Tárgyalások. Intelligens Elosztott Rendszerek BME-MIT, 2018

Átírás

1 Tárgyalások

2 Mechanizmus-tervezés: szociális jóléti függvény (Szavazás) (Aukció) Megegyezés keresése/elérése: Tárgyalás (Érvelés)

3 Megegyezés elérése speciálisan megtervezett tárgyalásos protokollokkal Befagyásmentes legyen Terminálódjon Biztos sikerre vezessen Szociális jólétet maximalizáljon (vagy valami mást?) Pareto-hatékony legyen (nincs olyan más megegyezés, ami legalább egy ágens hasznosságát megnövelne úgy, hogy más ágensek hasznosságát nem csökkenti) Individuális racionális legyen (a protokoll követése ágensek önérdeke (benne lenni jobb)) Stabil (a protokoll meghatározott viselkedésre készteti az ágenseket) Egyszerű (optimális stratégia komplexitása legyen alacsony, kiszámítható) Elosztott (egy egyedi ágens bukása a protokollt ne buktathassa (single point of failure))

4 Tárgyalás komponensei Javaslat halmaz: ágensek által megtehető javaslatok Protokoll: megadja az adott helyzetben legális javaslatok meghatározását Ágensek stratégiái Megegyezés elérésének szabályai (tárgyalás terminálási szabályai) Tárgyalás fajtái Egy tételű Többtételű (javaslatok mennyisége exponenciális, javaslatok összevetése nehéz) 1-1 tárgyalás (tip. többágenses rendszerekben) N-1 N-M

5 Egyszerű 1-1 protokoll (váltakozó javaslatok Rubinstein protokollja) a tárgyalás fordulókban történik, az 1. ágens indít a 0. fordulóban x0 javaslattal, a 2. ágnes ezt vagy elfogadja, vagy elutasítja, ha elfogadja, a megegyezés létrejött és az x0 javaslatot életbe léptetik. máskülönben új forduló következik, ahol most a 2. ágens tesz javaslatot.

6 Egyszerű 1-1 protokoll (váltakozó javaslatok Rubinstein protokollja) lesz-e megegyezés? (folyomatos elutasítás) - ha nincs megegyezés konfliktus Alap feltételezések - a megegyezés hiánya a legrosszabb kimenetel, akármilyen megegyezés jobb, mint semmi, - ágensek hasznosságuk maximalizálására törekednek. Osszuk meg egy tortát! Azaz van egy erőforrás, ami két (x, 1-x) részre osztható (és 1-re összegződik) Tárgyalási javaslat: (x, 1-x) A lehetséges javaslatok halmaza: ( x,1 x): 0 x 1 Mit javasoljunk az 1. ágens nevében?

7 Tegyük fel, csak egy forduló van Ultimátum játék Az 1. ágens teljhatalmú. Ha az 1. ágens (1,0)-át javasol, a 2. ágens számára ez még mindig jobb, mint elutasítani, konfliktussal. A javaslat az 1. ágens számára is a legjobb: Nash-egyensúly(!) Tegyük fel, két forduló van A 2. ágens lesz teljhatalmú. Akármit javasol is az 1. ágens, a 2. ágens ezt elutasítja. Majd a 2. ágens (0,1)-et javasol. A javaslat az 1. ágens számára jobb, mint a konfliktus, és nyílván legjobb a 2. ágens számára is: Nashegyensúly(!) Ugyanaz a helyzet tetszőleges, de fix számú forduló esetében.

8 Tegyük fel, végtelen sok forduló lehet Az 1. ágens stratégiája. Mindig (1,0)-át javasolni és a 2. ágens bármely javaslatát elutasítani. Ha a 2. ágens elutasítja: konfliktus! Akkor inkább el kell fogadnia, és ezt akkor már az első fordulóban érdemes. Pontosabban: akármit is (x,1-x) formában javasol az 1. ágens, az azonnali elfogadása a Nash-egyensúly mindaddig, amíg a 2. ágens tudja az 1. ágens stratégiáját. Nash-egyensúly itt túlzottan gyenge kritérium Vegyük figyelembe az idő múlását! Akármilyen x kimenetelről lenne szó, mindkét ágens ezt nagyobbra értékeli korábban, mint később leszámoltatás Minden ágensnek van leszámoltatási tényezője Minél közelebb áll ez 1-hez, annál türelmesebb egy ágens. Ha egy ágensnek x-et kinálnak, akkor az x tortarész értéke k-ik időpillanatban x, i x, i i x,, ( i ) k x, i 1,2, 0 1 i

