Βελτιστοποίηση αυτοματοποιημένων διαπραγματεύσεων με ποικίλες τεχνικές μάθησης

Abstract

Over the last years, automated negotiations constitute an emerging area of electronically interacting applications available to the end users for the acquisition of goods and services from multiple and distributed providers and thus, extend the classical notion of negotiation using computational mechanisms. For this purpose, mobile agents are configured to accomplish real time transactions, trying to achieve the maximum possible satisfaction of the predefined targets from their assignors. Such procedures are highly complex, whereas there is always the common demand to acquire the required goods or services, on the best possible quality and in the lowest possible value with regards to the client. Off course the opposite is required if the problem is faced from the provider’s side. This dissertation exploits to the maximum possible extent, all the achievements and rules of the area of automated negotiations, employing the well-defined negotiation frameworks, protocols and strategies designated for each negotiating party, thus attempting to propose solutions on the problem of estimating the future behaviour of the opponent. Therefore, the utmost purpose is to offer the advantage of the procedure to the party that employs the mechanisms proposed, leading to agreements with the maximum possible profit, the minimum resource consumption and also in minimal time periods. The mechanisms proposed here utilize and compare machine-learning models that have been prevalently used in many different scientific areas, while they are evaluated for their stability and reliability through extensive experiments that justify practically the competence of the proposed solutions.

Τα τελευταία χρόνια, οι αυτοματοποιημένες διαπραγματεύσεις αποτελούν μια αναδυόμενη κατηγορία εφαρμογών ηλεκτρονικής αλληλεπίδρασης των χρηστών για την απόκτηση αγαθών και υπηρεσιών από πολλαπλούς και κατανεμημένους παροχείς, με επέκταση της κλασικής διαπραγμάτευσης με τη βοήθεια υπολογιστικών μηχανισμών. Στα πλαίσια αυτών, κινητοί πράκτορες αναλαμβάνουν να διεκπεραιώσουν συναλλαγές σε πραγματικό χρόνο και με την μεγαλύτερη δυνατή ικανοποίηση των στόχων που έχουν αρχικά τεθεί από τους εντολείς τους. Οι διαδικασίες αυτές εμφανίζουν μεγάλη πολυπλοκότητα, ενώ κοινή απαίτηση είναι η απόκτηση των περισσότερων δυνατών αγαθών, στην καλύτερη δυνατή ποιότητα και βέβαια με το χαμηλότερο κόστος, αν το πρόβλημα αντιμετωπίζεται από την πλευρά του πελάτη και αντίστροφα από την πλευρά του παροχέα. Η παρούσα διατριβή αξιοποιεί στο έπακρο τις εξελίξεις στην περιοχή, υιοθετώντας τα θεμελιωμένα περιβάλλοντα ηλεκτρονικών διαπραγματεύσεων, τα πρωτόκολλα που ακολουθούνται και τις στρατηγικές που χαρακτηρίζουν τον εκάστοτε συμμετέχοντα επιχειρώντας να προτείνει λύσεις για το πρόβλημα της εκτίμησης της μελλοντικής συμπεριφοράς του αντιπάλου, προσφέροντας με τον τρόπο αυτό το πλεονέκτημα των κινήσεων προς συμφωνίες με μεγαλύτερο όφελος, μικρότερη κατανάλωση πόρων και σε μικρότερους χρόνους. Για το σκοπό αυτό χρησιμοποιούνται και αντιπαραβάλλονται ευρύτατα χρησιμοποιούμενα μοντέλα μηχανικής μάθησης τα οποία ελέγχονται ως προς την αξιοπιστία και τη σταθερότητά τους, μέσω εξαντλητικών πειραμάτων που αποδεικνύουν την επάρκεια των λύσεων που προτείνονται να προσφέρουν τα προσδοκώμενα αποτελέσματα.