動(dòng)漫資源共享的云計(jì)算服務(wù)平臺(tái)談判交易模型研究

摘 要：結(jié)合動(dòng)漫創(chuàng)意企業(yè)資源匹配實(shí)際需求，研究資源配置有效方法，將多屬性自動(dòng)談判引入到云平臺(tái)的媒體資源與服務(wù)的匹配上來。構(gòu)建基于多屬性自動(dòng)談判的媒體資源與服務(wù)交易模型，運(yùn)用智能求解算法進(jìn)行有效求解。對媒體資源與服務(wù)這種復(fù)雜抽象的物品進(jìn)行了在線交易模型研究。為解決云平臺(tái)媒體資源與服務(wù)的市場化智能交易提供決策支持。

關(guān)鍵詞：動(dòng)漫資源；談判模型；云計(jì)算

云計(jì)算這一時(shí)代產(chǎn)物昭示著新互聯(lián)網(wǎng)時(shí)代已經(jīng)來臨，它改變了傳統(tǒng)互聯(lián)網(wǎng)的運(yùn)行模式，改變了人們獲取、共享信息的方式。而隨著我國動(dòng)漫產(chǎn)業(yè)的不斷發(fā)展，建立動(dòng)漫資源共享的云平臺(tái)，對媒體資源和服務(wù)的分配與信息共享，構(gòu)建多屬性自動(dòng)談判的媒體資源與服務(wù)交易模型，為解決基于云平臺(tái)的媒體資源與服務(wù)的市場化智能交易提供決策支持、使動(dòng)漫創(chuàng)意企業(yè)獲得更大的經(jīng)濟(jì)效益則有其重大的社會(huì)和現(xiàn)實(shí)意義。

一、動(dòng)漫創(chuàng)意企業(yè)資源與傳統(tǒng)商品相比具有自身的特殊性

1.資源常常具備多屬性特征，而在動(dòng)漫創(chuàng)意企業(yè)表現(xiàn)得尤為明顯。不僅如此，動(dòng)漫企業(yè)對于非單一屬性的代理（Agent）的偏好十分復(fù)雜。過去往往用代理依據(jù)一個(gè)單一的效用函數(shù)或較為簡單的數(shù)學(xué)公式來為決策提供參考。而事實(shí)上各個(gè)屬性之間相互聯(lián)系相互依賴，想要建立一個(gè)效用函數(shù)來準(zhǔn)確表達(dá)多屬性之間的關(guān)系是非常困難的，尤其是偏好如何衡量與量化是頗為棘手的。

2.傳統(tǒng)的商品談判是單屬性的，而在動(dòng)漫創(chuàng)意企業(yè)資源匹配的多屬性談判中，解空間是多維的（n，n>1），在傳統(tǒng)的商品談判中，解的空間是一個(gè)單維的直線。而在多屬性談判中，因?yàn)榻獾目臻g是多維的，所以談判方法相對比較復(fù)雜。而在多屬性談判過程中，談判代理要選擇一個(gè)明確的方向進(jìn)行讓步，因此不同的讓步方向能夠產(chǎn)生不同的讓步方案：要將從1到n的多屬性中的某一個(gè)或某幾個(gè)屬性的相應(yīng)組合的讓步情況都考慮到。除此之外，讓步方向還取決于對手的偏好程度，因?yàn)閷κ謺?huì)更容易接受對其來說相對重要的屬性。另外，讓步的多少也變得難以確定。因此多屬性談判策略的設(shè)計(jì)和推理都比單屬性談判要復(fù)雜的多。

3.與傳統(tǒng)的單屬性談判相比，多屬性談判在動(dòng)漫創(chuàng)意企業(yè)的運(yùn)用中能夠?qū)崿F(xiàn)“雙贏”。在多屬性談判中，假定談判代理Agent較為理性，則談判的結(jié)果便可以實(shí)現(xiàn)Pareto最優(yōu)解。Pareto最優(yōu)解指的是在不降低談判對手效用的狀態(tài)下，找不到更優(yōu)的利己解。換句話說，如果存在某個(gè)解能使某Agent產(chǎn)生的效用更大，則其他Agent的解效用就會(huì)下降。則說明在解的可行域內(nèi)，如果Agents達(dá)到了Pareto最優(yōu)解，那么就可以證明多屬性談判模型是有效率的。

動(dòng)漫創(chuàng)意企業(yè)資源匹配的多屬性談判的優(yōu)勢：打破了傳統(tǒng)觀念上一方獲得更大收益要以另一方的收益減少作為代價(jià)，而事實(shí)上使得雙方都獲得更高的收益是存在的。最初關(guān)于多屬性談判的相關(guān)理論及研究都是由經(jīng)濟(jì)學(xué)發(fā)端的，后來引入到人工智能（AI）并得到迅速發(fā)展。

