基于CBR推理的DFL-Agent商务谈判系统及其案例库设计方法

第９卷第１期　２０１０年２月　江南大学学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｊｉａｎｇｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　Ｖｏ１．９　Ｎｏ．１　Ｆｅｂ．　２０１Ｏ　

基于ＣＢＲ推理的ＤＦＬ－Ａｇｅｎｔ商务谈判系统　

及其案例库设计方法　

程红林　，　韩雪　

（１．徐州Ｉ工程学院信电工程学院，江苏徐州Ｉ　２２１００８；２．徐州广播电视大学电子信息系，江苏徐　

州２２１００６）　

摘　要：针对商务谈判信息具有的动态模糊性特点，将动态模糊逻辑技术应用到基于ＣＢＲ推理的　

Ａｇｅｎｔ商务谈判系统中，以实现动态模糊数的知识表示、处理和基于ＣＢＲ推理的商务谈判过程。文　

中阐述了ＣＢＲ推理过程、系统的模型结构、功能以及案例库的设计，给出了一种改进的相似度计算　

方法，最后提出了一种基于ＣＢＲ推理的商务谈判中动态模糊问题的新方法。　

关键词：动态模糊逻辑；ＤＦＬ．Ａｇｅｎｔ商务谈判系统；案例库设计　

中图分类号：ＴＰ　１８　文献标识码：Ａ　文章编号：１６７１—７１４７（２０１０）Ｏ１—００６１—０５　

ＤＦＬ－Ａｇｅｎｔ　Ｃｏｍｍｅｒｃｅ　Ｎｅｇｏｔｉａｔｉｏｎ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　

ＣＢＲ　Ｒｅａｓｏｎｉｎｇ　ａｎｄ　ｔｈｅ　Ｄｅｓｉｇｎ　ｏｆ　Ｃａｓｅ－Ｄａｔａｂａｓｅ　

ＣＨＥＮＧ　Ｈｏｎｇ．１ｉｎ　，ＨＡＮ　Ｘｕｅ　

（１．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｕｚｈｏｕ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｘｕｚｈｏｕ　２２１００８，Ｃｈｉｎａ；２　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｕｚｈｏｕ　ＴＶ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｕｚｈｏｕ　２２１００６，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｄｙｎａｍｉｃ　ｆｕｚｚｙ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　ｎｅｇｏｔｉａｔｉｏｎ　ｉｎｆｏｒｍａｔｉｏｎ，ｔｏ　ｒｅａｌｉｚｅ　

ｔｈｅ　ｄｙｎａｍｉｃ　ｆｕｚｚｙ　ｄａｔａ　ｅｘｐｒｅｓｓｉｏｎ，ｈａｎｄｌｉｎｇ　ａｎｄ　ｒｅａｓｏｎｉｎｇ　ｐｒｏｃｅｓｓ　ｉｎ　ｎｅｇｏｔｉａｔｉｏｎ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　

ＣＢＲ，ＤＦＬ（ｄｙｎａｍｉｃ　ｆｕｚｚｙ　ｌｏｇｉｃ）ｔｅｃｈｎｏｌｏｇｙ　ｉｓ　ａｐｐｌｉｅｄ　ｔｏ　Ａｇｅｎｔ　ｃｏｍｍｅｒｃｅ　ｎｅｇｏｔｉａｔｉｏｎ　Ｓｙｓｔｅｍ．Ｔｈｅ　

ｒｅａｓｏｎｉｎｇ　ｐｒｏｃｅｓｓ　ｂａｓｅｄ　ｏｎ　ＣＢＲ，ｓｙｓｔｅｍ　ｓｔｒｕｃｔｕｒｅ　ａｎｄ　ｄｅｓｉｇｎ　ｏｆ　ｃａｓｅ－ｄａｔａｂａｓｅ　ａｒｅ　ｅｌａｂｏｒａｔｅｄ　ｉｎ　ｔｈｅ　

