基于Agent的情感劝说的合作主体选择模型
伍京华，许陈颖，张富娟
（中国矿业大学（北京）管理学院，北京 100083）
摘要：基于Agent的情感劝说是在基于Agent的劝说式辩论谈判的基础上加入了情感成分，使得劝说更加符合人的思维，劝说结果更加符合实际。其中的合作主体选择模型更为重要，而该模型的构建建立在有效的合作主体评价模型基础之上。针对现有研究不足，首先对基于Agent的情感劝说的情感进行分类，依据该分类提出了相应的情感产生的形式化模型，并结合心理学的情感第一定律，对Agent情感进行量化，提出了Agent情感强度的计算方法；其次，将基于Agent的情感劝说的评价归纳为对Agent主体的提议和信度的评价，随后运用多属性效用函数建立了相应的Agent主体提议评价模型，运用模糊隶属度函数建立了相应的Agent主体信度评价模型；再次，在以上基础上，将情感作为新的评价因素，建立了其中关于Agent主体情感的评价模型，并综合提出的三个评价模型，构建了相应的基于Agent的情感劝说的合作主体选择模型；最后，通过算例仿真证明了该模型的合理性和有效性，得出了相应的管理启示。
关键词：Agent情感劝说；多属性效用；模糊隶属函数；合作主体选择
0 引言
在互联网和电子商务迅猛发展的潮流下，自动谈判得到了迅速发展。Agent由于其特有的智能性和交互性，能够适应复杂谈判各项要求，因此在自动谈判领域具有极大优势，使其成为了该领域的研究热点。基于Agent的劝说在谈判中考虑了更多的拟人化的劝说因素，使谈判更加合理化。将情感引入Agent劝说领域，使得Agent行为更加符合人类思维，更好地模拟人类情感决策，谈判结果也更容易理解和解释。此时，Agent除了具有逻辑运算能力之外还具有情感能力，既能提高Agent在动态和复杂谈判环境下的适应能力，又能更好实现自动谈判目标，因此这方面更值得研究，称为基于Agent的情感劝说。
在基于Agent的劝说研究方面，Amgoud L和Prade H将基于Agent的劝说分为威胁、奖励、解释和申辩，提出了基于以上劝说类型的逻辑框架，并对其进行了建模[1]。Jinghua Wu、Guorui Jiang等改进了基于Agent的劝说中两种主要的劝说策略即威胁和奖励的形式化模型，提出了劝说力度的概念，并给出了计算模型[2]。张鸽、蒋国瑞等构建了基于Agent的劝说的框架体系，提出了基于效用分析、阈值冲突解决和劝说分类的劝说产生的推理机制[3,4]。资武成、罗新星等提出时间依赖型、资源依赖型和行为依赖型3种劝说策略，并基于此提出了让步原则和具体交互过程[5]。Takahashi等定义了适合动态劝说的论证框架和形式化模型[6]。孙华梅、伍京华等对基于Agent的劝说进行了分类，构建了相应的形式化模型和交互机制[7]。杨佩、高阳等借助信念修正这一推理工具，提出了基于多议题的劝说方法，使谈判方能够根据对手的信念调整自身的偏好[8]。Marcos等针对动态劝说环境，界定了劝说中的合作者关系、接受劝说的条件、贡献关联的概念以及协作程度等，提出了基于协作的基于Agent的劝说模型[9]。Martínez在给定的劝说环境及其关系中寻找合理的能够接受的提议，研究了基于时间的Agent劝说框架[10]。余维构建了基于冲突的Agent劝说模型，通过人工免疫算法求解冲突解，并提出了基于Agent的劝说中的网络演化模型[11]。池慧、卢楠等借助多Agent技术，基于时间让步策略和Zeuthen策略，构建了相应的劝说模型，模拟劝说双方的报价过程，提高了劝说效率[12]。张京敏引入中介Agent，提出了基于强化学习的基于Agent的优化劝说模型，并提出了基于中介Agent自适应的学习能力模型，最后通过仿真实现证明了模型的有效性[13]。王春侠以电子商务谈判为背景，分别提出了基于Agent劝说的提议和劝说的产生和评价模型[14]。刘洁晶、李琳构建了基于Agent的农产品交易劝说议价模型，缓解了买卖双方之间的信任冲突[15]。
在基于Agent的情感研究方面，对于情感劝说能力，已有学者提出让计算机具有情感能力[16-18]。Pérez基于用户情感偏好，提出了基于Agent的情感协商模型，并结合自动规划技术和Agent模型，实现了Agent执行进程和计划，将推理纳入了情感层面[19]。Rosales提出了基于人类大脑功能的虚拟Agent情感调节模型，总结了情感调节机制对行为的影响，发现了Agent具有情感记忆的现象[20]。Rázuri研究了闭环人机交互框架中，情感反馈对Agent决策的益处和重要性，以及认知Agent能够感知和适应人类的情感信息[21]。Creed从情感产生的影响出发，研究了在不同时间段中情感Agent产生的具体影响，认为情感Agent会对人的行为产生积极的影响，但这种影响会随着时间慢慢消减[22]。Kefalas根据情感维度理论，建立了基于Agent的情感模型，表明了个体Agent的情绪如何影响总体行为[23]。汪矿将情感分析技术引入信任评估机制，定义了基于情感强度向量的信任表达方式，并通过仿真实验进行了验证[24]。