二、云計(jì)算平臺(tái)多屬性自動(dòng)談判決策定義的框定

動(dòng)漫創(chuàng)意企業(yè)資源匹配的雙邊多屬性談判問題可以表述為：對于動(dòng)漫創(chuàng)意企業(yè)的談判雙方就其重點(diǎn)關(guān)注的動(dòng)漫資源的項(xiàng)屬性，在一定的取值范圍內(nèi)對其存在的所有可能方案進(jìn)行談判，直到得到最終談判結(jié)果：談判成功或失敗。針對談判的每一方案，談判雙方均根據(jù)自己的判斷賦予相應(yīng)的效用值，最終尋找出對于雙方來說都能獲得最大效用值的方案。該問題定義如下：

定義1 用i表示各個(gè)談判目標(biāo)的屬性，其中。

定義2 用xij表示第i個(gè)屬性的第j種所能取的值，；，Di表示第i項(xiàng)屬性的可取值域。談判方案的表示形式為表示。

定義3 ub（）表示買方對方案的效用向量，us（）表示賣方對方案的效用向量。則談判目標(biāo)的決策表達(dá)式為：

（1）

定義4 在談判方案構(gòu)成的談判域k中，如果不存在使則方案是該談判問題的Pareto最優(yōu)解。

對上述各定義而言，u（）既可以是線性函數(shù)的效用向量也可為非線性效用函數(shù)效用向量，也就是說它對于線性與非線性的多屬性談判決策來講都是適用的。然而，進(jìn)行談判者而言，直接找到多屬性函數(shù)之間的復(fù)雜關(guān)系并用非線性函數(shù)表達(dá)出來十分困難甚至是不可能的。不過對于只要給出數(shù)量有限的效用樣本和談判方案就能實(shí)現(xiàn)非線性函數(shù)的建立。因此采取有限的樣本集合對函數(shù)方程進(jìn)行逼近，使得非線性函數(shù)在一定精度上變得可行。則有定義5。

定義5 假定談判域k為Rn中相對緊湊的一個(gè)數(shù)域集合。給定的p個(gè)談判方案作為樣本表示為

，假設(shè)樣本數(shù)據(jù)與效用函數(shù)相吻合，即則找出一個(gè)函數(shù)使，其中，ε是一個(gè)任意小的值，這就是所謂的逼近問題。一般情況下用平方L2-范數(shù)來度量逼近精度的大小，L2-范數(shù)給出了一個(gè)函數(shù)的空間集合S，該函數(shù)空間集合包含所有的其平方可積的實(shí)數(shù)函數(shù)集。如果對于任意的點(diǎn)，都存在一個(gè)函數(shù)使之與函數(shù)u間的距離最短，則我們稱 為u的最佳逼近。那么用 這個(gè)逼近函數(shù)替代定義3中的效用函數(shù)u，所以公式1就可以轉(zhuǎn)化為：

（2）

最后得出的解決公式*就可以定義為近似Pareto最優(yōu)解。

根據(jù)以上分析可知，本文將構(gòu)建非線性函數(shù)效用方程通過給定一定樣本數(shù)據(jù)來求解近似Pareto最優(yōu)解從而解決復(fù)雜談判問題。這樣做能夠巧妙的避免了談判問題中具有非線性復(fù)雜關(guān)系的效用函數(shù)方程的結(jié)構(gòu)設(shè)計(jì)與如何求解參數(shù)的難題。該方法借助樣本中的數(shù)據(jù)來解決談判問題，可以充分發(fā)揮云平臺(tái)的長處調(diào)集動(dòng)漫企業(yè)的歷史數(shù)據(jù)以及通過數(shù)據(jù)進(jìn)行預(yù)測等有利條件，能夠避免解決方案評(píng)價(jià)的主觀性。如此一來能夠充分的提煉出談判方的真實(shí)效用情況，為決策提供依據(jù)，最終實(shí)現(xiàn)談判雙方的效用最大化。

三、構(gòu)建服務(wù)平臺(tái)基于GD-FNN/GA混合算法談判模型

遺傳算法（Genetic Algorithm，GA）是一種受達(dá)爾文“物競天擇，適者生存”的自然進(jìn)化理論啟發(fā)誕生的一種具有眾多優(yōu)點(diǎn)的計(jì)算方法和模型。基本遺傳算法通常表示為八元組。其中，分別表示編碼、個(gè)體適應(yīng)度評(píng)價(jià)函數(shù)、初始種群、種群規(guī)模、選擇算子、交叉算子、變異算子以及終止條件。遺傳算法具備簡單、效率高、可并行、選取最有、魯棒性等優(yōu)點(diǎn)，并且，它不要求連續(xù)性并且不受空間的限制而在解決多屬性談判中有著其它算法不可比擬的優(yōu)勢。

