随着经济全球化的快速发展和信息技术的不断创新，传统的面对面商务谈判成本高、效率低，已经不能适应当前快节奏、高效率的谈判需求，逐步被电子商务谈判所代替。由于谈判环境的复杂化和人们对谈判需求的多样化，当前电子商务谈判不再是仅仅局限于针对价格这一单一属性的谈判，而是针对价格、保修期、交货期等多个属性内容进行谈判。谈判Agent掌握着有限的信息资源，每个Agent的偏好信息为私有信息，不被谈判对手所了解。在合作与竞争并存的动态谈判环境中，综合考虑商品的多属性、偏好信息的私有性和谈判环境的复杂性三个方面的因素，如何赋予谈判Agent学习能力来适应动态谈判环境的变化，并做出合理的让步来避免谈判僵局，提高谈判效率，是当前谈判研究的重点。针对上述问题，本文建立了偏好和时间约束下的多属性谈判的认知模型。认知模型表达谈判Agent对自身以及谈判对手的认知思维状态，体现谈判Agent的决策机制，为谈判Agent提供数据、信息和方法等方面的依据和决策支持，指导谈判Agent在交互过程中采取最佳的行为方式。本文建立了基于人工免疫算法的多属性谈判模型。针对谈判过程中常常出现的谈判Agent间因追求自身最大利益导致谈判僵局现象，运用人工免疫算法和多属性效用理论，将谈判目标视为抗原，将候选提议视为抗体，通过抗原与抗体的免疫过程，获得有效议价区间内使谈判双方整体利益最大化的谈判解。并通过仿真实验来验证该模型的合理性和高效性。本文建立了基于偏好和时间约束的多属性谈判模型。若以上的谈判解未能满足谈判Agent的各自的利益需求，谈判Agent间需进行谈判交互，来促使谈判达成一致。本模型将人工免疫算法和贝叶斯学习算法相结合，使得谈判Agent能够动态地学习对手Agent的偏好信息，并设计基于偏好和时间约束的让步策略，使得谈判Agent根据动态的交互环境采取合适的让步，确保每次让步都在预测的有效议价区间内，大大降低交互过程中的消极对话，提高谈判的效率和适应性。最后，在以上研究的基础上对偏好和时间约束下的多属性谈判模型进行系统实现，验证该模型的合理性和实用性。