9 Egy fordulós tárgyalás még mindig egy ultimátum. Két forduló: a 2. ágens eddigi módon játszhat, de amit kap, most csak 2 -t ér nála. Megkapja az egész tortát, de ez most kevesebbet ér. Az 1. ágens ezt figyelembe veheti: (1-2, 2 )-at javasolva. A 2. ágens jobbat nem kap, ez most a Nash-egyensúly. Általános esetben az 1. ágens azt javasolja, amit a 2. ágens a második fordulóban kikényszeríthet ágens része: 2 2. ágens része: visszafelé indukcióval 1 2 (1 ) 2 1 T = 1 A 2. elutasít. A 2. a folytatásból max. kihozhat: v2(2)-t. Az 1. ágens max. nyeresége, ami ezzel konzisztens: v1(1) = 1-2 v2(2), v2(2) = 1 1 v1(3) Két elutasítás után a játék rekurzive ismétlődik: v1 = 1-2 (1 1 v1) v1 = (1-2 )/(1 1 2 ) v2 = 1-v1 = 2 (1 1 )/(1 1 2 ) Türelmesebb jobban jár! 1 =.9, 2 =.2 v1 =.975 v2 = =.5, 2 =.5 v1 =.666 v2 = =.5, 2 =.666 v1 =.5 v2 =.5

10 Heurisztikus megközelítés Pontos leszámoltatás (ellenfél modell) ismeretlen Értékitélet heurisztikus becslése: - lineáris 1 t Ui( t) 1 ( ), i b, s T - Boulware stratégia (GE vice president Lemuel Boulware) először sokáig kis engedmény, a végén nagyobb a megegyezés halogatása, messze a rezervációs szinttől - Conceder engedmény stratégia nagy engedmény gyorsan (a megegyezés sürgetése), majd sokáig kis engedmény, a rezervációs szint közelében i Offer ( t) RP U ( t)( IP RP ) i i i i i t IP ( RP IP)( ) T i i i i

11 Probability Bayes: prior posterior Negotiation Technologies Nick Jennings

12 Feladat-orientált domén Task Oriented Domain (TOD) Lehetséges feladatok (véges) halmaza Ágenshalmaz Ag 1,2,..., n Egy feladathalmaz végrehajtásának költsége T t1, t2,..., t n c :2 T T, Ag, c Költség-függvény monotón A semmitevés költsége Összeütközés (encounter) TT 1, 2 T1 T2 D1 D2 T T c( T ) c( T ) c( ) 0 T1, T2,..., Tn összeütközésben egy üzlet/(le)osztás (deal) 1 2 a feladatok új kiosztása Egy ágens részére az üzlet haszna: u ( ) c( T ) c( D ) i i i Ha nincs üzlet és mindegyik ágens az ő eredeti feladatát végzi, az un. konfliktus-üzlet ( nincs-üzlet üzlet) D, D TT 1, 2

13 1 2 i 1,2 : u ( ) u ( ) 1 i 2 i 1,2 : u ( ) u ( ) i i 1 i 2 Mások által nem dominált üzlet Pareto-optimális Individuálisan racionális üzlet = a konfliktus-üzletet gyengén dominálja. Legális javaslatok a Pareto-optimális és ind. racionális javaslatok. Hasznosságegység-függetlenség (HEF): ha U mellett az üzlet, de adva az üzlet és U 1u1 i : u ( ) u ( ),...,, kuk uu i i i 1 dominálja 2 Ha a 1 legalább ugyanolyan jó minden ágensre, mint a 2. Van olyan ágens, akinek a 1 jobb, mint a 2. Gyengén dominál, ha csak az 1. igaz. Irreleváns alternatíva függetlensége (IAF): ha adva D, -t üzletet választunk, akkor adva D, D D, D szintén -t választunk (a gyöztes üzlet nem változik, ha a vesztes üzletet kiiktatjuk) Szimmetria: az üzlet u.a., amíg a hasznosságok halmaza u.a., függetlenül attól, hogy mely ágens hasznossága az. i : u ( ) u ( ) i 1 i 2

14 Stratégiai megoldás lehetőségei Pareto-optimális,. de melyik legyen? Pareto-optimális (javaslathalmaz) Lehetséges üzletek Javaslathalmaz Ind. racionális üzletek Konfliktus üzlet Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

15 Stratégiai megoldás lehetőségei Pareto-optimális Egalitáriánus Utilitáriánus Szociális jólét egalitárianus Nash-alku Kalai-Smorodinsky de melyik legyen?

