伍京華，韓佳麗，王佳瑩

基于Agent的情感勸說的決策過程及模型研究

伍京華，韓佳麗，王佳瑩

（中國礦業(yè)大學（北京）管理學院，北京 100083）

Agent具有情感后進行的勸說決策會更加理性，而現(xiàn)有研究還不夠全面深入。針對此問題，首先結合形式邏輯理論，定義了基于Agent的情感勸說及其決策過程，并將基于Agent的情感勸說的決策過程劃分為評價情感勸說行為、更新情感勸說狀態(tài)、調(diào)整情感勸說目標、產(chǎn)生情感勸說行為四個階段；其次針對這四個階段，結合OCC情感模型和PAD心情模型，運用多屬性效用理論，引入情感淡化因子和情感評價因子，定義了Agent情感觸發(fā)函數(shù)，建立了八種Agent基本情感與勸說目標的映射關系，將Agent的情感勸說行為分為獎勵型、申辯型、威脅型和反辯型四類，分別構建了相應的決策模型，從而構成了更加完整和合理的基于Agent的情感勸說的決策過程模型；最后通過算例證明了模型的合理性和有效性。

Agent；情感勸說；決策過程；決策模型

0 引言

與傳統(tǒng)談判方式相比，基于Agent的人工智能談判能節(jié)省不必要的人財物等資源，減少成本，提高效率，因此逐漸成為商務談判領域的研究熱點。人工智能Agent的引入，主要是模仿人類的行為、推理和決策，最大限度地發(fā)揮人的作用。情感作為人的意識形態(tài)之一，會影響人類的認知、目標和行為，在人類決策過程中起著相當重要的作用。同理，情感作為人工智能領域不可或缺的組成部分，將其相關理論模型應用到基于Agent的勸說中，也將產(chǎn)生重要的研究意義：一方面，將情感模型應用到基于Agent的勸說中，構建相應模型，能使Agent更加具有人的特性，更加擬人化，在勸說過程中也更能體現(xiàn)現(xiàn)實中人的決策理性和風格，勸說結果也更加容易解釋，這就能使基于Agent的勸說的研究更加接近現(xiàn)實的勸說環(huán)境，更加符合勸說實際；另一方面，借助認知心理學及相關理論成果，研究基于Agent的勸說的情感決策過程，構建基于Agent的情感勸說的決策過程模型，分析人類在解決勸說過程的復雜問題的內(nèi)在機理，進而指導基于Agent的勸說過程中的思維與情感認知，以及最后勸說行為的產(chǎn)生，從而解決Agent在勸說過程中的復雜問題，可以為該領域研究存在的難題提供借鑒和參考，進而加快該領域的發(fā)展。

目前，國內(nèi)外對該領域已有一定研究。首先，在Agent決策領域，文獻[1]借助于馬爾可夫決策過程理論，提出了行為驅動的馬爾可夫決策過程，并將其應用到Agent領域。文獻[2-3]用影響圖表示決策問題，結合動態(tài)貝葉斯網(wǎng)絡，提出了多Agent實時決策方法。文獻[4-7]將Agent決策方法應用到實際工程問題上，有效地解決了海上船舶碰撞、飛機調(diào)度、礦工風險等問題。文獻[8]從Agent決策支持系統(tǒng)框架的可更改性、可集成性兩個角度出發(fā)，對已有框架的不足之處進行改進，開發(fā)了基于Agent的供應鏈決策支持系統(tǒng)。文獻[9~10]在基于Agent的勸說領域引入前景理論和后悔理論，構建了基于前景理論的多Agent勸說模型，并將勸說決策過程進行優(yōu)化，使Agent的決策更接近于人的實際決策行為。文獻[11-12]從辯論的角度對Agent勸說的作用機理進行研究，提出了基于辯論的多Agent勸說的讓步模型及策略，以此為契機分析了加入辯論后Agent如何通過勸說進行信息決策，并利用原型系統(tǒng)實現(xiàn)了這一過程。在以上學者的研究中，文獻[1-8]均提出或改進了Agent的決策方法，但并未將勸說和情感引入Agent決策過程；文獻[9-12]雖然考慮了辯論對Agent決策的影響并進行了優(yōu)化，模擬了人的行為，但同樣沒有考慮情感對基于Agent的勸說的決策過程的影響。