在基于Agent的情感劝说研究方面，Mazzotta等通过结合情感和非理性模式，模拟人们说服对方执行某种操作，提出了一种劝说计算模型[25]。Paradeda等根据个人利益目标设计了智能交互模型，使Agent根据人的特性完成劝说，但是考虑情感不够全面[26]。Mian等深入分析了人类复杂情感在劝说技术中的作用，并促使情感成为信息系统研究的一个关键要素[27]。Benlamine比较了三种著名的劝说策略（Logos，Ethos和Pathos），发现情感策略是用于论证和劝说参与者的最有效的策略[28]。Dalibon等提出将情感融入Agent中，从而产生相应的推理，使基于Agent的劝说过程中的推理和决策更加具有说服力[29]。Kleef等在将情感分为快乐和愤怒的基础上，采用实证的方式对不同情感状态如何影响谈判进行了研究，该研究认为，情感状态的不同，引起的让步幅度也是不同的，但是没有给出让步幅度的具体计算方法[30]。Jiang H等表明，情感对自动谈判有负面影响，会造成谈判冲突甚至失败，但是文中较少涉及情感的正面作用[31]。董学杰将情感理论与情感模型引入多Agent辩论谈判领域，基于期望效用评价，提出了情感的产生模型、评价模型，并在此基础上提出了辩论谈判情感决策模型和基于情感辩论的谈判策略[32]。
合作主体的选择是基于Agent的情感劝说的重要环节，影响着劝说效率和成功率。相关研究中，伍京华等在研究威胁、奖励、申辩和反驳等主要策略的基础上，构建了基于Agent的劝说的合作主体的选择和评价模型[33-35]。曹聪梅、甘仞初等将Agent引入合作主体的选择过程中，设计了选择系统的框架[36]。杨件基于历史信息，通过SVM学习法，对历史交易信息进行学习预测和协商收益，然后构建信任模型，最后将预测收益与信任模型结合，得到协商主体选择模型[37]。陈盛基于劝说，提出了基于Agent诚实度和能力度来寻找合作主体的信任机制[38]。吴琳基于灰色空间信息，建立了谈判对手Agent的选择策略和模型[39]。赵洋从选择和协商两个阶段具体分析了合作主体的选择过程[40]。Wu C, Barnes D等将模糊集理论和径向基神经网络结合，提出模糊智能模型，以此选择合作主体，并通过收集数据对所提出的模型进行了实证研究[41]。段茜、黄梦醒等提出了基于马尔可夫链理论的合作主体选择模型[42]。Chhabi Ram等基于模糊集理论，对敏捷供应链中的合作主体选择进行了研究[43]。许亮、陆双双通过层次分析法对构建的合作主体选择模型进行了研究，并进行了实证分析，为企业决策提供了理论基础[44]。综合来看，上述针对合作主体的选择研究均从不同角度，采用不同方法构建了相应的模型，但都没有考虑Agent的情感特性。
通过对以上文献的再次梳理和回顾来看，文献[1-15]针对Agent劝说进行了不同的研究。其中，文献[1-7]主要对劝说进行了分类，并建立了相应的形式化模型和交互机制；文献[8-13]分别提出了基于信念、协作、时间、强化学习等的劝说模型，考虑了相关因素对劝说的影响；文献[14-15]提出了基于Agent的劝说的提议的评价模型。虽然上述研究很好的考虑了Agent在劝说中的优势，但并没有意识到Agent在人工智能方面的情感特性，因而需要改进。文献[16-18]提出让Agent具备情感能力，但对情感进行量化研究不充分，文献[19-24]将情感应用到Agent领域，使Agent模拟人类的情感表达，但是上述研究并没有将情感应用到基于Agent的劝说领域。文献[25-32]初步将情感引入了基于Agent的劝说，说明了情感在基于Agent的劝说中的作用，研究了情感的产生和评价模型，以及情感劝说策略的选择和具体的交互机制，但上述研究对于情感劝说中合作主体的选择较少。文献[33-44]针对合作主体的选择进行了研究，提出了合作主体的选择和评价模型，但并没有考虑情感对合作主体选择的影响，与基于Agent的情感劝说环境不符。
针对上述研究中情感量化不充分和将情感理论应用到基于Agent的劝说领域较少，以及基于Agent的情感劝说中合作主体的选择研究不够全面深入等问题，本文将情感引入基于Agent的劝说中，重点研究基于Agent的情感劝说的合作主体的选择。由于选择模型的构建建立在有效的评价模型基础之上，因此首先对基于Agent的情感劝说的情感进行分类，依据该分类提出了相应的情感产生的形式化模型，并结合心理学的情感强度第一定律，对Agent情感进行量化，提出了Agent情感强度的计算方法；其次，将基于Agent的情感劝说的评价归纳为对Agent主体的提议和信度的评价，随后运用多属性效用函数建立了相应的Agent主体提议评价模型，运用模糊隶属度函数建立了相应的Agent主体信度评价模型；再次，在以上基础上，将情感作为新的评价因素，建立了基于Agent主体情感评价值的评价模型，并综合提出的三个评价模型，构建了相应的基于Agent的情感劝说的合作主体选择模型；最后，通过算例仿真证明了该模型的合理性和有效性，得出了相应的管理启示。
1 基于Agent的情感劝说的情感
1.1 基于Agent的情感劝说的情感分类
在基于Agent的劝说中引入情感，可以提高Agent的智能性，使基于Agent的劝说行为更加符合人的思维。此外，心理学研究成果表明，在基于Agent的劝说过程中一直存在着情感的交流。因此，根据已有研究成果，本文将基于Agent的情感劝说中的情感分为以下三种：
类型1：积极情感，Agent的情感劝说带来的效用大于期望值，使接收方产生喜悦、愉快、满足之情。
类型2：消极情感，Agent的情感劝说带来的效用小于期望值，使接收方产生沮丧、愤怒、悲伤之情。
类型3：中性情感，Agent的情感劝说带来的效用等于期望值，说明接收到的情感劝说在意料之内，接收方不产生情感。
1.2 基于Agent的情感劝说的情感产生