16 Egalitárianus u ( ), E u ( ) u ( ) argmax i i, j i j E i Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

17 Szociális jólét egalitárianus argmax min u ( ), i i Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

18 Utilitárianus arg max u ( ) i i Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

19 Nash-alku arg max u ( ) i i Egyetlen, ami: (1) Pareto-hatékony, (2) HEF, (3) IAF, (4) szimmetrikus Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

20 Kalai-Smorodinsky Legyen u i * az i ágens maximális haszna, amit a Pareto-határvonalbeli üzletekből hozhat ki. Keressük meg azt az üzletet, ami a - és a (u i *, u j *) pont közötti egyenesen fekszik. Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

21 Monoton Engedmény Protokoll Fordulók Megegyezés, ha 1. ágens olyan 1 üzletet és 2. ágens olyan 2 üzletet javasol, hogy vagy u 1 ( 2 ) u 1 ( 1 ), vagy u 2 ( 1 ) u 2 ( 2 ), azaz a másik javaslata legalább ilyen jó, mint az enyém Megválasztás: üzlet maximális hasznossággal Ha legális üzletre nincs lehetőség: konfliktus-üzlet 1. i arg max u i ( ) 2. i üzlet javaslata 3. j üzlet ellenjavaslata 4. if u i ( j ) u i ( i ) 5. then j elfogadása 6. else i i, olyan hogy u j ( i ) e + u j ( i ) és u i ( i ) u i ( - ) 7. goto 2.

22 Monoton Engedmény Protokoll Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

23 Monoton Engedmény Protokoll N-M multilaterális tárgyalás Fordulók 1. Minden ágens előáll a javaslatával k. Mindegyik ágens vagy ragaszkodik a javaslatához, vagy engedményt tesz. Ismétlés megegyezéshez, vagy konfliktus-üzlet beálltáig. Konfliktus-üzlet: a fordulóban senki nem tesz engedményt. Megegyezés: ha egy ágens olyan üzletet javasol, ami mások számára legalább olyan jó, mint a saját javaslatuk.

24 N-M multilaterális engedmény stratégiák Erős engedmény Engedmény, ami mások számára szigorúan előnyösebb. Gyenge engedmény Engedmény, ami mások közül legalább egy számára szigorúan előnyösebb. Pareto engedmény Engedmény, ami mások számára nem rosszabb és közülük egy számára szigorúan előnyösebb. Utilitáriánus engedmény Engedmény, ami mások összjólétét (hasznosságok összegét) növeli. Egalitáriánus engedmény Engedmény, ami növeli mások minimális hasznosságát megnöveli. Nash-engedmény Engedmény, ami mások hasznosságának szorzatát megnöveli. Egocentrikus engedmény Engedmény, ami a javasló szempontjából rosszabb.

25 Monoton Engedmény Protokoll Zeuthen (1930) stratégia Milyen legyen egy jó stratégia? Mit kellene javasolni az első fordulóban? Egy-egy fordulóban kinek kellene engedményeket tennie? Ha egy ágens engedményt tesz, mennyit engedjen?

26 Monoton Engedmény Protokoll Zeuthen (1930) stratégia Milyen lenne egy jó stratégia? Mit kellene javasolni az első fordulóban? Mindenki az ő leginkább preferrált üzletét. Egy-egy fordulóban kinek kellene engedményeket tennie? Annak az ágensnek, aki legkevésbé hajlandó kockáztatni a konfliktust. Ha egy ágens engedményt tesz, mennyit engedjen? Épp annyit, hogy megszünjen ilyennek lenni (azaz a konfliktust legkevésbé kockáztatni hajlandó) Ha kevesebb: újra kell engedményt tennie nem hatékony Ha több hasznosságot pazarol. Az i ágens hajlandósága konfliktust kockáztatni magas, ha: az aktuális javaslata és a konfliktus hasznosság különbsége alacsony (a konfliktussal nem veszít sokat) az aktuális javaslata és az ellenfél javaslata hasznosság különbsége magas (az engedménnyel sokat veszít)