其次，在 Agent情感勸說領域，文獻[13]構建了基于情感識別的自適應多Agent的虛擬ICAI系統(tǒng)及模型框架。對于情感勸說能力，文獻[14-16]提出讓計算機具有情感能力，從而有效地模仿人的行為。文獻[17-18]通過模擬虛擬的學習環(huán)境，運用人工心理與情感計算相關理論，研究了Agent的情感產(chǎn)生與發(fā)展機制、學習動機及其與學習情感的映射關系，從而實現(xiàn)了相應的智能Agent。文獻[19-21]以Agent的面部運動為出發(fā)點，提出了Agent情感狀態(tài)的描述方法，實現(xiàn)了Agent的個性化情感表達輸出。文獻[22]對Agent的個性、心情及情感三者之間的關系進行量化，構建了一種多層次情感計算模型，并通過該模型反映了多重情感的連續(xù)波動，進而反映人類的情感變化。文獻[23]將生理、認知、情感方面的研究成果運用到了Agent領域，通過構建情感計算模型，使Agent產(chǎn)生具體的情感行為。文獻[24-25]以情感的動態(tài)性和模糊性為切入點，提出了基于模糊邏輯的教學Agent的情感建模方法，構建了相應的情感Agent的反饋策略。文獻[26-29]則在情感分類的基礎上，研究了不同情感狀態(tài)對Agent勸說的影響程度，以及相應的讓步幅度。文獻[30-32]分別從Agent交互過程、勸說技術、勸說策略角度出發(fā)，將情感引入Agent中，構建情感Agent，使其在交互、勸說過程中更符合人的行為。以上學者均提出了Agent的情感模型，但是僅停留在Agent情感勸說層面，并未考慮情感與決策過程相融合，更好地模擬人的行為。

再次，在Agent情感勸說的決策領域，文獻[33-34]提出了基于Agent的勸說的形式化模型。文獻[35-37]構建了基于Agent優(yōu)化的自適應協(xié)商模型。文獻[38]構建了基于人工情感與計算智能的機器人行為決策方法，并提出了基于“害怕”的情感模型與強化學習的機器人行為決策方法。文獻[39]構建了一種基于Agent的情感智能決策方法，并用來解決無人機航線規(guī)劃的決策問題。文獻[40]以情感對決策的影響為出發(fā)點，結合多Agent理論，提出了情感Agent模型以及具有情感功能的多Agent決策模型。文獻[41]提出了一種多層情感認知模型來構建具有理性和感性的擬人Agent，并實現(xiàn)了無人參與的Agent情感決策過程。文獻[42]提出了在刺激響應機制下的Agent的情感計算模型，并給出了情感交互決策算法，構建了情感交互Agent對于過程控制工程問題的解決方案。文獻[43]提出了一種具有情感因子的Agent概念模型EACM，并設計了EACM情感決策過程及相應的算法，最終通過建模仿真平臺實現(xiàn)了映射過程。以上學者對情感影響決策的過程進行了研究，但僅側重于某種情感或僅停留在某一方面（如航線規(guī)劃問題），并沒有系統(tǒng)地探討決策過程是如何一步一步受到情感影響并轉變決策結果的。

綜上所述，現(xiàn)有研究都有可取之處，但都沒有深入研究情感對Agent的決策過程的影響。例如文獻[1-2,8,11-12]都是對Agent決策過程的研究與改進，但基本上只是停留在決策系統(tǒng)和決策框架方面，并沒有考慮情感對Agent決策過程的影響。文獻[17]只考慮了情感的產(chǎn)生與發(fā)展機制，并未深入探討情感對Agent決策過程的影響。文獻[22]只是單純分析個性、心情和情感之間的關系，并未將其運用到基于Agent的勸說領域。文獻[19，23-24]雖然構建了情感Agent，對Agent情感進行適當量化，實現(xiàn)了基于Agent的勸說的情感表達和情感行為的產(chǎn)生，但在情感對Agent決策方面的研究相對較少。文獻[26-32]主要從情感影響Agent的交互過程、勸說技術、勸說策略角度展開研究，使基于Agent的勸說更符合人的行為，但缺乏對決策過程進行更加理性和量化的分析，因而也不夠全面。文獻[38,40]雖然是在Agent情感模型的基礎上提出的決策方法，但只考慮了“害怕”情感，因此顯得過于單一和片面。文獻[43]提出的概念模型則側重于算法方面的系統(tǒng)實現(xiàn)，并未深入分析情感對Agent決策過程的內(nèi)在作用和機理。

針對上述研究中的問題，本文將情感引入Agent的勸說領域，構建了基于Agent的情感勸說的決策模型，將勸說過程劃分為評價情感勸說行為、更新情感勸說狀態(tài)、調(diào)整情感勸說目標和產(chǎn)生情感勸說行為四個階段，并圍繞這四個階段深入研究了情感是如何影響決策過程的，利用PAD心情模型將OCEAN個性模型和OCC情感模型聯(lián)系起來，構建了更加完整和合理的基于Agent的情感勸說的決策過程模型，最后通過算例證明了模型的合理性和有效性。