假定基于Agent的情感劝说中只存在买卖双方，正在就某商品进行交易，其中一方向另一方发出了情感劝说，将发出情感劝说的Agent称之为情感劝说发出方，接收情感劝说的Agent称之为情感劝说接收方。因此，从期望效用的角度，结合形式逻辑理论，可以建立情感劝说接收方的情感产生的形式化模型：
（1）
其中：
：情感劝说发出方。
：情感劝说接收方，同时也是情感产生方。
改进后的绷带小手套制作方式可以分为两种类型,一种是手背静脉穿刺制作方式,一种是桡静脉穿刺制作方式,前者是在绷带长度为4cm、宽度为1.5cm的位置处剪出一个菱形剪口,将患儿的大拇指套上并绕手部一周,然后再将之前剪好的菱形剪口套在患儿的大拇指上;后者则是将剪好的菱形剪口反过来套在患儿的大拇指上。
：情感劝说接收方对发出方发出的情感劝说的期望效用。
：情感劝说发出方发出的情感劝说对接收方的实际效用。
：情感劝说接收方产生的情感。
从上述模型来看，情感的产生与期望效用与实际效用
有关。因此，可以通过这两个值计算其中Agent的情感：
（2）
（1）根据表1和表2计算提议的评价值如下：
当
时，
，产生消极情感。
当
时，
，产生中性情感。
1.3 基于Agent的情感劝说的情感度量
情感强度第一定律表明，情感强度与参照事物的价值率高差的对数成正比[45]。将该定律应用到基于Agent的情感劝说的情感量化，可得出Agent情感强度的计算公式如下：
（3）
（4）
其中，
为情感强度，
为强度系数，
为最大效用值，且
，
。
当
时，此时的情感为积极情感，情感强度大小为。
当
时，此时的情感为消极情感，情感强度大小为
。
当
时，此时的情感为中性情感，情感强度大小为0。
2 基于Agent的情感劝说的合作主体选择模型
市场环境中存在众多的买方Agent b和众多的卖方Agent s，而在实际的劝说交互过程中其实还是一对一的交互，选择一个最佳的合作主体Agent进行接下去的情感劝说是买卖双方都关注的重要问题。基于Agent的情感劝说的合作主体选择模型的构建应当建立在有效的评价模型基础之上，在已有的相关研究中，较有代表性的是文献[3，24]。但文献[3]仅考虑了提议，从提议的评价角度展开研究；文献[24]仅考虑了信度，从信度的评价角度展开研究。本文在这些研究的基础上，结合提议的评价和信度的评价，引入情感因素，对其进行评价，最终从提议的评价、信度的评价和情感评价值的评价三个角度建立相应的评价模型，从而构建最终的合作主体选择模型，对合作主体进行选择。这里，假定买方Agent b选择卖方Agent s，进行接下来的合作主体选择模型描述。
2.1 基于多属性效用的Agent主体提议评价模型
基于Agent的情感劝说的提议涉及到多种属性，每种属性都存在各自的取值区间，对买方Agent b来说有不同效用。买方Agent b根据自己的需求，发布产品购买信息，吸引卖方Agent s，要想选择的合作主体能在正式情感劝说中提供更多效用，就要尽可能选择出能够带来最大效用的卖方主体Agent s。结合多属性效用理论，可将基于Agent的情感劝说的买方Agent b对多个卖方Agent s的提议的评价值表示如下：
（5）
其中，
为基于Agent的情感劝说的提议评价值；
是劝说属性
的权重，由劝说各方依据自身偏好自行设定，且满足
；
是劝说属性的取值；
是谈判属性的评价值，当的值随着的增大而减小时，
是成本型谈判属性，当的值随着的增大而增大时，是效益型谈判属性。其中，的计算公式如下：
（6）
其中，
，
分别是属性
取值的最小值和最大值。
（6）模糊评判集：
2.2 基于模糊隶属度的Agent主体信度评价模型
信度是合作主体之间信任关系的一种定量描述。信度越高，合作主体间成功交易的可能性也就越大，劝说效率也会越高。而实际上，历史成功交易次数为5和6或信誉度为7和8等并不能说明这两个主体的信度存在明显的差别，因此不利于选择。而利用卖方主体的相关历史信息分别属于各个模糊集的隶属度来描述合作主体之间的信任关系，既能反映信任的模糊性，又具有一定的合理性。
综上来看，为构建更加合理有效的基于Agent的情感劝说的主体信度评价模型，本文拟从基于Agent的情感劝说中各Agent的历史交易记录角度出发，通过从中介Agent处提取相关数据，运用模糊隶属度函数，构造相应的关系矩阵，并按加权平均原则，对基于Agent的情感劝说的主体信度构建相应的模糊综合评价模型，模型中的相关参数定义如下：
（1）评价因素集：
这里情感劝说合作主体信度的评价因素有信誉度、满意度、历史成功合作次数三个因素。其中信誉度是指企业过去交易的诚信水平，以及企业在社会的名声，信誉度越高，越能吸引合作主体，越值得信赖；满意度是指合作主体对企业售前、售后服务的评价，满意度高的企业越值得信赖；历史成功合作次数是指过去的交易中，企业与合作主体成功合作的次数，次数越多，企业间再次成功交易的可能性越大，也就越值得信赖。
管井宜布局在平原、高原、山区、沙漠、阶地等地区，可用于开采各种埋藏深度的地下水。大口井是傍河取水方式中一种较为常见的取水方式，主要应用在以下几个方面：1）含水层薄、渗透性好、地下水补给丰富，河漫滩、山前浅层地下水洪积扇及一级阶地、干枯河床及古河道地段；2）地下水埋藏较浅、比较厚的基岩风化裂隙层、有丰富的补给源地段；3）含水层为中细砂、采用其他取水建筑物容易侵蚀沙地的地段；4）浅层地下水含有较高含量的铁、锰及腐蚀性二氧化碳等对井管高度腐蚀作用的地区。与其他取水方式相比，大口井具有水量稳定、水质保证、项目投资少、使用寿命长、运行费用低、耐腐蚀等优点，具有较大的优越性。
