国际自动谈判代理竞争(ANAC)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),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。

研究的目的与意义，以Agent自动协商为基础，主要研究双边多议题协商方法，提出了一个基于中介Agent增强学习的双边多议题并行的协商框架，并在该框架的基础上，提出了优化中介Agent学习协商历史信息以及根据历史信息进行推理能力，调解双方协商，推动协商过程，加速协商进程，获得双赢的协商结果。

国内外的研究现状，2006年高坚提出了一种加速混沌进化算法，同年Brzostowski和Kowalczyk提出了只基于历史报价来估计不同模型agent行为的方法。2011年Nabila Hadidi等人提出基于辩论的交替出价协商协议，孙天昊提出了贝叶斯分类的增强学习方法。2013年陈利红等人提出了基于增强学习的双边多议题并行协商算法。

2. 研究的基本内容与方案

目标简介:国际自动谈判代理竞争(ANAC)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),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。

设计内容:

1、探索和测试协议

#8226;双边谈判

2、设计高效的谈判代理，特别是进行探索和测试