent bán phải hoàn tất các thủ tục

cần thiết để đăng kí vào hệ thống. Sau khi đã hoàn thành, agent bán chuyển sang

trạng thái tiếp theo là trạng thái chờ đợi.


27

• Chờ đợi: Trạng thái này chờ đợi các phản ứng từ phía agent mua (khách hàng). Tuỳ

vào nội dung các thông điệp từ khách hàng mà agent bán chuyển tới các trạng thái

tiếp theo tương ứng.

Hình 4.2: Chiến lược bán

• Cập nhật: Sau khi nhận được thông điệp “find” (tìm kiếm) từ phía khách hàng, tức

là nhận được một lời yêu cầu tìm kiếm từ phía khách hàng. Nó cập nhật các yêu cầu

của khách hàng vào tập P tương ứng. Và sau đó chuyển sang trạng thái tìm kiếm, để

tìm kiếm sản phẩm theo yêu cầu của khách hàng.

• Tìm kiếm: Trạng thái này đạt được khi agent nhận được thông điệp “refind” (tìm

lại) từ phía khách hàng hoặc chuyển sang từ trạng thái cập nhật. Tại đây, nó tìm

kiếm mặt hàng thoả mãn các yêu cầu của khách hàng được lưu trong tập P. Nếu có

nhiều hơn một mặt hàng thoả mãn, nó chọn mặt hàng có mức độ chấp nhận cao nhất

(được xác định trong phần 3.2.1.3). Sau đó, agent bán sẽ gửi thông điệp “check”

kèm theo mặt hàng để hỏi xem người mua có chấp nhận mặt hàng này không. Nếu

không tìm thấy mặt hàng nào nó gửi thông điệp “relax” để yêu cầu giảm bớt ràng

buộc.

• Tương tự: Trạng thái này đạt được khi nó nhận được thông điệp “norelax”. Tức là

lúc này nó không tìm được mặt hàng nào thoả mãn ràng buộc và agent mua cũng

không thể giảm bớt ràng buộc hơn nữa, do đó agent bán buộc phải tìm kiếm trong

miền tri thức của mình một số mặt hàng “tương tự” với các ràng buộc (thủ tục xác

định mặt hàng tương tự được trình bày trong phần 3.2.1.2). Khi đó, mặt hàng được

tìm thấy sẽ được đề xuất cho agent mua kèm theo thông điệp “try”.

0 - Khởi tạo

1 - Nhận thông điệp “find” và cập nhật

ràng buộc

2 - Tìm kiếm theo ràng buộc mới

3 - Nhận thông điệp “refind”

4 - Không tìm thấy sản phẩm, gửi thông

điệp “relax”

5 - Tìm thấy sản phẩm, gửi thông điệp

“check”

6 - Nhận thông điệp “norelax”

7 -Gửi thông điệp “try”

8 - Nhận thông điệp “deal”hoặc “fail” kết

thúc giao dịch

Khởi

tạo

Chờ

đợi

Cập

nhật

Kết

thúc

Tương

tự

� �

� �

�

�

�

�

Tìm

kiếm


28

Quá trình trên có thể lặp lại nhiều lần và chỉ kết thúc khi agent bán nhận được thông

điệp “deal” (thành công) hoặc “fail” (thất bại) từ phía khách hàng. Trong trường hợp thành

công, agent bán phải cập nhật lại tập tri thức của mình.

4.4 KẾT LUẬN

Chương này trình bày một mô hình chiến lược cụ thể cho cả bên mua và bên bán tương

ứng. Về phía người mua, sở thích của người dùng được mô hình hoá thành các ràng buộc

mờ và được đề xuất lần lượt cho người bán theo độ ưu tiên của từng thuộc tính. Người bán

nhận lần lượt các ràng buộc từ phía người mua và có các xử lý tương ứng cũng dựa trên lý

thuyết mờ theo mô hình chiến lược đã đề xuất. Khi không có mặt hàng theo yêu cầu, agent

bán sẽ tìm mặt hàng tương tự với hy vọng người mua chấp nhận.

