电力市场中关于直购电力价格的讨价还价博弈模型

运用鲁宾斯坦的轮流出价讨价还价模型的思想,构造发电公司与大用户之间关于直购电力价格的不完全信息轮流出价的讨价还价博弈模型,求解模型并对所得的结果进行分析,得出双方达成协议主要取决于双方的“谈判成本”以及它们关于对方实时电力价格预期的估计。最后提出应提高实时电力市场透明度的政策建议。文中的模型及其结论同样也适用于发电公司和配电公司之间的讨价还价博弈。     

双边多轮价格谈判过程的建模与分析

针对电子商务环境下集中采购的价格谈判的特点,提出了讨价还价轨迹图的概念.该轨迹图可以记录谈判对手的历史谈判数据,分析其心理特性,为当前谈判提供参考.基于这种轨迹图,提出了多点组合法和折线延伸法两种在谈判中预估成交价格的计算方法.这些方法可以在谈判过程中,实时地为谈判人员提供信息支持,避免大的失误,使谈判取得更好的经济收益.以上工作已在某企业采购中心电子商务系统获得应用,并取得满意的效果.     

基于Agent的两阶段一对多谈判模型研究

本文提出了一种基于Agent的两阶段一对多谈判模型.与单阶段一对多并行谈判模型相比,这种模型在谈判第一阶段不主动淘汰卖方,卖方不会因为在谈判初期采取较为的保守策略而过早失去继续谈判的机会,同时也增加了买方最终得到更好成交价格的机会.本文还提出了一种改进的基于合作可能度的淘汰谈判机制,在谈判模型的第二阶段逐步淘汰合作可能度小的卖方,达到减少谈判成本的目的.     

商务谈判中的观察技巧

在商务谈判过程中，掌握信息，特别是准确掌握有关谈判对手的信息，对于谈判的成败有着非常重要的作用。因为谈判的每个步骤都需要大量资料验证，进而说服对手，达到自己谈判的目的。本文重点研究了观察的重要性，通过仔细观察谈判对手的举止言谈，捕捉其内心活动的蛛丝马迹。也可以揣摸对方的姿态神情，探索引发这类行为的心理因素，促使谈判朝着有利于已方的方向发展，本文集中对面部表情信息、上肢动作语言信息、下肢语言动作信息的特征和识别进行了详细论述。     

供应链上企业间协同谈判模型和原型研究

本文对面向业务流程集成的协同谈判进行研究。这种新的谈判模式的特点是通过约束传播与约束放松来调整谈判各方的利益,达到共赢。本文建立了协同谈判中多线程间的状态机谈判协议,提出了多线程间基于域传播算法的协同谈判策略和谈判模型,并通过研制原型系统进行实验,证实了本文所提出的协同谈判理论和方法的正确性。本文提出的协同谈判模型可以解决供应链上企业同时与多个上、下游企业的谈判问题,可通过改变业务流程,使供应链上的企业达到双赢,提高谈判的效率。     

谈判者的参照点和换位思考对谈判过程和谈判结果的影响

本研究利用分配式谈判的情境,检查了BATN(A当前协议的最佳替代方案)、谈判前设定的目标、第一次出价等多个参照点或因素对谈判结果的影响。对于由132名在职MBA学生组成的66对达成谈判协议的谈判组的数据进行了分析。结果表明:BATNA除了原有的激励作用外,也降低了谈判者对于谈判所要达成的结果的期望;谈判前所设定的目标越高、第一次出价越高,谈判者获得的收益越多,并且第一次出价在目标和收益间起到了中介作用。本研究还检查了换位思考对谈判的影响,发现个体把谈判对手的目标和BATNA想象得越高,个体收益就越差,其中第一次出价起到了中介作用;对于权力较大的一方来说,换位思考能够降低对方第一次出价的锚定效应。本研究还探讨了角色差异对谈判结果的影响。     

达成交易之法

你已通读谈判指南书至T条目并遵其行事,你已发现双方的核心利益所在,你通过脑力激荡寻找有创意的解决方案,甚至已经与对方公司代表建立起良好的关系。你的行为均正确合理,却仍未能签订合同。如何将对方的犹豫转变为肯定?多作让步绝非正解。若此时对方面临双重选择:要么接受你提出的交易条件。要么进一步谈判,则切不可修改提案,做出让步,因为每次让步都于无意中鼓励对方拖延时间,谋取更多利益。某些情况下,你必须在交易降至底线前,迫使对方作出抉择:要么接受目前的交易,要么一无所有。你的目标不应当是下达“接受或拒绝”的最后通牒,而是精…     