（2）论域：
根据评价因素的取值特征，评语依据取值大小，按从低到高的顺序，依次分为5个不同的等级，以此来刻画合作主体的信度。
评价因素的取值计算公式为：
（7）
其中，
为自身储存的取值，
为中介Agent处储存的取值，
为权重系数，一般取值为0.5。
（3）评语等级集合：
为了体现评价取值的合理性与公正性，上述的评价因素取值由2部分构成。一部分来自于买方Agent处储存的历史信息中对相关评价因素的取值；为了避免买方的主观性，中介Agent处也会对每次交易信息进行存储和评价，因此，另一部分的取值来自于中介Agent的储存信息。
目前财政事权清单的改革进展看，已有外交领域的清单和医疗卫生领域的财政事权清单，多是对现行体制运行状况的进一步确认，前瞻性的财政体制治理问题仍有待进一步突破。当然，这也是鉴于财政事权划分的复杂性和稳妥推进改革的现实选择。改革只到这个层次，财政体制的一些问题还没有得到根本解决，需要在权责清晰上进一步深化。
（4）评价因素的权重向量：
根据前面的分析和阐述，对基于Agent的情感劝说的合作主体进行选择，首先要考虑对主体提议的评价，其次要考虑对主体信度的评价，最后更要重点考虑对主体情感的评价。因此，基于Agent的情感劝说的合作主体选择模型为对以上三者的评价模型的综合，即：
（5）模糊关系矩阵：
该模糊关系矩阵通过模糊隶属度函数构造以下具体函数来描述，函数图像如图1所示。
那是7年前的殷桃，32岁，独身。按那时风行的说法，这曾经算大龄剩女。但殷桃对此十分安然。反而显得早早扎进娶亲生子泥潭的李静狭隘了。
（8）
图1 模糊隶属度函数
当VLCC系固在CTV上，通过CTV给油船供油时，油船与CTV之间需保持一定的距离，在不使用拖船达到这一目的时，油船与CTV之间需系泊，利用油船的单点系泊装置来实现，CTV上配置相应的系固点。根据OCIMF的建议，15万t以上的油船需配备2套单点系泊装置，其中1套备用；CTV为适应这些系泊要求，也需配备2套系固点，其中1套配用，其安全工作负荷应与相应的油船相当。
（9）
其中，这里采用模糊合成算子
，
。
（7）模糊综合评价
采用加权平均原则，将评价等级分别赋值为
，模糊综合评价值为：
（10）
2.3 基于Agent的情感劝说的主体情感评价模型
一般来说，在基于Agent的情感劝说中，对主体的情感评价是建立在对主体的提议和信度评价的基础之上，同时综合考虑主体情感强度对其产生的影响。因此，首先根据前面提出的两个模型，可将对主体的提议和信度评价模型综合表示为：
（11）
其次，根据前面提出的对基于Agent的情感劝说的情感量化即Agent情感强度的计算方法，可得出基于Agent的情感劝说的主体情感评价模型为：
图③：根据题意可知，实际参加反应的金属质量相等，根据“Al→Mg→Na→Fe→Zn（旅美哪能铁心）”得知，最终Mg粉比Zn粉产生的H2质量大（终点纵坐标Mg比Zn高），此处正确。再作x轴的垂线，交图像于两点，这两点的意义分别是：消耗等质量的稀盐酸，Zn粉、Mg粉与酸反应产生氢气的质量，根据“实际参加反应的酸的质量相等，则产生的H2质量相等”，垂线与Mg粉图像的交点应重合于垂线与Zn粉图像的交点，所以图像③错误。
离心机，购自上海安亭科学仪器厂；生物安全柜，购自海尔集团；CO2培养箱，购自美国纽埃尔；IX71型倒置显微镜，购自日本OLYMPUS；Synergy HT酶标仪，购自美国博腾；Cell Insight CX7细胞高内涵筛选系统，购自美国赛默飞世尔科技公司。
其中，
、
为
、
的权重，且
。
（12）
2.4 基于Agent的情感劝说的合作主体选择模型
评价因素的权重向量由企业根据自身倾向自行设定，且满足
。
（一）在网络环境下体验式的自主学习强调以学生为中心，但不是忽视教师的指导作用，而是提倡教师指导下的自主学习。在这个学习过程中，想要取得较为理想的学习效果，是离不开教师的认真组织和精心指导。以学生为中心，并不意味着教师的责任和作用就降低，恰恰相反，它对教师的要求更高，教师的启发、引导作用和事先的准备工作、组织工作较传统的教学都大大地增加。如果在自主学习中忽视了教师的作用，忽视了师生的互动，那么这种教学必将失败，学生必将盲目的探究，甚至会影响正常的教学秩序。所以，在这种体验式自主学习中，教师的作用不应被忽视。
日常养殖中，猪气喘病的防治工作非常重要，以此避免此种疾病大规模发展给养殖户带来的巨额经济损失问题，因此，需要县畜牧食品局讲治动防站的工作人员定期对本地区的猪养殖户进行猪气喘病发病机制、临床症状、防治、死猪无害化处理等内容的宣讲，以此革新猪养殖户猪病防控的理念与方法，促使养殖户可以在之后的猪养殖场中利用现代化的先进管理理念、疾病防控技术做好猪养殖工作，有效降低猪病发生风险，增加养殖户的经营收益。
（13）
3 算例仿真与分析讨论
3.1 算例仿真
为更好理解以上模型，假设煤炭行业供应链管理中的采购商（买方）和供应商（卖方）之间正在就无烟煤产品进行交易，为节约相应的人力物力和时间等资源，同时能使双方快速有效和更加理性的达成一致，交易双方采用该模型设计出的基于Agent的情感劝说的合作主体选择系统进行谈判。