Chương 5 Dịch vụ hỗ trợ mua bán xe máy MoSeB

29

Chương 5 DỊCH VỤ HỖ TRỢ MUA BÁN XE MÁY MoSeB

5.1 GIỚI THIỆU BÀI TOÁN

Một người muốn mua một chiếc xe máy thông qua một hệ thống mua bán tự động trên

mạng. Khi sử dụng hệ thống, người dùng chỉ cần khai báo các thông tin về chiếc xe mà

mình mong muốn như: giá tiền, màu sắc, loại xe, … sau đó, kết quả sẽ được hệ thống tự

động gửi về mail cho người dùng hoặc thông báo khi người dùng đăng nhập lại sau một

thời hạn nhất định.

5.2 PHÂN TÍCH VÀ THIẾT KẾ

5.2.1 Phân tích

5.2.1.1 Xác định mục tiêu

Đối với hệ thống này, nhiệm vụ chủ yếu của nó là tìm ra được một sản phẩm thoả mãn

yêu cầu người dùng, do đó, mục tiêu chủ yếu của hệ thống chỉ là thương lượng. Các mục

tiêu con của mục tiêu này bao gồm: tìm kiếm đối tác và báo cáo kết quả.

Hình 5.1: Lược đồ mục tiêu

5.2.1.2 Xây dựng các usecase

Việc xác định các role từ các usecase được thực hiện như sau:

- Trong usecase “tìm kiếm đối tác”, có các role là: Buyer, Seller và Broker.

- Với usecase “báo cáo” chỉ có hai role: Buyer và User.

- Với usecase “thương lượng”, cần hầu hết tất cả các role: Buyer, User, Seller,

Broker.


30

THƯƠNG LƯỢNG

1. Người dùng gửi yêu cầu đến nhà môi giới để tìm kiếm đối tác thích hợp

2. Sau khi đã xác định được đối tác, người mua liên hệ trực tiếp đến người bán để xác định thông tin về sản phẩm

3. Tiến hành xác định các giá trị thuộc tính

4. Bắt đầu tiến trình thương lượng theo đúng qui tắc.

5. Thông báo kết quả cho người dùng.

TÌM ĐỐI TÁC

1. Người bán đăng ký địa chỉ và dịch vụ với người môi giới

2. Khi có yêu cầu, nhà môi giới tìm kiếm trong miền tri thức của mình một người bán có dịch vụ phù hợp với người yêu cầu

3. Kết quả tìm kiếm được thông báo cho người yêu cầu.

BÁO CÁO

1. Người dùng đăng nhập vào hệ thống 2. Agent mua thông báo kết quả cho

người dùng

Hình 5.2: Trích chọn các usecase

Việc xác định các biểu đồ tuần tự được xác định thông qua các usecase. Mỗi usecase sẽ

có tương ứng một biểu đồ tuần tự. Hình vẽ sau đây mô tả các biểu đồ tuần tự tương ứng

với các usecase.

Hình 5.3: Biểu đồ tuần tự báo cáo

THÔNG BÁO KẾT QUẢ

1. Người dùng trước khi xem kết

quả phải đăng nhập thành công

vào hệ thống.

2. Kết quả thương lượng sẽ đựoc

thông báo khi có yêu cầu.


31

Hình 5.4: Biểu đồ tuần tự môi giới

Hình 5.5: Biểu đồ tuần tự thương lượng

THƯƠNG LƯỢNG

1. Sau khi đã tìm được đối tác,

người mua đăng nhập vào hệ

thống để ra lệnh thương

lượng.

2. Khi nhận được yêu cầu,

agent mua sẽ tự động thương

lượng với agent bán.