考虑公平关切及其谈判破裂点的供应链运作

将考虑谈判破裂点的Nash解作为公平参考点,构建了基于Stackelberg博弈的公平关切供应链模型,分别在批发价契约和回购契约中探讨了供应链的决策和协调问题,分析了谈判破裂点对公平关切供应链的影响.研究发现:当批发价分别为外生、内生变量时,谈判破裂点对最优订货量的影响是完全相反的.此外,在批发价契约和回购契约中,基于Stackelberg博弈的公平关切供应链均无法协调,继而文章采用价格补贴的方式进行联合契约设计使供应链达到协调.     

NSS中基于云模型的谈判人偏好表示及其效用研究

为解决谈判支持系统中谈判人偏好表示与偏好效用的难点问题,给出了一种基于云模型的心理偏好表示和效用计算方法.首先给出了基于云模型的偏好描述模型,模型充分表达了心理偏好的模糊性和随机性然后给出了基于云模型的心理偏好表示的运算方法和效用计算方法,同时给出了谈判支持系统中通过中介方式基于云模型的偏好表示的谈判建议解求解方法.     

面向电子商务的基本遗传算法的Agent 谈判模型

探讨Agent 技术和遗传算法在电子商务网上谈判中的应用,为网上谈判的开展提供定量 和优化模型. 首先对三种基于Agent 的主流谈判模型进行比较研究;其次,从三个角度对谈判 模型进行分类,并确定基于Agent 技术的谈判系统的目标和特征;进一步研究基于遗传算法的 Agent 谈判模型,并对模型进行仿真实验,以证明模型的有效性. 该模型的特点是Agent 能在谈 判过程中学习和发展新的谈判策略.     

基于多AGENT系统的电力合约市场协商平台框架研究

提出了电力合约市场的实用化交易协商平台,由代表各自公司利益的智能体自动完成协商过程,该平台支持各智能体的自由协商。为满足该平台的实用化要求,进行了以下针对性设计:定义了智能体的协商策略,并设计了模糊控制遗传算法进行策略学习,使合约协商具有策略优化基础;针对合约市场协商的动态性和信息量大且不完全等特点,设计了灵活、鲁棒性强的可废止逻辑作为协商语言,并采用满足序列信息交换要求的POS语义作为智能体平台的通信协议。最后给出了智能体的设计实现思路。     

决策单元交叉效率的自适应群评价方法

传统交叉效率评价方法因决策单元偏好权重不唯一而难以操作,因交叉效率有效性分值平均化集结而难以被接受。目前的学者通常围绕决策单元指标权重的确定性分配方法、交叉效率有效性分值的去平均化集结等分别开展研究。本文将交叉效率评价方法中自评互评相结合的评价模式看作群决策过程,即每个决策单元既是一个被评对象,又是一个决策"专家",提出了一种决策单元交叉效率的自适应群评价方法,将决策单元偏好权重的确定和交叉效率有效性分值的去平均化集结作为同一个决策过程,根据每个决策单元的评价结果与群体评价结果的接近程度,同步迭代调整决策单元的"专家"权重和决策单元自评产生的、并提供给其他被评价决策单元的一组确定的偏好指标权重。实验验证与实例运用分析表明,该方法收敛效果良好,能得到客观稳定的决策单元交叉效率有效性分值及排序。     

分布决策环境下生产-分销协同计划研究

针对分布决策环境下因信息不对称使得供应链协同计划求解困难及难以达到全局最优的问题,本文利用多层规划理论和方法构建一个供应链生产-分销协同计划模型,采用模糊交互式协商和遗传算法的优化求解方法对协同计划模型进行求解。该方法求解的结果是一组满足约束条件的满意解,各节点企业根据自身偏好和约束信息决定是否接受该满意解,或者修正各自目标满意度隶属函数重新求解。决策过程具有一定的柔性。最后通过算例给出供应链生产-分销协同计划满意解的求解过程,对文中所建立的模型和算法进行了有效地说明和验证。求解结果说明该模型和协商方法能够有效地解决非对称信息条件下供应链生产-分销协同计划的求解和冲突问题。     

不完全确定信息的群体语言指派问题的求解方法

针对决策者权重和准则权重为不完全确定信息且评价语言值确定或位于二个标准语言值之间甚至缺失的多准则指派问题,提出了一种求解方法。首先利用证据推理算法计算得到各候选人完成各任务的优劣程度属于各个语言评价等级的信任度,并据此利用二元语义的Δ函数及其函数Δ-1将其集成为群体在所有准则下的综合评价矩阵,然后结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规则模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

