随着经济全球化的快速发展,传统的商务谈判将逐步被采用多Agent理论和技术的自动谈判所代替,而基于辩论的自动谈判又以其高效、自主、互动性强等优点开始受到关注。从理论上来说,通过增加“辩论”的成分,可以有效帮助Agent实现人类所具有的各项意识和行为能力,促进谈判向着高效、实效和双赢的方向发展。然而到目前为止,基于辩论的谈判的研究还处于起步阶段,尤其对如何根据不断变化的环境和对手信息进行辩论的评价和选择的策略问题还没有引起广泛关注,特别是没有解决谈判Agent在什么时候提出什么内容、什么程度的辩论。因此,对辩论的选择策略进行研究是谈判过程中的主要任务。　　 由于信息资源的不对称性、系统的复杂性和人类思维认知的局限性等多方面的限制,谈判中获得的相关知识具有不确定性,为了使基于辩论的谈判更具针对性、省时高效,综合考虑知识的复杂性和不对称性来进行知识获取、对手选择,成为谈判策略选择的重要环节。因此,本文研究基于辩论的多Agent商务谈判选择策略有一定现实意义。　　 鉴于以上这些问题,本文主要从谈判对手的选择策略和辩论的选择策略两大角度来研究基于辩论多Agent谈判的选择策略。主要的贡献如下:　　 在对手选择策略方面,本文利用灰色区间信息建立知识库,提出关系-利益双因素对手选择的策略和模型,利用灰色聚类方法,完善不确知信息条件下谈判对手选择策略,提高谈判对环境信息的适应性,更符合实际情况。　　 在谈判的过程中,根据知识库中获取的信息,对对手Agent动态提议信息进行分析和处理,通过构建效用满意度、案例相似度、奖励函数等模型,提出一种综合运用案例推理和 Q学习算法进行辩论选择的策略。此策略能够实时调整谈判中自身Agent发出何种辩论、辩论力度如何等策略,具有动态适应性,且可以相对缩短谈判过程,提高谈判效率,降低交易成本,同时也提高了自动谈判的智能化程度,使Agent更大程度地实现自动谈判的功能和目的。并且在此基础上开发系统原型进行验证,促使其向实用方向发展,具有一定的理论和实践意义。