3. Kết quả trả về được lưu trữ

để thông báo cho người dùng

MÔI GIỚI

1. Nguời mua đăng ký với nhà

môi giới để quảng bá sản phẩm

của mình.

2. Người bán trước khi tìm kiếm

sản phẩm phải đăng nhập vào hệ

thống để yêu cầu tìm kiếm đối

tác thông qua nhà môi giới.

3. Sau khi đăng nhập agent mua

cũng phải đăng ký với nhà môi

giới để tìm kiếm đối tác.


32

5.2.1.3 Xây dựng ontology

Quá trình thu thập dữ liệu được thực hiện để xác định miền tri thức cho các role hệ

thống. Trong hệ hỗ trợ mua bán xe máy, miền tri thức gồm có:

- Miền tri thức của người bán: Tên, địa chỉ, số hiệu cổng kết nối của người bán; Tên

mặt hàng và các thuộc tính của mỗi mặt hàng của người bán.

- Miền tri thức của người mua: Tên, địa chỉ và cổng kết nối của người mua; Yêu cầu

về sở thích của người mua đối với mặt hàng; Các thông tin khác.

- Miền tri thức của nhà môi giới: Tên, địa chỉ và số hiệu cổng kết nối của nhà môi

giới; Tên, địa chỉ, số hiệu cổng kết nối và khả năng cung cấp dịch của các agent

bán; Tên, địa chỉ, số hiệu cổng kết nối và yêu cầu của agent mua.

Các ontology trong hệ thống bao gồm:

Hình 5.6: Các lớp ontology

class Address {

String name;

String host;

port: int;

}

class Aspect {

String name;

double value;

double weight

}

class Weight{

double wColor;

double wManufacture;

double wCapacity;

double wCost;

double wRegister;

}

class Product{

int color;

int manufacture;

int capacity;

double cost;

double register;

}

class Interval {

double maxVal;

double minVal;

}

class Constraint {

String name;

double value;

}


33

Hình 5.7: Sơ đồ ontology hệ thống

5.2.1.4 Hoàn thiện các role

Từ quá trình phân tích trên, chúng ta có thể xác định được các role trong hệ thống gồm

có (hình 5.8):

- Role Broker thực hiện mục tiêu tìm kiếm đối tác.

- Role User thực hiện mục tiêu xem báo cáo kết quả.

- Role Sheller và Buyer thực hiện mục tiêu thương lượng.

Trong phần này, chúng ta chỉ tập trung vào hai nhiệm vụ chính, quan trọng nhất và có

thể được xem như là trái tim của luận văn đó là nhiệm vụ thương lượng trong vai trò người

mua và nhiệm vụ phục vụ trong vai trò người bán. Hình 5.9 mô tả các hoạt động chính

trong nhiệm vụ thương lượng (negotiate) và hình 5.10 mô tả các hoạt động chính trong

nhiệm vụ phục vụ (serve).

Thing

Address

Constraint

Interval

Product

Weight

Aspect

name

host

port

name

value

minVal

maxVal

color

manufacture

capacity

cost

register

color

manufacture

capacity

cost

register

name

value

weight


34

Hình 5.8: Lược đồ các role hệ thống

Hình 5.9: Sơ đồ hoạt động của nhiệm vụ Negotiate trong role Buyer


35

Hình 5.10: Sơ đồ hoạt động của nhiệm vụ Serve trong role Seller

5.2.2 Thiết kế

5.2.2.1 Tạo các lớp agent

Các lớp agent được xác định tương ứng như sau:

- Hai role User và Buyer cùng liên quan đến mục đích thoả mãn yêu cầu của người

dùng, do đó chúng cùng được đặt vào một lớp gọi là lớp BuyerAgent.

- Lớp SellerAgent đại diện cho người bán thực hiện role Seller.

- Lớp BrokerAgent đại diện cho nhà môi giới thực hiện role Broker.

