B2B电子商务中复杂合同谈判模型研究

摘要

随着中国电子商务迅猛发展，以及近期中国“互联网+”、“一带一路”政策的提出，跨地区、跨国的企业间涌现出更复杂的产品与服务需求，生产能力的互补性也进一步提高，电子市场呈现爆发式增长。特别是B2B电子商务迎来了新一轮的发展机遇。但相对于企业交易的迫切需求而言，有关B2B电子商务交易模式的理论研究仍显不足，新技术的推广与应用在电子商务领域仍有很大提升空间，例如智能计算技术在智能谈判中的应用研究还相对薄弱，与智能谈判的实际需求还有很大差距，这影响了智能谈判技术在电子商务中的实际应用。制约了企业在电子商务交易中的快速发展。
　　研究系统的分析了B2B电子商务中的多属性谈判内容，发现在传统的多属性谈判研究中，谈判商品属性间符合线性独立关系假设，并不符合商品多属性谈判的实际情况。在实际电子商务交易中，商品的多个属性间存在非线性依赖关系。在多属性谈判过程中，如果仍沿用原有的线性独立关系假设，会导致谈判企业错过获得更好收益的机会，甚至会产生一些副作用。因此，放松多属性线性独立假设到非线性依赖假设具有现实意义。研究把这种多属性间具有非线性依赖关系的谈判合同定义为“复杂合同”，并把这种基于“复杂合同”的多属性谈判定义为“复杂合同谈判”。
　　首先，通过对B2B复杂合同谈判概念的界定、B2B复杂合同谈判体系框架、B2B复杂合同谈判决策理论方法、B2B复杂合同谈判机制研究与智能计算技术的分析等理论进行研究，奠定B2B复杂合同谈判模型构建的理论基础。并且研究了多Agent系统(MAS)的应用，将其引入到复杂合同谈判中，将双边多属性谈判模型平滑过渡到一对多、多对多的复杂合同谈判模型。通过中介平台管理Agent的匹配与协调，可以将这种匹配谈判代理的模型拓展到动态环境下的多边谈判。运用混合智能算法，多Agent系统(MAS)构建了复杂合同谈判的多边谈判架构。在智能谈判领域创造性将模糊神经网络、遗传算法与多代理系统等多种智能算法进行有机融合，创建B2B电子商务中的复杂合同谈判模型与求解算法;最后，提供了价格，质量与数量三个谈判中的主要属性进行复杂合同谈判仿真算例，验证了B2B电子商务中复杂合同谈判模型与求解算法的正确性与有效性。
　　其次，在B2B电子商务市场中存在采购方的需求聚合要求。通常情况下，原有方法一般采用购买方基于近似属性需求按数量进行订单聚合，供应方根据采购数量的增长，采用梯度折扣的方式进行销售。而在B2B复杂合同谈判中，考虑到采购方最佳订货数量一般不能达到销售方较优的销售数量折扣要求，通过谈判合同中商品数量与价格的依赖关系，可以确定订单合并采购数量下的折扣价格曲线，提出基于订单合并的多边谈判模型。该模型考虑了通过多个采购方订货数量的订单合并，从而获得较优折扣价格的谈判优势，并使整体谈判收益增加。通过价格，质量与数量的三属性订单合并采购仿真算例证明方法的正确性与可行性。
　　最后，在B2B电子商务中复杂合同谈判模型研究的基础上，在实验室条件下，构建B2B复杂合同谈判模型的应用仿真环境，分析与设计了B2B电子商务的复杂合同谈判实验方案，探索在现有的计算机与网络软硬件条件下，本研究的模型与求解算法是否满足应用性要求。以便为模型与求解算法的进一步改进提供实验数据与改进方向，为研究成果的推广与实际应用提供借鉴。