谈判中合作主体的选择是买方Agent b选择卖方Agent s。买方Agent b发布购买无烟煤的产品信息后，共有2个卖方Agent s1和Agent s2向其发出提议，表达合作意向。双方涉及的提议属性有三种：价格、质量和付款期限。其中，买方Agent b提议的取值范围和权重如表1所示；2个不同卖方Agent s1和Agent s2的提议和相关评价因素分别如表2和表3所示。为便于描述，相关属性值和评价因素值均取1~10的实数，对于权重取0~1的小数，小数点后保留2位。假定买方Agent b的期望效用值
=0.5，提议与信度的权重
，不同评价等级的得分为：
,强度系数
,
。
表1 买方Agent b可接受提议值的取值范围
表2 卖方Agent s1和Agent s2的提议值
当
时，
，产生积极情感。
（2）根据表3的数据，计算情感劝说主体的信度评价值如下：
首先，根据表3中的数据，运用公式
得出评价因素的综合取值，计算结果如下:
Agent s1:
，
，
Agent s2:
，
，
表3 卖方Agent s1和Agent s2的评价因素值
通过模糊隶属度函数计算得出权值矩阵如下：
，
则有：
求得综合评价值：
，
（3）根据主体提议评价模型和信度评价模型，求得：
此时，根据上述结果可以看出，
。若不考虑情感的影响，应该选择卖方Agents1作为最终合作主体。但实际上Agent是有情感的，因此根据以上模型进行接下来的主体选择的评价值计算。
在互联网、智能手机的常态化应用中，人们的阅读习惯已经发生了变化，作为传统阅读载体的图书，面对自己服务对象在阅读习惯方面的变化与诉求，应该做出怎样的改变呢？
（4）根据情感强度公式，分别计算情感强度值如下：
此时，
，卖方Agent s1的提议触发买方Agent b产生消极情感；
，卖方Agent s2的提议触发买方Agent b产生积极情感。
（5）根据最终的合作主体选择模型，分别计算出最终的综合评价值如下：
此时，
，卖方Agent s1触发买方Agent b产生的消极情感对最终的综合评价值有减弱作用；
，卖方Agent s2触发买方Agent b产生的积极情感对最终的综合评价值有增强作用。
FGR组母血与脐血TG、TC、LDL-C、HDL-C水平均明显低于对照组，差异均有统计学意义(P<0.05)。FGR组脐血TG、TC水平明显低于母血TG、TC水平，差异均有统计学意义(P<0.05)。而脐血LDL-C、HDL-C水平与母血差异无统计学意义(P>0.05)。
可见，在该算例仿真的基于Agent的情感劝说中，因情感的影响，最终的综合评价值
，此时Agent b选择Agent s2作为最终的合作主体，使该选择结果更加理性和有效。
3.2 分析讨论
经过归纳和梳理，与本文研究相关的该领域代表性文献有[30，32，33，36，37，38，40，42，44，46]。与这些文献相比，本文做出的改进归纳如下：
（1）本文的研究是对基于Agent的情感劝说的合作主体选择的深入研究，文献[42，44]对供应链中企业的合作主体进行了研究，提出了相应的方法，但是没有结合Agent相关理论和方法进行研究，因此与本领域研究有一定差距；文献[36，37，40]虽然对基于Agent的合作主体选择进行了一定程度的研究，也提出了相应的模型，但是一方面，他们没有考虑将Agent运用劝说这种更加理性的方式进行合作主体选择，另一方面，更没有考虑将情感作为Agent的主要人工智能特性集成入相应的模型，因此研究深度也不够；文献[33]初步考虑了基于Agent的劝说的合作主体选择，并提出了相应的评价模型，使基于Agent的劝说的合作主体选择更加有说服力，但是该模型较为简单，也没有考虑Agent的情感。文献[32]结合多属性效用理论，对基于Agent的情感劝说的情感产生和评价进行了建模，但是没有将其应用到合作主体的选择，提出的模型也较为复杂，难以理解。本文的研究是在以上研究的基础上，重点结合文献[32]和[33]的研究，在他们的研究基础上，结合多属性期望效用函数和模糊隶属度函数，以及心理学的情感第一定律等，提出的更为合理有效的评价模型，使基于Agent的情感劝说的合作主体选择更加科学和有说服力。
（2）本文提出的模型使基于Agent的情感劝说的合作主体选择的量化程度更加合理和有说服力。例如，在本文的研究中，假定Agent不存在情感时，合作主体的选择由综合评价值决定，此时根据算例的计算结果
，应该选择Agent s1作为最终的合作主体。当考虑Agent的情感时，合作主体选择由综合评价值决定，此时根据算例的计算结果
，应该选择Agent s2作为最终的合作主体。情感考虑前后的不同，使得最终合作主体选择不同。可见，基于Agent的情感劝说中，情感对合作主体的选择具有重要的影响，相比文献[38]，情感的引入使得合作主体选择的过程更加符合人工智能特性，更加适用于基于Agent的情感劝说环境。又如，本文结合期望效用理论和情感第一定律，对情感进行形式化表示和量化研究，相比文献[30]，定量计算的情感使得其对基于Agent的情感劝说的影响更加鲜明。对于合作主体信度的模糊综合评价，根据模糊评判集可以看出当前情感劝说发出方的信度隶属于各个等级的大小，最后根据加权平均原则可以定量比较出当前与Agent s1与Agent s2信度的评价值大小，相比文献[46]中的评价方法，评价更加全面也更加准确。
4 研究结论与管理启示
4.1 研究结论