圖1 服務(wù)平臺(tái)GD-FNN/GA混合算法談判模型

在已有研究中，遺傳算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合大多是用遺傳算法來提升神經(jīng)網(wǎng)絡(luò)的參數(shù)問題。而本文卻是通過運(yùn)用神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)來提升其逼近非線性函數(shù)精度與并行運(yùn)算能力。通過遺傳算法與神經(jīng)網(wǎng)絡(luò)的融合來代替?zhèn)鹘y(tǒng)遺傳算法中的顯式（傳統(tǒng)的遺傳算法的適應(yīng)度函數(shù)必須是具有明確數(shù)學(xué)表達(dá)式的函數(shù)方程）適應(yīng)度評(píng)價(jià)效用函數(shù)運(yùn)算。如定義1至定義5所示。由此所構(gòu)建的GD-FNN/GA混合智能算法談判模型如圖2所示。

如圖所示，GA開始的時(shí)候自動(dòng)生成一個(gè)初始種群，其中的各條染色體分別對應(yīng)一個(gè)談判的方案，則初始種群對應(yīng)多個(gè)初始談判方案。將這些初始種群輸入到混合算法談判模型，則談判方可通過模型達(dá)到逼近精度要求的效用值，然后按公式（2）計(jì)算的結(jié)果作為GA算法的適應(yīng)度值。緊接著通過判斷是否符合終止條件，不符合終止條件繼續(xù)進(jìn)行迭代計(jì)算，直至產(chǎn)生近似的Pareto最優(yōu)解談判方案將其輸出。

四、動(dòng)漫創(chuàng)意企業(yè)服務(wù)平臺(tái)談判機(jī)制、決策理論分析與智能算法

動(dòng)漫創(chuàng)意企業(yè)資源匹配的談判機(jī)制的設(shè)計(jì)是動(dòng)漫創(chuàng)意企業(yè)資源匹配的談判活動(dòng)的基礎(chǔ)，考慮因素不同，采取的談判機(jī)制也不盡相同，研究擬通過對原有談判機(jī)制的適用性分析，選取基于協(xié)調(diào)人的談判機(jī)制。如圖3所示。并在考慮信息安全性的角度對其進(jìn)行進(jìn)一步的分類研究。其中，SGA為基本遺傳算法作為協(xié)調(diào)中介。根據(jù)SGA的種群（談判提議集）談判代理Agent A與Agent B分別給出對應(yīng)的效用評(píng)價(jià)并反饋給SGA。SGA收到雙方評(píng)價(jià)效用值后對本輪談判結(jié)果進(jìn)行協(xié)調(diào)。在考慮談判雙方私有信息保護(hù)的前提下，并不易于向中介SGA提供自己的效用值。而是間接的提供判斷信息或選擇后的方案子集，以此達(dá)到談判各方私有信息保護(hù)的目的。

五、結(jié)論

動(dòng)漫創(chuàng)意企業(yè)資源匹配的談判中的最優(yōu)解的確定是一個(gè)決策過程。因此，如何尋找切實(shí)有效的決策方法、如何滿足談判雙方的效用最大化有著極其重要的現(xiàn)實(shí)意義。本文通過構(gòu)建非線性多屬性自動(dòng)談判的媒體資源與服務(wù)交易模型，運(yùn)用智能求解算法進(jìn)行有效求解。事實(shí)證明基于多屬性GD-FNN/GA混合算法談判模型能夠在離散的多極值的、含有噪音的高維問題中以很大的概率找到全局最優(yōu)解，能夠很好地解決多屬性談判問題。下一步將在以下方面進(jìn)行研究：①如何解決談判過程中談判人私有信息泄漏問題②如何設(shè)計(jì)多屬性依賴雙邊談判支持系統(tǒng)。

參考文獻(xiàn)：

[1]王高飛，鄧立治，田金信.基于混合智能算法的非線性雙邊多屬性談判模型[J].運(yùn)籌與管理，2011（3）：38—45，52.

[2]王高飛.B to B電子商務(wù)中多屬性依賴的雙邊談判模型研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[3]王宏杰，魏先峰.遺傳算法綜述[J].科技經(jīng)濟(jì)市場，2008（6）：14.

[4]李玥，馮玉強(qiáng)，王衍華，李一軍.遺傳算法在網(wǎng)上談判支持系統(tǒng)中的應(yīng)用研究[J].系統(tǒng)工程理論與實(shí)踐，2002，（6）：87-92.

[5]Ramasamy JV， Rajasekaran S. Artificialneuralnetwork and genetic algorithm for the design optimization of industrial roofs a comparison[J]. Computers Structures， 1996， 58（4）：747-755.