1 基于Agent的情感勸說的決策過程及劃分

1.1 基于Agent的情感勸說的決策過程

定義1 基于Agent 的情感勸說

定義2 基于Agent 的情感勸說的Agent個性

定義3 基于Agent 的情感勸說的決策過程

1.2 基于Agent的情感勸說的決策過程劃分

為便于對基于Agent的情感勸說的決策過程建模和分析，同時根據(jù)以上定義，可以將基于Agent的情感勸說的決策過程劃分為圖1的四個階段：

圖1 基于Agent的情感勸說的決策過程劃分

Table 1 Decision process for emotional persuasions of an agent

（1）評價情感勸說行為。Agent在感知到對方情感勸說行為后，從不同維度對感知到的勸說行為進行評價，并將其量化為具體評價值。此外，該部分還可劃分為感知勸說行為和評價勸說行為兩個子階段。

（2）更新情感勸說狀態(tài)。Agent通過對上述情感勸說行為評價值的認知，產(chǎn)生情感空間各維度的情感強度值，隨后Agent會按照自己的個性及歷史情感勸說狀態(tài)去更新情感勸說狀態(tài)，觸發(fā)相應情感。

（3）調(diào)整情感勸說目標。Agent利用觸發(fā)的情感對Agent當前情感勸說狀態(tài)進行評價，調(diào)整并重新確定情感勸說目標。

（4）產(chǎn)生情感勸說行為。Agent確定當前要達到情感勸說目標后，Agent根據(jù)自身的規(guī)劃能力確定并產(chǎn)生特定的情感勸說行為。

2 基于Agent的情感勸說的決策過程模型

從以上定義及劃分來看，為了建立更加完整和合理的基于Agent的情感勸說的決策過程模型，應當針對以上四個階段分別建立相應的模型。

2.1 評價情感勸說行為模型

2.2 更新情感勸說狀態(tài)模型

考慮情感淡化的情感觸發(fā)函數(shù)表示為：

2.3 調(diào)整情感勸說目標模型

2.3.1 情感觸發(fā)與評價

為充分考慮情感這一影響因素，本文借鑒文獻[31][32]

來分別表示Agent的開放性、謹慎性、外向型、宜人性和

情感觸發(fā)閾值可以由公式(6)計算得到：

在Agent觸發(fā)相應情感后，對當前勸說狀態(tài)的評價會發(fā)生變化，因此定義情感評價因子：

在實際的勸說過程中，Agent可能會同時觸發(fā)幾種不同情感，這時把情感影響因子定義為不同情感的情感因子加權和形式，如下所示：

其中，權重的計算方法如公式(9)所示：

2.3.2 調(diào)整情感勸說目標

表1　Agent的映射規(guī)則

2.4 產(chǎn)生情感勸說行為模型

Agent對兩種不同目標產(chǎn)生的情感勸說行為也有所不同，本文參照文獻[45]中定義勸說策略的方式，將情感勸說行為分為四類：獎勵型、申辯型、威脅型和反辯型，表示如下：

由于情感狀態(tài)效用評價值能夠反映決策Agent對當前勸說環(huán)境的情感強度，值為正的情感效用評價值越大，表示Agent愉悅程度越高，因此會選擇相對勸說力度更大一些的獎勵型勸說行為，反之亦然。

在此基礎上，進一步細化Agent的情感狀態(tài)效用評價值和勸說行為類型的匹配規(guī)則，如表2所示。

表2 Agent的情感狀態(tài)效用評價值和勸說行為類型的匹配規(guī)則

從表2 來看，Agent在進行決策時，根據(jù)情感狀態(tài)效用評價值和勸說行為類型的匹配規(guī)則，確定要輸出的Agent勸說行為的類別，并將該行為發(fā)送給對方Agent。

3 算例仿真

表3 談判過程中各屬性的取值范圍

Table 3 Ranges of attributes in negotiation process

在Agent評價情感勸說行為的階段，計算得到各屬性的效用評價值為：

若Agent只觸發(fā)滿意這一種情感，此時計算Agent的情感評價因子值：

由此可得，在滿意情感的影響下，Agent的當前滿意狀態(tài)評價效用值為：

4 結論

情感勸說能夠反映人類在產(chǎn)生該行為時所具有的情感、目標、愿景，能夠展現(xiàn)人在各種環(huán)境下的潛在意識以及行為，其所涉及的理論更加豐富，如哲學、認知學、邏輯學、心理學等，將其引入電子商務勸說過程中，能更好地發(fā)揮Agent在人工智能方面的優(yōu)勢，使得Agent可以使用其中更具有說服力的策略，并且可以使Agent更大程度地在模擬人類真實商務勸說的基礎上完美地實現(xiàn)自動勸說的功能和目的。相較于傳統(tǒng)商務勸說，基于Agent的情感勸說機制允許Agent在勸說過程中交換和交流除提議之外的信息，可以根據(jù)具體的勸說環(huán)境有針對性的通過情感勸說形式進行更多信息的交流，能夠對勸說對方Agent的情感狀態(tài)、信念和目標等施加動態(tài)的影響，改變對方?jīng)Q策行為，加快勸說進程，提高勸說效率。