本文在研究基于Agent的情感劝说的情感分类、产生和度量的基础上，分别从主体的提议评价、信度评价和情感评价三个角度建立了相应的评价模型，并在综合这三个评价模型的基础上构建了基于Agent的合作主体选择模型。具体来说，首先，对基于Agent的情感劝说的情感进行了分类，结合形式逻辑理论，构建了相应的产生模型，并给出了相应的Agent情感强度的计算方法；其次，运用多属性效用函数对主体提议建立了相应的评价模型，运用模糊隶属度函数对主体信度建立了相应的评价模型，随后进一步考虑情感因素，结合Agent情感强度计算方法建立了相应的主体情感评价模型，并综合这三个评价模型，构建了相应的合作主体选择模型；再次，通过算例仿真对模型进行了验证。仿真结果表明，基于Agent的情感劝说中，情感对合作主体的选择有重要影响。其中，积极情感增强了情感劝说中的综合评价值；消极情感减弱了综合评价值；最终，因情感的影响导致综合评价值之间存在明显差异，能显著影响最终的合作主体选择。基于此，验证了本章模型的合理性和有效性，同时也说明了情感对基于Agent的劝说产生的重要影响。
本方案采用沼气直接回喷入炉的方式，设置沼气燃烧器。沼气入炉开口根据现场情况及炉膛内温度流场，设定在主燃烧区出口段，即燃烧段炉排末端，选择在合理的料层高度。回喷口定位如图4所示，套管材质为合金钢。
4.2 管理启示
（1）人工智能是现今研究热点之一。基于Agent的自动谈判则是将Agent的人工智能优势充分挖掘后应用于市场营销中的商务谈判领域，由此开发的系统应当能更好解决远程、异地和有时差等有难度的企业谈判问题。但是在现有的系统中，过多的将Agent作为一种工具，并没有充分利用Agent的人工智能优势，这导致实际使用该系统的企业管理者很难体会到该类系统的优势，使其对该类系统的开发和使用没有信心，无法培养员工对使用该类系统的理念，从而导致该类系统目前存在实际应用较少的不利局面。本文的研究充分考虑了Agent情感的人工智能特性，这是对企业实际谈判人员的情感模拟，更是对Agent人工智能优势的进一步挖掘和应用。企业管理者从中可以观察到，使用该类系统进行谈判，除了能很大程度节约人力、物力和时间等资源外，更重要的是使Agent在其中充当的企业谈判人员的角色能从人工智能的角度得到更进一步发挥，使谈判效果能朝有利于企业管理者需要的方向发展。因此，建议企业管理者在开发使用该类系统前，能充分掌握采用该类系统能给企业带来的益处，同时能将其作为企业管理理念，对企业所有人员进行培训，使基于Agent的情感劝说的自动谈判系统能更好在企业管理中得到实际开发和应用。
（2）对于企业管理者来说，实际的商务谈判处于动态变化的复杂环境下，因此不确定性较高。如何通过研制相应的自动谈判系统来解决该问题，一直是企业管理人员尤其是相应的系统开发人员所追求的重点。现有的模型和实际系统中虽然提出了相应算法，但是采用的方法较为简单，开发出的系统针对的也是企业的特定业务或特征，通用性不强。本文的研究则结合了心理学中的情感强度第一定律、多属性效用理论和模糊隶属度函数等多项心理学和管理科学中有代表性的理论和方法，在较大程度上将这些管理中的不确定性问题尤其是Agent的情感问题转化为参与谈判的企业各方都乐于接受的确定性问题，着重降低了情感的不确定性问题。此外，企业还能结合各自的业务特征，采用以上模型，进一步开发和使用相应的系统，因此具有较强的通用性。例如本文的算例仿真，就是对这些模型在实际中如何将谈判中的不确定性问题转化为确定性问题进行的说明，其中设计的场景虽然为煤炭行业供应链管理中的采购商（买方）和供应商（卖方）之间正在就无烟煤产品进行交易，但同样适用于该供应链上的其他环节，也适用于其它领域的谈判问题。因此，建议企业管理者能以本文的模型为基础，结合企业自身业务特点，对实际谈判中的情感更进一步分类，将其中采用的理论和方法等涉及的指标和议题等更细化和对应，开发和使用更适合本企业管理特色的同类系统。
参考文献
[1] Amgoud L, Prade H. Generation and Evaluation of Different Types of Arguments in Negotiation[C]. International Workshop on Non-Monotonic Reasoning. DBLP, 2004.10-15.
[2] Wu J, Jiang G, Huang T. Using two main arguments in agent negotiation[C]. Pacific Rim International Conference on Agent Computing and Multi-Agent Systems. Springer-Verlag, 2006.578-583.
[3] 张鸽, 蒋国瑞, 黄梯云. 基于辩论的多agent商务谈判辩论产生和决策过程研究[J]. 运筹与管理. 2011, 20(2): 7-14.
[4] 张鸽, 蒋国瑞, 黄梯云. 基于辩论的多agent商务谈判辩论产生机制研究[J]. 计算机应用研究. 2011, 28(2):594-597.
[5] 资武成，罗新星，向坚持．一种劝说式多Agent供应链协商模型研究［J］．计算机工程与应用，2008，44(35):209-212．
[6] Takahashi K, Yu N. A Semantics for Dynamic Argumentation Frameworks[C]. International Workshop on Argumentation in Multi- Agent Systems. Springer, Berlin, Heidelberg, 2011.66-85.