Hình 5.11: Lược đồ Agent

5.2.2.2 Xây dựng các phiên hội thoại

Trong MaSE, mọi liên lạc giữa hai agent bất kỳ đều phải thông qua các phiên hội thoại.


36

Hình 5.12: Phiên hội thoại khởi xướng

Hình 5.13: Phiên hội thoại đáp ứng

5.2.2.3 Kết hợp các agent

Thành phần cho các lớp agent được minh hoạ qua các hình vẽ 5.14, 5.15 và 5.16:


37

Hình 5.14: Kiến trúc BuyerAgent

Hình 5.15: Kiến trúc SellerAgent

Hình 5.16: Kiến trúc BrokerAgent

5.2.2.4 Thiết kế hệ thống

Để áp dụng giống với mô hình thực tế, chúng ta sẽ thiết kế mô hình mỗi agent được

chạy trên một máy khác nhau.

Hình 5.17: Kiến trúc hệ thống tổng thể

Server a

BuyerAgent

Server b

SellerAgent

Server c

BrokerAgent


38

5.3 CÀI ĐẶT VÀ TÍCH HỢP

5.3.1 Lưu trữ hệ tri thức

Hình 5.18: CSDL cho SellerAgent

Hình 5.19: CSDL cho BuyerAgent


39

Người mua Môi giới Người bán

BuyerAgent

BrokerAgent

SellerAgent

BuyerDB BrokerDB SellerDB

Tầng giao

diện

Tầng agent

Tầng CSDL

Một trong những yêu cầu thiết yếu của hệ thống là phải lưu trữ được tri thức cho các

agent. Có hai giải pháp có thể được lựa chọn: Lưu trữ trên bộ nhớ trong và lưu trữ trên bộ

nhớ ngoài.

Trong ứng dụng này chúng tôi chọn giải trộn tức là sử dụng cả hai cách tiếp cận trên

nhằm mục đích tối ưu hoá hệ thống. Tri thức của các agent sẽ được lưu trữ trong CSDL

Access. Do đó, cần phải ánh xạ tri thức của các agent thành các bảng (hình 5.18, 5.19). Các

tri thức còn lại như: thông tin về đối tác, danh sách các ràng buộc, mức độ chấp nhận

được… sẽ được lưu trữ trong bộ nhớ trong để tăng tốc độ xử lý.

5.3.2 Mô hình hệ thống

Mô hình kiến trúc tổng thể được xây dựng theo mô hình 3 tầng (hình 5.20): tầng giao

diện, tầng agent và tầng CSDL.

Hình 5.20: Mô hình kiến trúc 3 lớp


40

KẾT LUẬN

Nhằm mục đích phát triển mô hình thương lượng giữa các agent trong thương mại điện

tử, luận văn đã tập trung trình bày một số nội dung sau đây:

• Tổng quan về các mô hình giao dịch và các giai đoạn trong quá trình giao dịch của

thương mại điện tử. Đặc biệt chú trọng đến tự động thương lượng và các thành phần

liên quan mà được xem là pha chủ yếu trong thương mại điện tử thế hệ II.

• Tổng quan các khái niệm cơ bản về agent và phương pháp luận phát triển hệ đa

Agent MaSE (Multiagent System Engineering) cùng công cụ hỗ trợ phát triển

agentTool. Phương pháp luận MaSE bao gồm hai pha: pha phân tích (gồm 4 bước:

xác định mục tiêu, xác định usecase, xây dựng ontology và hoàn thiện các role) và

pha thiết kế (bao gồm 4 bước: tạo các lớp Agent, xây dựng các phiên hội thoại, kết

hợp các Agent và thiết kế hệ thống).

• Phát triển mô hình thương lượng song phương kết hợp đa thuộc tính với ràng buộc

mờ có trọng số và độ đo tương tự. Trong mô hình này, các yêu cầu của agent mua

được đặc tả dựa trên các ràng buộc mờ có độ ưu tiên (hay còn gọi là trọng số).