27 Az i ágens hajlandósága konfliktust kockáztatni: risk t i i hasznosságvesztessége, ha j javaslatát elfogadja i hasznosságvesztessége, ha okoz konfliktust t t t ui ( i ) ui ( j ) ui ( j ) 1 t t u ( ) u ( ) i i i i t és 1, ha u ( ) 0 i i Engedményt tevő i ágens: risk t i risk t j Zeuthen stratégia: nem garantálja a szociális jólét maximumát, garantálja a Nash-produktum maximumát, garantáltan terminálódik, az elért megegyezés individuális racionális és Pareto optimális, Nash-egyensúly, ha az ellenfél is ezt használja (stratégia publikus lehet), ismerni kell kölcsönösen a hasznosságok számítását és ha a kockázat azonos?

28 Zeuthen stratégia 1. i arg max u i ( ) 2. i üzlet javaslata 3. j üzlet ellenjavaslata 4. if u i ( j ) u i ( i ) then j elfogadása 5. risk i, risk j számítása 6. if risk i < risk j then i i, olyan hogy risk i ( i ) > risk j goto 2 7. goto 3. Az i ágens hajlandósága konfliktust kockáztatni multilaterális esetben(?): risk t i t t u ( ) min u ( ), j ágensek i i i j t u ( ) i i

29 Zeuthen stratégia risk risk t i t j t 5 j 1 5 t t i 1 t j i Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

30 Egylépéses tárgyalási stratégia 1 E u ( ) u ( ) u ( ) u ( ) 2 arg max u ( ) 3 4 i E i i j javaslata beérkezése i j i j 5 if u ( ) u ( ) u ( ) u ( ) i j j j i i j i 6 then hiba, j nem követi az előírt stratégiát 7 koordinálás j vel melyik üzletet elfogadni Megjegyzés: Zeuthen stratégia maximálja a Nash-produktumot (i tesz engedményt, ha az üzlete a Nash-produktum maximumától elmarad) risk risk ( ) ( ), ( ) u ( ) u ( ) i j i j i i i j i

31 Hegymászó tárgyalás Jose M Vidal Fundamentals of Multiagent Systemswith NetLogo Examples

32 Feladathozzárendelési probléma - Task Allocation Problem Hasznosság számítása: u ( ) 8 c ( ), u ( ) 8 c ( ) i i j j Üzletek számítása: egyszerre egyetlen egy feladat üzletelése Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

33 Feladathozzárendelési probléma - Task Allocation Problem Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

34 Feladathozzárendelési probléma - Task Allocation Problem Mi van, ha nemigen van egy jó üzlet, amit lehetne javasolni és elfogadásra találni?

35 Feladathozzárendelési probléma - Task Allocation Problem Mi van, ha nemigen van egy jó üzlet, amit lehetne javasolni és elfogadásra találni? Fizetések: (pénzbeli) fizetések bevezetése növeli a lehetséges üzletek választékát (a Vállalkozási Hálók protokoll hajdani igazi oka)

36 Feladathozzárendelési probléma - Task Allocation Problem Fizetések: (Vállalkozási Hálók) - a menedzser egy feladat megoldását vesz és a válalkozók benevezik (költségük alapján) a fizetendő árat, - menedzser választ vállalkozókat (egybevetve a hasznot és a költséget), kiadja a feladatot és fizet. Tegyük fel: Az i ágens számára a pillanatnyi feladathozzárendelés költséges, mert az egyik t feladata (számára) igen drága. Az i hajlandó akár Dc-t is fizetni másnak, hogy a t feladatot átvegye (a feladat átadásával járó hasznosságnyereség erejéig, többet fizetni tiszta veszteség lenne). Az j ágens átveheti a feladatot, ha a fizetés több, mint a feladat végzésével járó hasznosságcsökkenés. c ( s ( )) c ( s ( ) t) nyereség Dc fizetés i i i i c ( s ( )) c ( s ( ) t) Dc veszteség fizetés 0 j j j j

37 Feladathozzárendelési probléma - Task Allocation Problem Fizetés hatása: egyetlen egy üzletből végtelen sok üzletjavaslat jön létre: (eredeti üzlet + fizetés (- + )) Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

38 Feladathozzárendelési probléma - Task Allocation Problem 45 Fizet = Nyer Új domináns üzletek. Melyik legyen? Engedményes protokoll? Milyen megoldás felé? Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