[7] 孙华梅, 伍京华, 黄梯云,等. 一种基于 Agent 劝说分类的让步模型及实现[J]. 运筹与管理, 2014(6):252-256.
[8] 杨佩, 高阳, 陈兆乾. 一种劝说式多Agent多议题协商方法[J]. 计算机研究与发展, 2006, 43(7):1149-1154.
[9] Marcos M J, Falappa M A, Simari G R. Dynamic argumentation in abstract dialogue frameworks[C]. International Conference on Argumentation in Multi-Agent Systems. Springer-Verlag, 2010.228-247.
[10] Cobo M L, Martínez D C, Simari G R. On semantics in dynamic argumentation frameworks[C]. Proceedings, Tenth International Conference on Principles of Knowledge Representation and Reasoning, Lake District of the United Kingdom, 2013.317--328.
[11] 余维. 基于多Agent的多议题协商冲突网络模型及其演化研究[D]. 重庆工商大学, 2016.
[12] 池慧, 卢楠. 基于时间让步策略与Zeuthen策略的MAS索赔谈判研究[J]. 价值工程, 2017, 36(15):183-185.
[13] 张京敏, 董红斌. 基于中介Agent的强化学习优化协商模型[J]. 计算机科学, 2017, 44(1):53-59.
[14] 王春侠. 基于Agent的辩论谈判中的辩论机制研究[D]. 北京工业大学, 2013.
[15] 刘洁晶, 李琳. 基于 Multi-Agent 的农产品电子商务交易模型[J]. 衡水学院学报, 2016, 18(4):5-7.
[16] Dung P M, Thang P M, Hung N D. Argument-Based Decision Making and Negotiation in E-Business: Contracting a Land Lease for a Computer Assembly Plant[C]. Computational Logic in Multi-Agent Systems, International Workshop, Clima Ix, Dresden, Germany, 2008.154-172..
[17] Jain P, Dahiya D. An Intelligent Multi Agent Framework for E-commerce Using Case Based Reasoning and Argumentation for Negotiation[J]. Information Systems Technology & Management, 2012, 285:164-175.
[18] Aydoğan R, Yolum P. Learning opponent’s preferences for effective negotiation: an approach based on concept learning[J]. Autonomous Agents and Multi-Agent Systems, 2012, 24(1): 104-140.
[19] Pérez P D， Fernández S， Borrajo D. Providing Deliberation to Emotional Agents[C].Icaart 2011 Proceedings of the， International Conference on Agents and Artificial Intelligence， Volume 1 Artificial Intelligence， Rome， Italy， January. DBLP， 2011.98-105.
[20] Rosales J H， Jaime K， Ramos F， et al. An emotional regulation model with memories for virtual agents[M]. 2013.
[21] Rázuri J G， Sundgren D， Rahmani R， et al. Effect of Emotional Feedback in a Decision-Making System for an Autonomous Agent[J]. 2014:613-624.
[22] Creed C, Beale R, Cowan B. The Impact of an Embodied Agent's Emotional Expressions Over Multiple Interactions[J]. Interacting with Computers, 2015, 27(2):172-188.
[23] Kefalas P， Sakellariou I， Savvidou S， et al. The Role of Mood on Emotional Agents Behaviour[C]. International Conference on Computational Collective Intelligence. Springer, Cham, 2016.53-63.
[24] 汪矿. 基于情感强度感知的动态信任评估机制研究[D]. 南京邮电大学, 2016.
[25] Irene Mazzotta, berardina de carolis. A User-Adaptive Persuasive System Based On ‘A-Rational’ Theory[J]. International Journal of Human-Computer Studies, 2017.
[26] Paradeda R B, Ferreira M J, Dias J, et al. How Robots Persuasion based on Personality Traits May Affect Human Decisions[C]. the Companion of the 2017 ACM IEEE International Conference. ACM, 2017.251-252.
[27] Mian S Q,Oinas-Kukkonen H. An analysis of previous information systems research on emotions[J]. CEUR Workshop Proceedings, 2016:36-55.
[28] Benlamine M S, Villata S, Ghali R, et al. Persuasive Argumentation and Emotions: An Empirical Evaluation with Users[M]. Human- Computer Interaction. User Interface Design, Development and Multimodality. 2017: 659-671.
[29] Dalibon S E F, Martinez D C, Simari G R. Emotion-directed Argument Awareness for Autonomous Agent Reasoning[J]. Inteligencia Artificial Revista Iberoamericana De Inteligencia Artificial, 2012, 15(50):30-45
[30] Kleef G A V, Dreu C K W D, Pietroni D, et al. Power and emotion in negotiation: power moderates the interpersonal effects of anger and happiness on concession making[J]. European Journal of Social Psychology, 2010, 36(4):557-581.
[31] Jiang H, Vidal J M, Huhns M N. Incorporating Emotions into Automated Negotiation[J]. 2006.
[32] 董学杰.基于情感模型的辩论谈判系统研究[D].北京：北京工业大学, 2013.
[33] 伍京华．基于agent的劝说型辩论谈判系统研究［D］．北京:北京工业大学，2008．
[34] 伍京华, 张新刚, 孟海亮. 基于案例匹配度的Agent劝说机制[J]. 计算机工程与应用, 2010, 46(35):235-237.
[35] 伍京华, 孙华梅, 张新刚,等. Agent劝说中的积极舆论模型及其评价[J]. 计算机工程, 2011, 37(9):204-206.
[36] 曹聪梅, 甘仞初, 吴菊华,等. 基于多Agent的合作伙伴选择协商模型[J]. 计算机工程与设计, 2006, 27(4):629-632.