Trong quá trình thương lượng, agent mua đề xuất các ràng buộc này theo thứ tự của

độ ưu tiên. Trong khi đó, mô hình ra quyết định của agent bán được xây dựng dựa

trên độ “tương tự” giữa các sản phẩm. Ý tưởng chính của mô hình này là trong

trường hợp không tìm được sản phẩm thoả mãn yêu cầu bên mua, agent bán sẽ đề

xuất các sản phẩm “xấp xỉ” với các ràng buộc của agent mua nhằm tăng hiệu quả

trong quá trình thương lượng.

• Mô hình thương lượng song phương đa thuộc tính với ràng buộc mờ và tương tự

được áp dụng để xây dựng hệ thương lượng “Dịch vụ hỗ trợ mua bán xe máy

MoSeB”. Hệ thống được phân tích, thiết kế theo từng bước trong phương luận

MaSE và công cụ agentTool. Ứng dụng đã được cài đặt thử nghiệm trên các máy

PC trong một mạng LAN.


41

Một số hướng phát triển trong thời gian tới

Mô hình thương lượng giữa các agent được trình bày trong luận văn đã mở ra một số

hướng nghiên cứu trong tương lai :

• Trong luận văn, việc đánh giá mức độ tương tự giữa các sản phẩm mới chỉ dừng lại

ở mức độ chủ quan, tức là phụ thuộc hoàn toàn vào các khía cạnh do người bán đề

xuất. Tuy nhiên, chúng ta có thể đánh giá độ tương tự các sản phẩm một cách khách

quan hơn bằng cách “thống kê” tất cả các giao dịch mà người bán đã thực hiện với

những người mua trước đây. Do đó, cần phải lưu trữ tất cả các thông tin về các giao

dịch trước đây và sử dụng các kỹ thuật trong khai phá dữ liệu để có thể khai thác

các thông tin đó hiệu quả.

• Theo mô hình thương lượng song phương, tại mỗi thời điểm một người mua chỉ có

thể thương lượng với một người bán. Do đó, việc mua bán chỉ phụ thuộc vào một

người bán. Mặc dù mô hình này rất phổ biến nhưng nó chưa phản ánh hết các khía

cạnh thực tế. Trên thực tế, một người mua có thể cần mua nhiều sản phẩm và do đó

cần phải tham gia giao dịch với nhiều người bán để có thể tìm kiếm các sản phẩm

có lợi nhất cho mình. Như vậy, agent mua có thể thương lượng với nhiều agent bán

theo kiểu đồng thời hoặc tuần tự. Vì vậy, xây dựng mô hình thương lượng song

phương kết hợp là vấn đề cần phải xem xét trong tương lai.


42

TÀI LIỆU THAM KHẢO

Tiếng Việt

[1] Nguyễn Cát Hồ, (2001), Lý Thuyết Tập Mờ và Công Nghệ Tính Toán Mềm, Nhà xuất

bản khoa học và kỹ thuật, Hà nội .

[2] Nguyễn Phương Lan, Hoàng Đức Hải, (2001), Java Lập Trình Mạng, Nhà xuất bản

giáo dục, Hà nội.

[3] Trần Đình Quế, (9-2003), Thương Lượng Tự Động Trong Thương Mại Điện Tử, Kỷ

yếu Hội nghị Khoa học lần thứ năm của Học Viện Công nghệ Bưu chính Viễn thông,

tr. 452-462, Hà Nội, Việt nam.

[4] Trần Đình Quế, (4-2004), Techniques of Information Integration Based on Ontology

in Developing Multiagent Systems, Proceedings of Asian Info-communications

Council 30th Conference, tr. 50-58 Kuala Lumpur, Malaysia.

[5] Trần Đình Quế, (11-2004), Combined Concurrent And Sequential Bilateral

Negotiations in E-commerce, Proceedings of International Conference AIC, Shenzen,

China.