本文將情感引入Agent勸說領域，首先結合形式邏輯理論，定義了基于Agent的情感勸說及其決策過程，并將基于Agent的情感勸說的決策過程劃分為評價情感勸說行為、更新情感勸說狀態(tài)、調(diào)整情感勸說目標、產(chǎn)生情感勸說行為四個階段；其次針對這四個階段，結合OCC情感模型和PAD心情模型，運用多屬性效用理論，引入情感淡化因子和情感評價因子，定義了Agent情感觸發(fā)函數(shù)，建立了八種Agent基本情感與勸說目標的映射關系，將Agent的情感勸說行為分為獎勵型、申辯型、威脅型和反辯型四類，分別構建了相應的決策模型，從而構成了更加完整和合理的基于Agent的情感勸說的決策過程模型；最后通過算例證明了模型的合理性和有效性。經(jīng)過歸納和梳理，與已有研究相比，本文做出的改進和創(chuàng)新主要有：

（1）本文的研究是將Agent的情感特性融入了基于Agent的勸說中的進一步深入研究，因此是將已有的基于Agent的勸說研究進一步改進后，應用到了智能商務談判領域。文獻[45]提出了基于Agent的辯論談判過程的模型和策略，但是對于決策過程并沒有深入研究，同時也沒有考慮情感因素對談判的影響，因此模型較為簡單，文獻[11]詳細研究了辯論如何影響信息決策并進行了驗證，但是情感作為Agent人工智能的另一項重要特性，卻沒有被考慮進來，這在很大程度上制約了Agent人工智能特性的全面和充分發(fā)揮。因此，本文的研究是在結合上述學者等的研究基礎之上，將更有代表性的Agent的人工智能中的情感特性應用到了人們?nèi)粘Ｉ虅栈顒拥闹悄苷勁?，既是對人工智能領域的實際應用，也探索了更加合理有效的解決實際商務談判問題的方案。

（2）目前大部分研究都只是將決策視為一個簡單步驟，因此建立的模型也較為簡單。文獻[38]僅研究了機器人在帶有人工情感時的學習策略和其他學習策略情況下的對比，表明了帶有情感的機器人能夠適應外界環(huán)境的變化，更好做出決策，文獻[40]雖然提出了具有情感參數(shù)的Agent模型以及決策會受到情感的影響，但是這些僅僅停留在理論層面，缺少對模型進行驗證，因此可行性都難以確定。文獻[41]雖然將心情、情感、性格進行了很好的研究和融合，并建立了相應的情感計算和認知評價方法，但是對決策過程研究的甚少，而且趨向于決策結果的目標優(yōu)化問題，所以并沒有深入研究決策過程是如何進行的。但是事實上，當Agent處于情感勸說的環(huán)境下，其決策是依據(jù)Agent的心理和實際場景動態(tài)變化的，因此是復雜多變的。本文的研究則充分考慮了這些問題，通過將該決策過程劃分為評價情感勸說行為、更新情感勸說狀態(tài)、調(diào)整情感勸說目標和產(chǎn)生情感勸說四個階段，并分別建模，從而將復雜問題分解，既能更真實有效的反應Agent在情感勸說中的動態(tài)心理變化，也能使建立的模型更加科學和有針對性。

（3）已有Agent情感研究大多停留在各自適用的領域，例如文獻[23]僅考慮了情感Agent在司機駕駛方面的問題，文獻[24]中的情感Agent僅適用于教學行為，文獻[39]僅研究了具有情感的無人機在航路規(guī)劃方面的問題，因此這些模型的應用領域都比較單一，本文的研究是考慮到基于Agent的情感勸說決策在商務談判過程中要能夠普遍適用而建立起來的模型，使基于Agent的情感勸說決策過程更具有說服力。例如本文在評價情感勸說行為階段，采用多屬性效用理論對評價值進行計算，避免了單一屬性的局限性；在更新情感勸說狀態(tài)階段，考慮該階段情感淡化的特征，引入情感淡化因子，構建了相應的情感觸發(fā)函數(shù)，設計了情感閾值的計算方法，從而判斷Agent是否觸發(fā)該情感，相比文獻[43]直接賦予Agent情感更具有合理性；在調(diào)整情感勸說目標階段，根據(jù)OCC情感模型和PAD心情模型，提出了情感評價因子和相應權重的概念和計算方法，，并將PAD模型的八種基本情感與當前可能的目標建立映射關系，Agent通過衡量當下的情感狀態(tài)來選擇當前目標及勸說行為；在產(chǎn)生情感勸說階段，將情感勸說行為進行分類，并通過構建Agent的情感狀態(tài)效用評價值和勸說行為類型的匹配規(guī)則，確定要輸出的Agent勸說行為的類別，使勸說更加符合人的思維。