39 Feladathozzárendelési probléma - Task Allocation Problem 1 nem dominálja a 0 -t, a tárgyalás könnyűszerrel a 0 -ban terminálódik, ami pl. nem egy utilitáriánus megoldás. A Vállalkozási Hálók protokoll beszúrása, ami a feladat átvállallását tisztázza, fizetés ellenében, lehetőséget ad egy utilitáriánus megoldás megegyezésére. (nem garantált a költségfüggvény alakjától függ) A c(s) függvény additív költségfüggvény, ha minden feladat-hozzárendelés esetén, a hozzárendelt feladatok összköltsége az egyes feladatok költségösszege. s. s T, c( s) c( t) Tétel: Ha egy additív költségfüggvénnyel rendelkező feladat-hozzárendelési problémában egyszerre egyetlenegy feladat cseréje történik, minden olyan tárgyalási protokoll, ami lehetővé teszi a fizetést és mindig a domináns üzlet felé lép, végeredményben az utilitáriánus megegyezéshez fog konvergálni (2006). ts

40 Feladathozzárendelési probléma - Task Allocation Problem A c(s) függvény additív költségfüggvény, ha minden feladathozzárendelés esetén, a hozzárendelt feladatok összköltsége az egyes feladatok költségösszege. s. s T, c( s) c( t) ts Tétel: Ha egy additív költségfüggvénnyel rendelkező feladat-hozzárendelési problémában egyszerre egyetlen egy feladat csere történik, minden tárgyalási protokoll, ami lehetővé teszi a fizetést és mindig a domináns üzlet felé lép, végeredményben az utilitáriánus megegyezéshez fog konvergálni (2006).

41 Feladathozzárendelési probléma - Task Allocation Problem Minden üzletet a fizetéssel relaxált változata dominálja, 7 -et kivéve. A protokoll ott köt ki. Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

42 Feladathozzárendelési probléma - Task Allocation Problem Üzlettípusok (javaslatnyelvek, üzlet-gráfok): O üzlet (O (original) contract) egy feladat átadása 2 ágens között C-üzlet (C (cluster) contract) legalább 2 feladat átadása 2 ágens között S-üzlet (S (swap) contract) egy-egy feladat kölcsönös átadása M-üzlet (M (multiagent) contract) pontosan 3 feladat átadása 3 ágens között, egy ágens egyetlen egy feladatot adja át, de kaphat kettőt is OCSM-üzlet (combined) Optimális megegyezés elérése tetszőleges (nem additív) költségfüggvény esetében nem garantált (merre megy a hegymászó? Optimum számítása komplexitás!) Ha az üzlet-gráf teljesen összekötött (pl. OCSM-javaslatnyelv mellett), akkor minden protokoll, ami a domináns üzletek sorozatából áll, utilitáriánus megoldást eredményez. (de a domináns üzletek számítási komplexitása!) Pragmatikus cél: a javasolható üzletek számának mérséklése (az üzletek hozzáférhetőségének mérséklése, a gráf élei), de az optimum megegyezés garantálása (még nincsenek eredmények)

43 Feladathozzárendelési probléma - Task Allocation Problem Megegyezés és visszalépés az üzlettől (de-committment), mert: - időközben jobb ajánlatok, - a környezet dinamikájának hatása, - ágens vis major, - Az üzletjavaslatba ágyazott bűntetés csökkenti a rizikót. Lássúk

44 Feladathozzárendelési probléma - Task Allocation Problem = (i, j) 0 = (2, 2) Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

45 Feladathozzárendelési probléma - Task Allocation Problem = (i, j) 1 = (1, 5) Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

46 Feladathozzárendelési probléma - Task Allocation Problem = (i, j) 0 = (2, 2) 1 = (1, 5) j fizet 2-t! 2 = (3, 3) domináns! Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

47 Feladathozzárendelési probléma - Task Allocation Problem Rizikó i számára j részéről: j nem fizet, a feladatot csinálni kell ( 1 ) Rizikó j számára i részéről: j fizet és a feladatot is csinálni kell ( 3 ) Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

48 Feladathozzárendelési probléma - Task Allocation Problem Kisebb a rizikó: az i-nek 4 u.u. jó, mint 0. Az j-nek 5 is jobb. Így a 2 üzlet már nem ilyen eszedelmes. Az üzlet felrugásával bűntetés jár ($1). Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

