動漫資源共享的云計算服務平臺談判交易模型研究

摘 要：結合動漫創意企業資源匹配實際需求，研究資源配置有效方法，將多屬性自動談判引入到云平臺的媒體資源與服務的匹配上來。構建基于多屬性自動談判的媒體資源與服務交易模型，運用智能求解算法進行有效求解。對媒體資源與服務這種復雜抽象的物品進行了在線交易模型研究。為解決云平臺媒體資源與服務的市場化智能交易提供決策支持。

關鍵詞：動漫資源；談判模型；云計算

云計算這一時代產物昭示著新互聯網時代已經來臨，它改變了傳統互聯網的運行模式，改變了人們獲取、共享信息的方式。而隨著我國動漫產業的不斷發展，建立動漫資源共享的云平臺，對媒體資源和服務的分配與信息共享，構建多屬性自動談判的媒體資源與服務交易模型，為解決基于云平臺的媒體資源與服務的市場化智能交易提供決策支持、使動漫創意企業獲得更大的經濟效益則有其重大的社會和現實意義。

一、動漫創意企業資源與傳統商品相比具有自身的特殊性

1.資源常常具備多屬性特征，而在動漫創意企業表現得尤為明顯。不僅如此，動漫企業對于非單一屬性的代理（Agent）的偏好十分復雜。過去往往用代理依據一個單一的效用函數或較為簡單的數學公式來為決策提供參考。而事實上各個屬性之間相互聯系相互依賴，想要建立一個效用函數來準確表達多屬性之間的關系是非常困難的，尤其是偏好如何衡量與量化是頗為棘手的。

2.傳統的商品談判是單屬性的，而在動漫創意企業資源匹配的多屬性談判中，解空間是多維的（n，n>1），在傳統的商品談判中，解的空間是一個單維的直線。而在多屬性談判中，因為解的空間是多維的，所以談判方法相對比較復雜。而在多屬性談判過程中，談判代理要選擇一個明確的方向進行讓步，因此不同的讓步方向能夠產生不同的讓步方案：要將從1到n的多屬性中的某一個或某幾個屬性的相應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，因為對手會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計和推理都比單屬性談判要復雜的多。

3.與傳統的單屬性談判相比，多屬性談判在動漫創意企業的運用中能夠實現“雙贏”。在多屬性談判中，假定談判代理Agent較為理性，則談判的結果便可以實現Pareto最優解。Pareto最優解指的是在不降低談判對手效用的狀態下，找不到更優的利己解。換句話說，如果存在某個解能使某Agent產生的效用更大，則其他Agent的解效用就會下降。則說明在解的可行域內，如果Agents達到了Pareto最優解，那么就可以證明多屬性談判模型是有效率的。

動漫創意企業資源匹配的多屬性談判的優勢：打破了傳統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，而事實上使得雙方都獲得更高的收益是存在的。最初關于多屬性談判的相關理論及研究都是由經濟學發端的，后來引入到人工智能（AI）并得到迅速發展。

二、云計算平臺多屬性自動談判決策定義的框定

動漫創意企業資源匹配的雙邊多屬性談判問題可以表述為：對于動漫創意企業的談判雙方就其重點關注的動漫資源的項屬性，在一定的取值范圍內對其存在的所有可能方案進行談判，直到得到最終談判結果：談判成功或失敗。針對談判的每一方案，談判雙方均根據自己的判斷賦予相應的效用值，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表示各個談判目標的屬性，其中。

定義2 用xij表示第i個屬性的第j種所能取的值，；，Di表示第i項屬性的可取值域。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。則談判目標的決策表達式為：

（1）

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

對上述各定義而言，u（）既可以是線性函數的效用向量也可為非線性效用函數效用向量，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，進行談判者而言，直接找到多屬性函數之間的復雜關系并用非線性函數表達出來十分困難甚至是不可能的。不過對于只要給出數量有限的效用樣本和談判方案就能實現非線性函數的建立。因此采取有限的樣本集合對函數方程進行逼近，使得非線性函數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中相對緊湊的一個數域集合。給定的p個談判方案作為樣本表示為