ａｒｔｉｃｌｅ．Ａｎ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｅｓｅｎｔｅｄ，ａｎｄ　ａ　ｎｅｗ　ｍｅｔｈｏｄ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｄｙｎａｍｉｃ　ｆｕｚｚｙ　ｐｒｏｂｌｅｍ　

ｉｎ　ｃｏｍｍｅｒｃｅ　ｎｅｇｏｔｉａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＣＢＲ　ｗｅｒｅ　ｐｒｏｐｏｓｅｄ　ａｔ　ｌａｓｔ．　

Ｋｅｙ　ｗｏｒｄｓ：ｄｙｎａｍｉｃ　ｆｕｚｚｙ　ｌｏｇｉｃ，ＤＦＬ—Ａｇｅｎｔ　ｃｏｍｍｅｒｃｅ　ｎｅｇｏｔｉａｔｉｏｎ　ｓｙｓｔｅｍ，ｄｅｓｉｇｎ　ｏｆ　ｃａｓｅ—ｄａｔａｂａｓｅ　

随着电子信息技术和网络技术的发展，电子商　

务已成为人类商务活动的重要方式，智能（Ａｇｅｎｔ）　

商务谈判应运而生。在网上委托一个虚拟的谈判代　

理进行，这就是Ａｇｅｎｔ商务谈判代理…。Ａｇｅｎｔ商务　

谈判代理是指由智能化的Ａｇｅｎｔ来代替谈判中的一　

方或者双方，是具有智能的软件实体，能进行知识　

学习，以某种程度的自主性、独立性和智能性代表　用户进行商务谈判。　

商务谈判中的信息具有动态模糊的特征，只有　

掌握了谈判数据的特性，才具备全面分析问题的条　

件和能力，真正建立起支持管理Ａｇｅｎｔ决策所需的　

谈判信息系统。目前，人们研究Ａｇｅｎｔ的理论工具主　

要有模态逻辑、时序逻辑、进程代数、对策论、模糊　

逻辑、粗糙集等。在这些理论工具中，时序逻辑、进　

收稿日期：２００９—０７—１２；　修订日期：２００９—０８—２６。　

作者简介：程红林（１９７４一），男，江苏徐州人，讲师，工学硕士。主要从事人工智能研究。　Ｅｍａｉｌ：ｈａｎｅｈｅｎｇ＿

ｘｕｅ＠１６３．ｃｏｎ　６２　江南大学学报（自然科学版）　第９卷　

程代数、对策论等可以描述动态问题，但对模糊性　

的处理不足。模糊数学只能解决静态的模糊性问　

题，但对于上述工具在解决动态模糊性问题方面还　

不能使人满意。动态模糊逻辑（Ｄｙｎａｍｉｃ　Ｆｕｚｚｙ　

Ｌｏｇｉｃ，ＤＦＬ）是解决动态模糊问题的理论工具。　

文中利用ＤＦＬ技术对系统中的动态模糊信息　

进行处理，将ＤＦＬ应用到基于案例推理（Ｃａｓｅ　Ｂａｓｅｄ　

Ｒｅａｓｏｎｉｎｇ，ＣＢＲ）支持的Ａｇｅｎｔ商务谈判系统中，以　

实现动态模糊数据的处理及动态模糊逻辑推理，从　

而更好地支持商务谈判的决策。　

１　动态模糊逻辑及其数据库　

１．１　动态模糊逻辑的基本概念　

定义１　根据文献［２］，设在论域Ｕ上定义一　

个映射：　

（Ａ，Ａ）：（Ｕ，Ｕ）一［０，１］Ｘ［一，一］，（　，　）　

（Ａ（　），Ａ（　）），记为（Ａ，Ａ）＝Ａ或Ａ，贝０称（Ａ，　）为　

（Ｕ，Ｕ）上的动态模糊集（Ｄｙｎａｍｉｃ　Ｆｕｚｚｙ　Ｓｅｔｓ，　