49 Feladathozzárendelési probléma - Task Allocation Problem Hazudni néha jó tárgyalni fantom feladatokról - feladatot elhallgattatni, - álfeladatot kitalálni. Nash-tárgyalási megoldás a 1, az i-nek nem tetszik. Az i kitalál egy fiktív t 2 feladatot és tárgylásba viszi be. Most a Nash-tárgyalási megoldás a 4. Ezzel az i minden feladatot felvállal, de belőle csak t 1 a valódi. Így magához ragadta a tényleges feladatot, nagyobb hasznossággal. (általános költségfüggvények) Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

50 Feladathozzárendelési probléma - Task Allocation Problem Komplex üzletek Üzlet komponensei: x 1,, x n változók - elosztott korlátozás kielégítés (optimálizálás) -- ágensek nem uralják a változók értékét Pl. Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

51 Feladathozzárendelési probléma - Task Allocation Problem Komplex üzletek Üzletek generálása lokális (mert sok). Engedményes, hegymászó, stb. protokoll leállhat Pareto megoldások előtt. Indulunk a legjobbaktól. Nagy a keresési tér. Azok környezetében módosítünk engedmények érdekében = legfeljebb lokális min. Agenda = tárgyalt dimenziók sorozata Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

52 Feladathozzárendelési probléma - Task Allocation Problem Komplex üzletek tárgyalás közvetítő ágenssel Elmozdulás lokális min-tól globális felé -- szimulált lehűtés algoritmus Kilépés: stabil hasznosságok egyik ágens számára sincs már javulás. Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

53 Feladathozzárendelési probléma - Task Allocation Problem Komplex üzletek tárgyalás közvetítő ágenssel akik a tárgyalásban résztvesznek Hegymászó tárgyaló (Hill Climber) - elfogad rezervációs ára u i (_), majd mindenkori eddigi legjobb elfogadott üzlet felett. Azaz monoton módon növeli a rezervációs árát. Szimulált lehűtő tárgyaló (Annealer) - T hőmérséklet szerint elfogad kis valószínűséggel az eddigi elfogadott legjobb üzletnél rosszabb javaslatot is. P DU exp( ) T Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

54 Feladathozzárendelési probléma - Task Allocation Problem Rezervációs árszintek módosítása üzletek függvényében Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

55 Feladathozzárendelési probléma - Task Allocation Problem Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

56 Feladathozzárendelési probléma - Task Allocation Problem Szimulációk: Mindkettő HC alacsonyabb hasznosság (mindkettő kielégítése) Az A jelenléte mindig növeli a jólétet. Mindkettő A kb. 40% jobb hasznosság. Jólét érdekében hajlandók időnként lemondani Problémák: - random üzletgenerálás kölcsönös ismeret egymás hasznosságáról elvész, - rösszabb üzlet elfogadása irracionális lépés. Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

57 Feladathozzárendelési probléma - Task Allocation Problem Tárgyalási hálók Több ágens szimultán módon tárgyal egymással több üzletet tartalmazó D i üzleti csomagokról. Ágensek üzleti csomagjai nem feltétlenül konzisztensek (benne van a konfliktus üzlet is). A bennük lévő üzletek lehetnek erős kölcsönhatásban (pl. több eladóval tárgyalni ugyanannak a dolgognak eladásáról, visszalépések!). Egy-egy üzleti csomag tárgyaló ágensei a teljes MAS valamilyen részhalmaza. A tárgyalási háló megoldása az üzleti csomagokból (mindegyikéből) merített üzletek olyan halmaza, ahol egy-egy ágensre vonatkozó üzletek konzisztensek egymással. Jose M Vidal Fundamentals of Multiagent Systems with NetLogo Examples

58 Feladathozzárendelési probléma - Task Allocation Problem Érvelés alapú tárgyalás - Szabványos tárgyalási nyelvek még nincsenek (érvelési protokollok, preferencia alapú kommunikációs nyelvek, ) - Benyújtott üzletjavaslat Kritika információ másik hasznossági függvényéről jövőbeli esélytelen javaslatok kiszűrése Ellenjavaslat, erősen korrelált a kritizált javaslattal társult érvelés meggyőzés érdekében Rábeszélés (további információ megadása) Fenyegetés. Jutalmazás, hatásgyakorlás. Ezzel lehetséges pl. megbecsülni az ellenfél hasznosságfüggvényét üzletjavaslatok eliminálása (keresés komplexitása!) befolyásolni ellenfél hasznosságfüggvényét módosítani saját hasznosságfüggvényét