[6] Trần Đình Quế, (8-2004), Ontology Trong Thương Lượng Giữa Các Agent, Báo cáo

tại Hội nghị Quốc gia về Công nghệ thông tin và Truyền thông lần thứ VII, Đà Nẵng,

Việt Nam.

[7] Trần Đình Quế, Đặng Thành Trung, (8-2004), Thương Lượng Song Phương Dựa

Trên Độ Đo Tương Tự Trong Hệ Đa Agent, Báo cáo tại Hội nghị Quốc gia về Công

nghệ thông tin và Truyền thông lần thứ VII, Đà Nẵng, Việt Nam.

[8] Trần Đình Quế, (6-2004), Nghiên Cứu Xây Dựng Quy Trình Phát Triển Hệ Phần

Mềm Hướng Agent, Đề tài nghiên cứu khoa học, Học Viện Công Nghệ Bưu chính

viễn thông, Hà Nội, Việt Nam.


43

Tiếng Anh

[9] Walter Brenner and Rudiger Zarnekow Hartmut Wittig, (1998), Intelligent Software

Agent, Springer-Verlag Berlin Heidelberg.

[10] H.M. Chung, E. Turban and J. Lee, D. King, (1999), Electronic Commerce: A

Managerial Perspective, eds. Prentice Hall.

[11] Scott A. DeLoach, (2000, 2001), agentTool 2.0 User's manual, Air Force Institute of

Technology.

[12] Scott A. DeLoach, (1999), Multiagent Systems Engineering: A Methodology And

Language for Designing Agent Systems, Presented at Agent-Oriented Information

Systems (AOIS).

[13] Scott A. Deloach, Mark F. Wood and Clint H. Sparkman, (2001), Multiagent Systems

Engineering, International Journal of Software Engineering and Knowledge

Engineering, Vol. 11, No. 3, pp. 231-258.

[14] Scott DeLoach, Jonathan DiLeo and Timothy Jacobs, (2002), Integrating Ontologies

into Multiagent Systems Engineering, Fourth International Bi-Conference Workshop

on Agent-Oriented Information Systems, Bologna, Italy.

[15] Tim Finin and Yanin Labrou, (1997), A proposal for a new KQML Specification,

CSEE Technical Report TR CS--97--03.

[16] T. Finin, Y. Labrrou et al, (1997), KQML as an agent communication language, In J.

Bradshaw, editor, Software agents. MIT Press, pp. 291-316.

[17] P. Faratin, C. Sierra, N. R. Jennings and S. Parsons, (2000), Automated Negotiation,

Proc. 5th Int. Conf. on the Practical Application of Intelligent Agents and Multi-

Agent Systems (PAAM-2000), Manchester, UK, pp. 23-30.

[18] P. Faratin, N. R. Jennings and C. Sierra, (2002), Using similarity criteria to make

issue trade-offs in automated negotiations, Proc. 4th Int. Conf. on Multi-Agent

Systems (ICMAS-2000), Boston, USA, pp. 119-126.

[19] R. H. Guttman, A.G. Moukas, and P. Maes, (1998), Agent-Mediated Electronic

Commerce: A Survey, The Knowledge Eng. Rev., vol. 13, no. 2, pp. 147-159.

[20] F. Herrera, E. Herrera-Viedma and J. L. Verdegay, (1994), A linguistic Decision

Process in Group Decision Making, Technical Report DECSAI 94102.


44

[21] F. Herrera, E. Herrera-Viedma, (1998), Linguistic Decision Analysis: Steps for

Solving Decision Problems under Linguistic Information, Technical Report DECSAI

98104.

[22] Marty Hall, (2000), Core Servlets and JavaServer Pages, Sun Microsystems Press A

prentice Hall Title.

[23] Nicholas R. Jenning, Alesso R. Lomuscio and Michael Wooldridge, (2000), A

classification scheme for negotiation in electronic commerce, Int Journal of Group

Decision and Negotiation 12 (1), pp. 31-56.