，假設樣本數據與效用函數相吻合，即則找出一個函數使，其中，ε是一個任意小的值，這就是所謂的逼近問題。一般情況下用平方L2-范數來度量逼近精度的大小，L2-范數給出了一個函數的空間集合S，該函數空間集合包含所有的其平方可積的實數函數集。如果對于任意的點，都存在一個函數使之與函數u間的距離最短，則我們稱 為u的最佳逼近。那么用 這個逼近函數替代定義3中的效用函數u，所以公式1就可以轉化為：

（2）

最后得出的解決公式*就可以定義為近似Pareto最優解。

根據以上分析可知，本文將構建非線性函數效用方程通過給定一定樣本數據來求解近似Pareto最優解從而解決復雜談判問題。這樣做能夠巧妙的避免了談判問題中具有非線性復雜關系的效用函數方程的結構設計與如何求解參數的難題。該方法借助樣本中的數據來解決談判問題，可以充分發揮云平臺的長處調集動漫企業的歷史數據以及通過數據進行預測等有利條件，能夠避免解決方案評價的主觀性。如此一來能夠充分的提煉出談判方的真實效用情況，為決策提供依據，最終實現談判雙方的效用最大化。

三、構建服務平臺基于GD-FNN/GA混合算法談判模型

遺傳算法（Genetic Algorithm，GA）是一種受達爾文“物競天擇，適者生存”的自然進化理論啟發誕生的一種具有眾多優點的計算方法和模型。基本遺傳算法通常表示為八元組。其中，分別表示編碼、個體適應度評價函數、初始種群、種群規模、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、魯棒性等優點，并且，它不要求連續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勢。

圖1 服務平臺GD-FNN/GA混合算法談判模型

在已有研究中，遺傳算法與神經網絡的結合大多是用遺傳算法來提升神經網絡的參數問題。而本文卻是通過運用神經網絡的優點來提升其逼近非線性函數精度與并行運算能力。通過遺傳算法與神經網絡的融合來代替傳統遺傳算法中的顯式（傳統的遺傳算法的適應度函數必須是具有明確數學表達式的函數方程）適應度評價效用函數運算。如定義1至定義5所示。由此所構建的GD-FNN/GA混合智能算法談判模型如圖2所示。

如圖所示，GA開始的時候自動生成一個初始種群，其中的各條染色體分別對應一個談判的方案，則初始種群對應多個初始談判方案。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到逼近精度要求的效用值，然后按公式（2）計算的結果作為GA算法的適應度值。緊接著通過判斷是否符合終止條件，不符合終止條件繼續進行迭代計算，直至產生近似的Pareto最優解談判方案將其輸出。

四、動漫創意企業服務平臺談判機制、決策理論分析與智能算法

動漫創意企業資源匹配的談判機制的設計是動漫創意企業資源匹配的談判活動的基礎，考慮因素不同，采取的談判機制也不盡相同，研究擬通過對原有談判機制的適用性分析，選取基于協調人的談判機制。如圖3所示。并在考慮信息安全性的角度對其進行進一步的分類研究。其中，SGA為基本遺傳算法作為協調中介。根據SGA的種群（談判提議集）談判代理Agent A與Agent B分別給出對應的效用評價并反饋給SGA。SGA收到雙方評價效用值后對本輪談判結果進行協調。在考慮談判雙方私有信息保護的前提下，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，以此達到談判各方私有信息保護的目的。

五、結論

動漫創意企業資源匹配的談判中的最優解的確定是一個決策過程。因此，如何尋找切實有效的決策方法、如何滿足談判雙方的效用最大化有著極其重要的現實意義。本文通過構建非線性多屬性自動談判的媒體資源與服務交易模型，運用智能求解算法進行有效求解。事實證明基于多屬性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如何設計多屬性依賴雙邊談判支持系統。

參考文獻：

[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].運籌與管理，2011（3）：38—45，52.

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

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

[4]李玥，馮玉強，王衍華，李一軍.遺傳算法在網上談判支持系統中的應用研究[J].系統工程理論與實踐，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.