[1] 石軻. 基于馬爾可夫決策過程理論的Agent決策問題研究[D]. 合肥：中國科學技術大學, 2010.

Shi K. Decision-making problems based on the theories for Markov Decision Process[D]. Hefei: The University of Science and Technology of China, 2010.

[2] 王浩. 基于影響圖的多Agent決策問題研究[J]. 合肥工業(yè)大學學報(自然科學版), 2005, 28(09):1112-1116.

Wang H. Study of the decision problem of multi-agent systems based on IDs[J]. Journal of Hefei University of Technology (Natural Science), 2005, 28(09): 1112-1116.

[3] 魯桂芳. 基于交互式動態(tài)影響圖的決策模型及算法分析[J]. 科技經(jīng)濟導刊, 2016(03):3-4+28.

Lu G F. Decision-making Model and Algorithmic Analysis based on interactive dynamic influence diagrams[J]. Technologyand Economic Guide, 2016(03):3-4+28.

[4] 邵俊倩, 李成鳳. Multi-agent技術在海上船舶避碰決策系統(tǒng)開發(fā)中的應用[J]. 艦船科學技術, 2018,40(02):64-66.

Shao J Q, Li C F. Application of Multi-agent technology in the development of ship collision avoidance decision system at sea[J]. Ship Science and Technology, 2018, 40(02):64-66.

[5] 張潤. 基于多Agent的飛機調(diào)度協(xié)同決策技術研究[D]. 南京：南京航空航天大學, 2017.

Zhang R. Research on Multi-Agent-Based Synergic Decision Technologies for Aircraft assignment[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2017.

[6] 杜文哲, 郭進平. 基于Agent模型的礦工風險決策仿真研究[J]. 煤炭技術, 2017, 36(10):319-321.

Du W Z, Guo J P. Study on Risk Decision Simulation of Miner Based on Agent Model[J]. Coal Technology, 2017, 36(10):319-321.

[7] 田宇, 趙昶宇. 多Agent智能故障診斷在艦載火控系統(tǒng)上的應用[J]. 科技與創(chuàng)新, 2017(13):146-147+150.

Tian Y, Zhao C Y. Application of Multi-agent intelligent fault diagnosis in a Shipboard Fire Control System[J]. Science and Tecnology &Innovation, 2017(13):146-147+150.

[8] 李林. 基于Agent的決策支持系統(tǒng)框架及應用協(xié)議研究[D]. 蘇州：蘇州大學, 2005.

Li L. Study on agent-based decision support system framework and application protocol[D].Suzhou: Soochow University, 2005

[9] 李靜. 基于前景理論的多Agent辯論協(xié)商策略研究[D]. 北京：北京工業(yè)大學, 2015.

Li J. Study on debate and consultation strategy for multi-agents based on prospect theory[D]. Beijing: Beijing University of Technology, 2015.

[10] 危小超, 李巖峰, 聶規(guī)劃等. 基于后悔理論與多Agent模擬的新產(chǎn)品擴散消費者決策互動行為研究[J]. 中國管理科學, 2017, 25(11):66-75.

Wei X C, Li Y F, Nie G H, et al. Research on Consumer Decision-making Interaction Behavior in New Product Diffusion Based on Regret Theory and Multi-Agent Simulation [J]. Chinese Journal of Management Science, 2017, 25(11):66-75.

[11] 張鴿, 蔣國瑞, 黃梯云. 基于辯論的多agent商務談判辯論產(chǎn)生和決策過程研究[J]. 運籌與管理, 2011, 20(2):7-14.

Zhang G, Jiang G R, Huang T Y. Argument generation and decision process in multi-agent argument-based negotiation oriented to E-commerce[J]. Operations Research and Management Science, 2011, 20(2): 7-14.

[12] 張鴿, 蔣國瑞, 黃梯云. 基于辯論的多agent商務談判辯論產(chǎn)生機制研究[J]. 計算機應用研究, 2011, 28(2):594-597.