[37] 杨件. 基于学习和信任的电子商务多Agent协商伙伴选择模型[D]. 大连理工大学, 2009.
[38] 陈盛. 基于辩论的多Agent信任约束下商务谈判模型[D]. 北京工业大学, 2010.
[39] 吴琳. 基于辩论的多Agent商务谈判选择策略研究[D]. 北京工业大学, 2011.
[40] 赵洋. 基于Agent的供应链合作伙伴选择问题的研究[D]. 厦门大学, 2012.
[41] Wu C, Barnes D. Partner selection in agile supply chains: a fuzzy intelligent approach[J]. Production Planning & Control, 2014, 25(10): 821-839.
[42] 段茜, 黄梦醒, 万兵,等. 云计算环境下基于马尔可夫链动态模糊评价的供应链伙伴选择研究[J]. 计算机应用研究, 2014, 31(8):2403-2406.
[43] Matawale C R, Datta S, Mahapatra S S. Supplier or partner selection in agile supply chain[J]. Benchmarking: An International Journal, 2016,23(4):866-892.
[44] 许亮, 陆双双. 供应链中企业合作伙伴的选择分析[J]. 江苏商论, 2017(1):74-77.
[45] 仇德辉. 数理情感学［M］. 长沙: 湖南人民出版社，2001.
[46] 伍京华,孙华梅. 基于Agent正面情绪变化的劝说及评价模型[J]. 计算机科学, 2013, 40(5): 21-23.
Agent-based emotional persuasive cooperative subject selection model
WU Jing-hua, XU Chen-ying, ZHANG Fu-juan
（1.School of Management, China University of Mining and Technology, Beijing 100083, China）
Abstract：With the rapid development of the Internet and e-commerce, automatic negotiation has become a hot research topic. Due to its unique intelligence and interaction, agent can realize complex negotiation and has great advantages in the field of automatic negotiation. Agent-based debate negotiation can send information other than the proposal by making the negotiation more efficient. Persuasion debates consider more persuasion factors and make the negotiation process more rational.In order to adapt to the development of artificial intelligence efficiently, the emotion is introduced into the field of agent persuasion, which makes the agent's behavior more in line with human thinking and better simulates human emotional decisions. In consequence, the negotiation results are easier to understand and interpret. At this moment, agent has not only emotional ability, but also logical computing ability, which improves agent's adaptability in dynamic and complex environments, and achieves the goal of automatic negotiation effectively.
In related research, different scholars and experts have studied agent-based persuasion and agent-based emotion from different perspectives. However, the following problems exist. First, the research on emotion is not comprehensive, especially the quantification of emotion. Second, the current research about the application of emotional theory in the agent persuasive field is not enough. Third, most of agent persuasion study is about interaction mechanism, and there is little research on the choice of cooperative subjects, especially the selection of cooperative subjects considering emotional factor.
In the study of the selection of cooperative subjects, the selection model is more important, and the construction of the model is based on an effective cooperative subject evaluation model. Therefore, aiming at the shortcomings of the existing research, we classify the emotion-based emotion persuasion based on agent. According to the classification, we propose a corresponding formal model of emotion generation, and combine the first law of emotion intensity of psychology to quantify the emotion of agent. The agent's emotion intensity calculation method is proposed. Secondly, the evaluation of agent-based emotional persuasion is summarized as the evaluation of the agent's proposal and reliability. Subsequently, the multi-attribute utility function is used to establish the corresponding agent's proposal evaluation model, and the fuzzy membership function is used to establish the corresponding agent's reliability evaluation model. On the basis of the above two evaluation models, emotion is used as a new evaluation factor to establish an evaluation model of the subject's emotions. Three evaluation models are put forward comprehensively to construct a corresponding Agent-based emotional persuasive cooperation subject selection model.
随着时代的快速发展，科学技术也随之而发展，其中，发展比较快的技术为无人机技术，这种技术也是目前比较领先的技术，基于使用此种技术促进相关行业的快速发展，所以其被积极使用在多个领域之中。在土地整治当中也引入此种技术，基于此，土地在治理过程中更加科学化的同时土地资源被积极有效地利用起来。本文针对无人机摄影技术进行有关阐述，比如，介绍了无人机摄影技术的具体情况，分析此技术的优势之处，以及阐述了如何使用这种技术在土地整治中。
To illustrate the effectiveness of the above model, an example was designed and simulated. The simulation results show that emotion in emotional persuasion has an important influence on the choice of cooperative subjects. Among them, positive emotion enhances the comprehensive evaluation value in emotional persuasion and negative emotion weakens the comprehensive evaluation value. In the end, due to the influence of emotion, there are obvious differences between comprehensive evaluation values, which can significantly affect the ultimate selection of cooperative subjects. Based on this, the rationality and effectiveness of the model are verified. At the same time, it also illustrates the important influence of emotion on agent-based persuasiveness.
Key words: Agent emotional persuasion; Multi-attribute utility;Fuzzy membership function; Cooperative subject selection
收稿日期：2018-04-13
修回日期：2018-05-10
基金项目：中央高校基本科研业务费专项资金资助项目（2009QG03）
作者简介：伍京华（1978—），男，江西高安人；中国矿业大学（北京）管理学院副教授，硕士生导师；研究方向：Agent理论与方法、市场营销、供应链金融、农村金融等。
中图分类号：C931.6
文献标识码：A
文章编号：1004-6062(2019)01-0230-008
DOI：10.13587/j.cnki.jieem.2019.01.024
中文编辑：杜 健；英文编辑：Charlie C. Chen
标签：Agent情感劝说论文; 多属性效用论文; 模糊隶属函数论文; 合作主体选择论文; 中国矿业大学(北京)管理学院论文;