基于时间约束的多边自动谈判模型研究

鉴于多属性谈判中多个属性的不同报价特点,将谈判区间分为2种分别进行分析,并考虑到多个投标方之间以及时间对Agent谈判策略的影响,建立了基于时间约束的多边谈判模型。最后,设计和实现了一个原型系统。     

制造商相对弱势格局下“主制造商-供应商”双方叫价拍卖灰博弈模型

高技术产品的研制初期,主制造商受系统集成能力弱、缺少市场话语权、与供应商合作关系不稳固等因素的影响,在项目谈判中往往处于弱势地位,尤其在产品定价问题上常常受到供应商的牵制。针对这一问题,引入体现主制造商和供应商定价博弈中贫信息及有限理性的灰系数,构建了"主制造商-供应商"双方叫价拍卖灰博弈模型,揭示价格谈判过程中的博弈关系,并对模型的交易范围进行了讨论;针对主制造商弱势格局下的博弈问题进行了参数设定和系统仿真,分析了主制造商的最优灰报价和可获得的最大效用;最后,根据模型及其仿真结果分别从前期沟通策略、价格谈判策略和长期合作策略的角度提出了主制造商博弈的策略建议。     

考虑属性关联的两阶段获胜者确定模型

研究了多属性逆向拍卖的获胜者确定问题。考虑属性之间的两两关联，以定义在2-可加模糊测度上的Choquet积分表达拍卖人的偏好，其中模糊测度的值由拍卖人提供的偏好信息推测得出。由于一般情况下与偏好信息一致的模糊测度取值并不唯一，考虑所有一致的评分函数提出了两阶段获胜者确定方法。首先采用线性规划挑选出在任意评分函数下可能获胜的报价，再通过混合整数规划确定一个与所有一致的评分函数的评价结果最为接近的报价排序，以得分最高者为稳健获胜报价。仿真实验表明，大量的报价为不可能获胜报价，说明了在第一阶段进行筛选的必要性。与现有方法的比较表明了该方法的有效性，且在拍卖轮数较大、报价数目较多时，该方法在计算效率上更有优势。     

C2C网上交易中信号机制的有效性分析

本文应用Berry等(1995)^[2]提出的离散选择需求模型和差异产品的伯川德竞争模型,并利用淘宝网上的交易数据,对声誉、消费者保障计划、保修服务及信息披露四种信号策略在网上交易中的作用进行了实证研究。需求估计结果表明消费者保障计划中的"7天无理由退换货"计划以及保修服务可以作为产品质量的信号;而在其他有效信号策略存在的情况下,消费者保障计划中的"先行赔付"计划以及卖家声誉作为质量信号的作用则被削弱。成本分析表明,信息披露虽然可以提高消费者购买的可能性,但是由于发出信号的成本太低,容易被低质量卖家所模仿,因此并不能作为有效的质量信号。本文首次从供给和需求两个方面分析了信号机制在信息不对称情况下的效应及其作用机制。     

Near optimal algorithms for online weighted bipartite matching in adversary model

Bipartite matching is an important problem in graph theory. With the prosperity of electronic commerce, such as online auction and AdWords allocation, bipartite matching problem has been extensively studied under online circumstances. In this work, we study the online weighted bipartite matching problem in adversary model, that is, there is a weighted bipartite graph \(G=(L,R,E)\) and the left side L is known as input, while the vertices in R come one by one in an order arranged by the adversary. When each vertex in R comes, its adjacent edges and relative weights are revealed. The algorithm should irreversibly decide whether to match this vertex to an unmatched neighbor in L with the objective to maximize the total weight of the obtained matching. When the weights are unbounded, the best algorithm can only achieve a competitive ratio \(\varTheta \left( \frac{1}{n}\right) \), where n is the number of vertices coming online. Thus, we mainly deal with two variants: the bounded weight problem in which all weights are in the range \([\alpha , \beta ]\), and the normalized summation problem in which each vertex in one side has the same total weights. We design algorithms for both variants with competitive ratio \(\varTheta \left( \max \left\{ \frac{1}{\log \frac{\beta }{\alpha }},\frac{1}{n}\right\} \right) \) and \(\varTheta \left( \frac{1}{\log n}\right) \) respectively. Furthermore, we show these two competitive ratios are tight by providing the corresponding hardness results.