Zhang G, Jiang G R, Huang T Y. Generation mechanism in multi- agent trade argumentation-based negotiation[J]. APPLICATION RESEARCH OF COMPUTERS, 2011, 28(2): 594-597.

[13] 盧阿麗, 楊慶, 顏惠玲等. 基于情感識別的自適應多Agent虛擬ICAI系統(tǒng)的研究[J]. 實驗技術與管理, 2016, 33(05):125-128.

Lu A L, Yang Q, Yan H L, et al. Study on adative multi-agent virtual ICAI system based on emotion recognition[J]. Experimental Technology and Management, 2016, 33(05): 125-128.

[14] Phan M D, Phan M T, Nguyen D H. Argument-based decision making and negotiation in E-Business: contracting a land lease for a computer assembly plant[C]. CLIMA IX, LNAI 5405, 2009: 154–172.

[15] Jain P, Dahiya D. An intelligent multi agent framework for E-commerce using case based reasoning and argumentation for negotiation [M]. Information Systems, Technology and Management. Springer-Verlag Berlin Heidelberg. 2012: 164-175.

[16] Aydo?an R, Yolum P. Learning opponent’s preferences for effective negotiation: an approach based on concept learning [J].Autonomous Agents and Multi-Agent Systems, 2012, 24(1): 104-140.

[17] 金鉞. 虛擬學習環(huán)境下基于情感計算流程的Agent模型研究[D]. 北京:北京郵電大學, 2008.

Jin Y. Research on agent model based on emotion computing process in virtual learning environment[D]. Beijing: Beijing University of Posts and Telecommunications, 2008.

[18] 林君煥, 劉箴, 陳月芬. 多智能體環(huán)境下的情緒決策模型[J]. 模式識別與人工智能, 2015, 28(04):369-376.

Lin J H, Liu Z, Chen Y F. An Emotion Decision-Making Model in Multi-agent Environment, PI and AI, 2015, 28(04):369-376.

[19] 楊斌, 周芳芳, 賈培發(fā). 多任務環(huán)境中基于情感的擬人Agent面部運動的實現(xiàn)[J]. 清華大學學報(自然科學版), 2009, 49(08): 1224- 1228.

Yang B, Zhou F F, Jia P F. Implementation of emotional facial actions for human-like agents in a multi-tasking environment[J]. Journal of Tsinghua University ( Sci & Tech ), 2009, 49(08): 1224- 1228.

[20] 閔繪宇. 復雜社交網(wǎng)絡中基于Agent模型的個體觀點預測[D]. 南京：東南大學, 2017.

Min H Y. Prediction of individual perspective based on Agent Model in complex social networks[D]. Nanjing: The Southeast University, 2017.

[21] 吳鵬, 金貝貝, 強韶華. 基于BDI-Agent模型的突發(fā)事件網(wǎng)絡輿情應急響應建模研究[J]. 現(xiàn)代圖書情報技術, 2016(Z1):32-41.

Wu P, Jin B B, Qiang S H. Research on the network public opinion emergency response modeling based on BDI-agent model[J]. New Technology of Library and Information Service, 2016(Z1):32-41.

[22] 李海芳, 何海鵬, 陳俊杰. 性格、心情和情感的多層情感建模方法[J]. 計算機輔助設計與圖形學學報, 2011, 23(4):725-730.

Li H F, He H P, Chen J J. A Multi-layer Affective Model Based on Personality , Mood and Emotion[J]. Journal of Computer-Aided Design & Computer Graphics, 2011, 23(4):725-730.

[23] 余臘生, 何滿慶. 基于Agent和情感計算的司機駕駛行為模型研究[J]. 企業(yè)技術開發(fā), 2009, 28(03):19-21.

Yu L S, He M Q. Study of driving behavior model based on Agent and ambient intelligence[J]. Technological Development of Enterprise, 2009, 28(03):19-21.

[24] 李太華. 情感教學Agent:建模與反饋策略研究[D]. 重慶:西南大學博士論文, 2008.

Li T H. Emotion teaching agent: Modeling and feedback strategy research[D]. Chongqing: The Thesis of the Degree of PhD from Southwest University, 2008.

[25] 周穎. Agent模式下的網(wǎng)絡智能教學平臺的設計與開發(fā)[J]. 電子技術與軟件工程, 2018(19):53.

Zhou Y. Design and development of network intelligent teaching platform under agent mode[J]. Electronic Technology and Software Engineering, 2018(19):53.

[26] Mian S Q, Oinas-Kukkonen H. An analysis of previous information systems research on emotions [J]. CEUR Workshop Proceedings, 2016:36-55.

