目的：国际自动谈判代理竞争(ANAC) [10]是一项年度活动,结合国际举行联合会议上自治代理和多主体系统(AAMAS) [7],或人工智能国际联合大会(IJCAI)展出。ANAC竞赛将来自谈判社区的研究人员聚集在一起，为在多议题领域评估实际谈判策略提供了独特的基准。这些竞赛已经在人工智能领域的人工智能领域产生了新的研究成果，这些研究可以在更广泛的研究领域得到应用。ANAC[11]挑战研究人员开发成功的自动谈判人员，在有不完全信息的对手的情况下。通过这种竞争，研究社区成为自动化谈判的推动者，研究其研究人员，鼓励设计通用的谈判代理，使其能够在各种各样的情况下运行，并提供性能的基准。[12]

意义：分布式人工智能(DAI)的研究和网络化分布环境的普及推动了Agent的理论、技术，特别是多Agent的理论[13]、技术的发展，因为它为分布开放系统的分析、设计和实现提供了一个崭新的途径。自从Minsky在1986年出版的“思维的社会”中提出Agent的概念后，智能代理技术随着计算机科学的发展迅速趋于成熟，在很多应用领域有很好的应用前景。随着多Agent技术的快速发展[8]

，电子商务领域中Agent技术的应用日益广泛。Agent能够代替人类用户更加高效地处理复杂的商务活动，在电子商务活动中，自动协商[9]是最为核心的部分，因此它成为基于Agent的电子商务研究的重点内容。

研究现状分析：人工智能技术已经在智能制造领域应用了20多年，特别是近几年分布式人工智能领域中多代理系统具有很好的应用前景。企业数据和应用的动态与分布性的增强要求软件不仅有被动地响应信息需求的能力，而且能以一定程度的智能，主动地预测、适应乃至积极地寻找途径以支持用户需要，并通过自动地合作以完成更加复杂的功能。进入90年代后，软件代理的研究迅猛发展，出现了多种代理类型，各种各样的应用及方法的出现是软件代理逐渐成熟的重要标志。研究人员已经应用代理技术用于制造企业的应用集成、供应链管理、生产计划、调度和执行控制、物料和库存管理，并且开发了很多基于多代理技术的软件系统以支持企业实现智能化业务运作。

而且研究技术日趋成熟：

#8226;2006年高坚提出了一种加速混沌进化算法；[1]

#8226;2011年孙天昊提出了贝叶斯分类的增强学习方法；[2]

#8226;2013年陈利红等人提出了基于增强学习的多边多议题并行协商算法；[3]