ＤＦＳ），称（Ａ（　），Ａ（　））为隶属函数（Ｍｅｍｂｅｒｓｈｉｐ　

ｆｕｎｃｔｉｏｎ）对（Ａ，Ａ）的隶属度（Ｍｅｍｂｅｒｓｈｉｐ　ｄｅｇｒｅｅ）。　

任何一个数ａ∈［０，１］，都可以把ａ动态模糊化　（ＤＦ）为：８　（　，　），。　ｏｒ　，ｍａｘ（　，　）＝Ａ　，　

ｒａｉｎ（　，　）：Ａ　。这样就可以把ａ状态的发展变化趋　

势直观地表示出来。　

１．２　动态模糊数据库　

动态模糊数据库　（Ｄｙｎａｍｉｃ　Ｆｕｚｚｙ　Ｄａｔａｂａｓｅ）　

是在动态模糊关系数据模型的基础上定义的，而其　

语言则是由原关系型数据库ＳＱＬ语言ＤＦ化形成。　

下面分别描述。　

定义２　根据文献［３］，设Ｄ　，Ｄ　，…，Ｄ　为ｎ个论　

域，把它们作为所要定义关系的属性值域，作值域　

Ｄｉ，Ｄ２，…，Ｄ　上的笛卡尔积：Ｄｌ　Ｘ　Ｄ２×…×Ｄ　，并　

对其中的每个元组　

ｒ＝（（　。，　。），（　，　），…，（　，　）），　

（置，　）∈Ｄ　）（ｉ＝１，２，…，ｎ）　

定义一个动态模糊数（ＤＦＮ）：ＤＦＮ（ｘ）Ｄ＝Ｆ（　，　）且　

（；，　）∈［０，１］，则值域Ｄ。，Ｄ　，…，Ｄ　上的一个动　

态模糊关系冗。　可定义为一个二元组：Ｒ。　＝｛Ｒ，　

ＤＦＮ｝称为ＤＦ关系数据库（简称为ＤＦ数据库）。其　

中尺表示Ｄｌ×Ｄ２×…×Ｄ　的一个子集，ＤＦＮ是定　

义在　上满足ＤＦＮ［Ｏ，１］的动态模糊数，表示相应　

元组的动态模糊度，即相应元组的ＤＦ真假度。若　ＤＦＮ＝１，则表示相应元组肯定为真；若ＤＦＮ＝０，　

则表示相应元组肯定为假，它们表示确定的知识。　

ＤＦＮ∈［０，１］×［＋－，一］表示该元组的动态模糊真　

假度。　

２　基于ＣＢＲ推理的Ａｇｅｎｔ商务谈判　

系统的模型结构　

２．１　ＣＢＲ推理　

ＣＢＲ案例推理方法是美国Ｒｏｇｅｒ教授于１９８２　

年提出的，随后在医疗诊断、法律案例等领域得到　

应用。基于ＣＢＲ推理的Ａｇｅｎｔ商务谈判系统首先要　

求谈判双方输入谈判信息，并将之进行形式化描　

述，得到一个谈判属性多元组；其次搜索客户、产品　

信息库并在谈判案例库中检索与目标案例相似的　

源案例，然后根据找到的源案例的结果进行决策，　

并将此源案例的重用性特征值进行加１；最后根据　

谈判案例重用性特征值决定如何对目标谈判案例　

进行评价。若案例重用的效果不佳，则对检索出的　

相似案例进行修改；若谈判案例评价证明案例重用　

的效果良好，则进入谈判案例学习阶段。谈判案例　

的重用、评价和修改过程是一个反复迭代的过程，　

其推理过程如图１所示。　

图１　ＣＢＲ推理过程　Ｆｉｇ．１　Ｒｅａｓｏｎｉｎｇ　ｐｒｏｃｅｓｓ　ｂａｓｅｄ　ｏｎ　ＣＢＲ　２．２　基于ＣＢＲ推理的Ａｇｅｎｔ商务谈判系统的模型　

结构设计　

基于ＣＢＲ推理的Ａｇｅｎｔ商务谈判系统包括案例　

搜索、案例匹配（相似度计算）、系统决策、案例评价　

和案例学习修正５个功能模块。　

１）案例搜索模块：主要完成谈判者输入谈判条　