[27] Benlamine M S, Villata S, Ghali R, et al. Persuasive Argumentation and Emotions: An Empirical Evaluation with Users[M].Human- Computer Interaction. User Interface Design, Development and Multimodality, 2017: 659-671.

[28] Dalibon S E F, Martinez D C, Simari G R. Emotion-directed Argument Awareness for Autonomous Agent Reasoning[J]. Inteligencia Artificial Revista Iberoamericana De Inteligencia Artificial, 2012, 15(50):30-45.

[29] Jiang H, Vidal J M, Huhns M N. Incorporating emotions into automated negotiation [C]. Proceedings of Agent Construction and Emotions (ACE 2006): Modeling the Cognitive Antecedents and Consequences of Emotion Vienna: [sn], 2006, 256.

[30] Paradeda R B, Ferreira M J, Dias J, et al. How Robots Persuasion based on Personality Traits May Affect Human Decisions[C]. The Companion of the 2017 ACM/IEEE International Conference. ACM, 2017:251-252.

[31] Mehrabian A. Analysis of the Big-five Personality Factors in Terms of the PAD Temperament Model[J]. Australian Journal of Psychology, 1996, 48(2): 86-92.

[32] Gebhard P. ALMA: a layered model of affect[C]. Proceedings of the Fourth International Joint Conference on Autonomous Agents and Multi-agent Systems. ACM, 2005: 29-36.

[33] Bex F J, Bench-Capon T. Persuasive Stories for Multi-Agent Argumentation[R]. Proceedings of the 2010 AAAI Fall Symposium on Computational Narratives, 2010:4-5.

[34] Weide T L, Dignum F, Meyer J-J Ch, et al. Multi-Criteria Argument Selection In Persuasion Dialogues[C]. Proceedings of the 10th International Conference on Autonomous Agents and Multi-Agent Systems, 2011:921-928.

[35] 張京敏, 董紅斌. 基于中介Agent的強化學習優(yōu)化協(xié)商模型[J]. 計算機科學, 2017, 44(01):53-59.

Zhang J M, Dong H B. Optimized Negotiation Model based on Reinforcement Learning of Medium-agent[J]. Computer Science, 2017, 44(01):53-59.

[36] 王溪. 基于Multi-Agent的個性化產(chǎn)品供應鏈多邊協(xié)商機制研究[D]. 鄭州：鄭州大學, 2017.

Wang X. Research on multi-agent based multilateral negotiation mechanism of personalized product supply chain[D]. Zhengzhou: Zhengzhou University, 2017.

[37] 龐婷, 馬俊峰, 何喜軍. 基于Adaboost-SVM的多Agent供應鏈產(chǎn)銷協(xié)同自適應協(xié)商策略[J]. 黑龍江大學自然科學學報, 2017, 34(02):241-246.

Pang T, Ma J F, He X J. Self-adaption negotiation strategy of multi-agent production and marketing coordination in supply chain based on daboost-SVM[J]. Journal of natural Science of Heilongjiang University, 2017, 34(02):241-246.

[38] 祝宇虹, 毛俊鑫. 基于人工情感與Q學習的機器人行為決策[J]. 機械與電子, 2011(07):61-65.

Zhu Y H, Mao J X. Robot’s Behavioral Decision-making Strategy Based on Artificial Emotion and Q-learning. Machinery & Electronics, 2011(07):61-65.

[39] 任天助, 周銳, 李浩. 一種基于情感智能的無人機自主決策方法 [J]. 電光與控制, 2017, 24(03):11-19.

Ren T Z, Zhou R, Li H. An Emotional Intelligence Based Autonomous Decision-making Method for UAVs[J]. Electronics Optics & Control, 2017, 24(03):11-19.

[40] 江道平, 班曉娟, 尹怡欣, 等. 情感理論及基于情感的決策理論與模型研究[J]. 計算機科學, 2007, 34(04):154-170.

Jiang D P, Ban X J, Yin Y X, et al. Research on Emotion Theory and the Decision Models Based on Emotion[J]. Computer Sciecne, 2007, 34(04):154-170.

[41] 代凱峰. 基于情感認知模型的交互式?jīng)Q策方法[D]. 北京:北京化工大學碩士論文, 2014.

Dai K F. Affective Cognitive Model based Interactive Decision- making Approaches[D]. Bejing: The Thesis for the Degree of Master from Beijing University of Chemical Engineering, 2014.

[42] 宿翀. 情感交互式?jīng)Q策方法及其在過程控制中的應用[D]. 北京:北京化工大學博士論文, 2012.

Su C. Affective interaction Based Decision-making Approaches with applications in process Control[D]. Bejing: The Thesis for the Degree of PhD from Beijing University of Chemical Engineering, 2012.