目录

声明

摘要

第1章 绪论

1．1 研究背景与问题提出

1．1．1 研究背景

1．1．2 问题提出

1．2 研究目的与意义

1．2．1 研究目的

1．2．2 研究意义

1．3 国内外研究现状

1．3．1 B2B电子商务在线交易方式

1．3．2 人工智能角度的多属性谈判

1．3．3 复杂合同谈判模型研究

1．3．4 研究评述

1．4 主要研究内容与方法

1．4．1 研究内容

1．4．2 研究方法

1．4．3 技术路线

第2章 B2B复杂合同谈判成因分析与体系框架

2．1 B2B电子商务

2．1．1 B2B电子商务概念与特点

2．1．2 B2B电子市场演变与当前主要模式

2．1．3 B2B电子商务的一般业务流程

2．2 B2B电子谈判与复杂合同谈判

2．2．1 B2B电子谈判

2．2．2 B2B多属性电子谈判

2．2．3 B2B复杂合同谈判

2．3 B2B复杂合同谈判复杂性成因及特征

2．3．1 B2B复杂合同谈判中多属性依赖关系分析

2．3．2 B2B复杂合同谈判主要特征

2．4 B2B复杂合同谈判体系框架

2．4．1 B2B复杂合同谈判模型设计关键要素

2．4．2 B2B复杂合同谈判模型设计原则

2．4．3 B2B复杂合同谈判模型总体框架

2．5 本章小结

第3章 B2B复杂合同谈判决策与谈判机制研究

3．1 B2B复杂合同谈判问题的效用评价

3．1．1 多属性效用理论

3．1．2 B2B复杂合同谈判的效用函数

3．1．3 机器学习与谈判方案效用评价

3．2 B2B复杂合同谈判的决策方法

3．2．1 求解Nash均衡的决策方法

3．2．2 基于帕累托(Pareto)最优的决策方法

3．2．3 决策方法比较分析

3．3 B2B复杂合同谈判机制研究

3．3．1 多Agent系统的引入

3．3．2 基于中介的双边谈判机制

3．3．3 基于中介的多Agents多边谈判机制

3．4 谈判模型智能求解方法分析

3．4．1 主要智能计算方法

3．4．2 混合智能计算方法分析

3．5 本章小节

第4章 B2B复杂合同谈判模型

4．1 基于Nash均衡解的决策描述

4．1．1 模型谈判决策方法

4．1．2 基于MAS的多边谈判框架

4．2 谈判知识获取方法

4．2．1 谈判知识获取问题分析

4．2．2 GD-FNN的优势

4．3 MAS/GA谈判模型构建

4．3．1 关键环节

4．3．2 算法步骤与过程

4．4 仿真分析

4．4．1 模拟方程的构建

4．4．2 谈判属性取值范围与运算相关参数设定

4．4．3 仿真计算

4．4．4 结果分析

4．5 本章小结

第5章 基于订单合并的B2B复杂合同谈判模型

5．1 采购数量订单合并分析

5．1．1 采购数量订单合并的买方需求

5．1．2 订单合并的卖方需求

5．1．3 订单合并的规则分析

5．2 基于Nash均衡解的组合订单效用决策描述

5．2．1 谈判决策方法

5．2．2 基于MAS的订单合并谈判机制

5．3 基于订单合并的MAS/HGA谈判模型构建

5．3．1 关键环节

5．3．2 求解订单合并的HGA遗传算法

5．4 仿真分析

5．4．1 仿真计算

5．4．2 结果分析

5．5 本章小结

第6章 B2B复杂合同谈判模型的应用仿真

6．1 B2B复杂合同谈判模型应用仿真实验方案设计思路

6．2 B2B复杂合同谈判应用仿真实验方案分析

6．2．1 B2B复杂合同谈判应用仿真的谈判流程分析

6．2．2 B2B复杂合同谈判系统功能结构分析

6．3 B2B复杂合同谈判模型应用仿真方案设计

6．3．1 仿真系统功能结构设计

6．3．2 仿真系统谈判流程设计

6．3．3 仿真系统数据结构设计

6．4 B2B复杂谈判合同应用仿真实验算例

6．4．1 应用仿真环境构建

6．4．2 应用仿真算例描述

6．4．3 应用仿真结果输出与分析

6．5 B2B复杂合同谈判应用仿真中计算的复杂度分析

6．5．1 计算过程中的空间复杂度分析

6．5．2 计算过程中的时间复杂度分析

6．5．3 计算过程中的整体复杂度分析

6．6 B2B复杂合同谈判的应用策略

6．6．1 B2B复杂合同谈判应用目标与基本原则

6．6．2 B2B复杂合同谈判中企业应用策略与措施

6．6．3 B2B复杂合同谈判应用中可能存在的不足

6．7 本章小结

结论

参考文献

攻读博士学位期间发表的论文

攻读博士学位期间参与的科研项目

致谢

个人简历