件的多元组形式化，形成目标案例，然后检索多级　

案例库，如果找到完全相同的源案例，则将其决策　

结果送人系统决策模块进行决策，并发送信息给案　

例评价模块评价。否则，进入案例匹配模块。　

２）案例匹配（相似度计算）模块：若没有找到　第１期　程红林等：基于ＣＢＲ推理的ＤＦＬ．Ａｇｅｎｔ商务谈判系统及其案例库设计方法　６３　

完全相同案例，则要进行案例匹配，计算目标案例　

与源案例的相似度，即多元组中各个属性的综合相　

似度。当其相似度值大于某个阈值时，Ａｇｅｎｔ认为二　

者是相似的，将源案例的决策结果送入系统决策模　

块进行决策，并发送信息给案例评价模块进行评　

价；若没有找到相似案例，则进入系统决策模块重　

新计算该目标案例的加权总权重，再判断决策　

结果。　

３）系统决策模块：主要进行决策，它的决策可　

以来源于完全相同案例、相似案例的结果，当案例　库中没有找到相同或相似案例时，要进行目标案例　

的加权总权重的计算后再决策。　

４）案例评价模块：进行案例的评价，计算案例　

的重用性特征值，并将评价结果送入案例学习修正　

模块。　

５）案例学习修正模块：完成对案例数据的维　

护，主要包括谈判案例的增加、删除、分级等操作。　

根据评价结果进行多级案例库的修正，将重用性好　

的案例进行晋级，重用性差的案例进行降级，达到　

案例学习的目的。系统模型结构如图２所示。　

图２　基于ＣＢＲ推理的Ａｇｅｎｔ商务谈判系统的系统模型结构　

Ｆｉｇ．２　Ｍｏｄｅｌ　ｏｆ　ＤＦＬ－Ａｇｅｎｔ　ｃｏｍｍｅｒｃｅ　ｎｅｇｏｔｉａｔｉｏｎ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ＣＢＲ　ｒｅａｓｏｎｉｎｇ　

３　ＤＦ案例库的设计　

在案例库中引入ＤＦＬ技术。ＤＦ数据库管理主　

要包括ＤＦ数据的录入、修改、删除及规则管理等功　

能。数据的ＤＦ包括：将实数和整数动态模糊化为动　

态模糊数；将字符串动态模糊化为动态模糊字符序　

列；将真值动态模糊化为［（０，０），（１，１）］之间的　

动态模糊数。以销售方Ａｇｅｎｔ为例，分别介绍系统中　

的动态模糊数据。　

３．１　案例库的形式化设计　

将谈判双方关心的商品各项属性及相关优惠　

条件，如折扣、付款时限、配送方式、有无礼品赠送　以及发货时限等内容作形式化的描述　Ｊ：　

１）商品折扣ｒｅｂａｔｅ，记为ｒ，设计１０种情况：ｒ　

五折；ｒ　五五折…　

２）付款的时间ｐａｙ—ｔｉｍｅ，记为ｐｔ，设计５种情　

况：ｐｔ　货到付款；ｐｔ　先付定金３０％；…　

３）配送方式ｓｅｎｄ—ｍｅｔｈｏｄ，记为ｓｉｎ，设计３种方　

式：ｓｍ　免费送货；ｓｍ：收费送货；…　

４）配送时间ｓｅｎｄ＿ｔｉｍｅ，记为ｓｔ，２种情况：ｓｔ　销　售方３日内交货；ｓｔ　销售方７日内交货；　

５）礼品ｇｉｆｔ，记为ｇ，分为两种情况：ｇ。有礼品；　

ｇ，无礼品。例如，购买方谈判方案：