[24] Nicholas R. Jennings, Ho-Fung Leung and Minghua He, (2003), On Agent-Mediated

Electronic Commerce, IEEE Trans on Knowledge and Data Engineering 15 (4), pp.

985-1003.

[25] Nicholas R. Jennings, Jimmy Ho-man Lee, Xudong Luo and Ho-fung Leung, (2003),

Prioritised fuzzy constraint satisfaction problems: axioms, instantiation and

validation, Int Journal of Fuzzy Sets and Systems 136, (2), pp. 155-188.

[26] Nicholas R. Jennings, Jose J. Castro-Schez, Xudong Luo and Nigel R. Shadbolt,

(2003), Acquiring domain knowledge for negotiating agents: a case of study, Proc.

5th Int. Workshop on Agent-Mediated E-Commerce, Melbourne, Australia, pp. 41-

48.

[27] Nicholas R. Jennings and Minghua He, (2004), Designing a Successful Trading

Agent: A Fuzzy Set Approach, Proc 15th European Conf. on AI (ECAI-2002), Lyon,

France.

[28] Nicholas R. Jennings, Xudong Luo, Nigel Shadbolt, Ho-fung Leung, Jimmy Ho-

man Lee, (2003), A fuzzy constraint based model for bilateral, multi-issue

negotiations in semi-competitive environments, Artificial Intelligence, (148), pp. 53–

102.

[29] Sun Microsystems, (2003), The Java Tutorial, online http://java.sun.com.

[30] Scott A. Moore, (1998), KQML & FLBC: Contrasting Agent Communication

Languages, Proceedings of the Thirty-second Annual Hawaii International

Conference on System Sciences-Volume 6.

[31] A. Sharma, (2002), Trends in Internet-Based Business-to-Business Marketing,

Industrial Marketing Management, vol. 31, pp. 77-84.


45

[32] Larry M. Stephens and Michael N. Huhns, (1999), Mutilagent Systems and Societies

of Agents, Multiagent systems: a modern approach to distributed artificial intelligent

table of contents, pp. 79-120, MIT Press Cambridge, MA, USA.

[33] K. P. Sycara, (1998), Multiagent Systems, AI magazine Volume 19, No.2 Intelligent

Agents Summer.

[34] K. P. Sycara and M. Tsvetovat, (2000), Customer Coalitions in the Electronic

Marketplace, Proc. Fourth Int’l Conf. Autonomous.

[35] K. P. Sycara and Matthias Klush, (2001), Brokering and Matchmaking for

Coordination of Agent Societies, In Coordination of Internet Agents, A. Omicini et

al. (eds.), Springer.

[36] K. P. Sycara and H.C Wong, (2000), A Taxonomy of Middle-Agents for The Internet,

Proceedings of the Fourth International Conference on Multiagent Systems (ICMAS

2000), pp. 465-466.

[37] R. Till and T. Nash, (1998), Transforming the Way We Do Business, Electronic

Commerce, T. Nash, ed., pp. 9-12.

[38] R. R. Yager, (1998), On Ordered Weighted Averaging Aggregation Operators in

Multicriteria Decision Making, IEEE Trans, System Man Cerbernetics, 18, pp. 183-

190.

[39] L. A. Zadeh, (1965), Fuzzy Sets, Inform and Control, pp. 338-353.

[40] P.R. Wurman, M. Wellman, and W. Walsh, (1998), The Michigan Internet

Auctionbot: A Configurable Auction Server for Human and Software Agents, Proc.

Second Int’l Conf. Autonomous Agents, pp. 301-308.

Documents

Thương lượng tự động dựa trên độ đo tương tự trong hệ đa ...tainguyenso.vnu.edu.vn/jspui/bitstream/123456789/37255/1/V_L0... · Chương 1 THƯƠNG MẠI ĐIỆN