[43] 郭曉宇. 一種具有情感因子的Agent模型及其仿真實現(xiàn)[D]. 長春:吉林大學, 2014.

Guo X Y. An agent model with emotion factor and its simulation[D]. Changchun: Jilin University, 2014.

[44] 董學杰. 基于情感模型的辯論談判系統(tǒng)研究[D]. 北京:北京工業(yè)大學博士論文, 2013.

Dong X J. Research on the debate negotiation system based on emotion model[D]. Beijing: The Thesis for the Degree of PhD from Beijing University of Chemical Engineering, 2013.

[45] 伍京華. 基于Agent的勸說型辯論談判系統(tǒng)研究[D]. 北京:北京工業(yè)大學博士學位論文, 2008.

Wu J H. Research on the debate negotiation system based on emotion model[D]. Beijing: The Thesis for the Degree of PhD from Beijing University of Technology, 2008.

Agent-based on emotional persuasion decision process and model

WU Jinghua, HAN Jiali, WANG Jiaying

( School of management, China University of Mining and Technology (Beijing), Beijing 100083, China)

With the rise of the Internet environment, automatic negotiation has become a research hotspot in the field of artificial intelligence. Especially in the complex negotiation environment, Agent has made the negotiation process more efficient because of its unique intelligence and interaction, and persuasive negotiation takes full consideration of persuasion factors and makes full use of persuasion, making the negotiation process more rational. Because emotion affects human cognition, goal and behavior, it plays an important role in human decision-making process. Therefore, emotion is an integral part of the field of artificial intelligence. Emotion is introduced into the field of Agent persuasion. By constructing emotional Agent, the intelligence and adaptability of Agent are improved and agent persuasion behavior is made. It is more consistent with human behavior, which has become the consensus of scholars.

In the related research, the scholars and experts in this field have studied the persuasion based on Agent and the construction of emotional Agent from different angles, but there are the following problems: 1. the research on emotion is not comprehensive, especially the study of emotion calculation; 2. the research on the application of emotional theory to the Agent persuasion field is less; 3. to Agent More research is on the protocol mechanism, less research on the process of persuasion, especially the influence of emotion on the Agent persuasion process.

In order to solve these problems effectively, this paper takes emotion as an important factor in the process of Agent persuasion, and focuses on Agent's emotional persuasion decision-making process. First, the formal model based on the Agent emotional persuasion decision process is defined. Then the emotional persuasion decision-making process is defined and divided. The emotional persuasion decision process based on Agent is divided into four stages: the evaluation of emotional persuasion, the renewal of emotional persuasion, the adjustment of the emotional persuasion target, and the emotional persuasion. Secondly, through the influence of Agent's personality on emotional trigger threshold, the emotion desalination factor is introduced, Agent emotional trigger function is defined, and the renewal emotion is built in the persuasion state model. Again, the mapping relationship between eight basic emotions and targets is established by defining emotional evaluation factors, and the emotional persuasion target model is constructed. In the end, the emotional persuasion behavior is divided into four categories: incentive emotional persuasion, pleading emotional persuasion, threatening emotional persuasion and antiplea emotional persuasion, and setting up the principle of emotional persuasion and target matching, and constructing emotional persuasion behavior model. Finally, a complete emotional persuasion decision-making process is formed, and the rationality and validity of the model is proved by an example.

To illustrate the above decision process and the effectiveness of the model, an example is designed and analyzed. The example shows that emotional persuasion plays an important role in the decision-making process of Agent and the generation of emotional persuasion. If Agent evaluates the current persuasion to produce happy, dependent, relaxed, gentle, and so on, the emotion that has positive pleasure will encourage Agent to generate incentive or plea emotional persuasion. On the contrary, the feelings of negative pleasure, such as hostility, disdain, boredom, and anxiety, may cause Agent to defer or plead. Type of emotional persuasion. Based on this, the validity of the model is verified, and the important influence of emotion on persuasion decision process is also illustrated.

Agent; Emotional persuasion; Decision making process; Decision making model

2018-10-29

2018-11-26

Funded Project: Supported by the Fundamental Research Funds for the Central Universities (2009QG03)

C931.9；TP315；TP181

A

1004-6062(2020)02-0231-008

10.13587/j.cnki.jieem.2020.02.025

2018-10-29

2018-11-26

中央高?；究蒲袠I(yè)務費專項資金資助項目（2009QG03）

伍京華（1978—），男，江西高安人；博士，中國礦業(yè)大學（北京）管理學院副教授，碩士生導師；研究方向：管理信息系統(tǒng)、商務智能、多Agent系統(tǒng)、供應鏈金融、農(nóng)村金融、市場營銷等。

中文編輯：杜 健；英文編輯：Boping Yan