智能agent协商是人工智能领域重点研究问题之一，这一问题要求agent具有良好的学习能力和推理能力。回答集程序设计(Answer Set Programming, ASP)是具有非单调推理及缺省推理能力的逻辑程序设计语言，在知识表示及推理方面具有独特优势。目前使用 ASP来形式化描述协商，只考虑了协商双方需求与承诺是否匹配，忽略了agent对协商文字的偏好。因此存在如下问题：即使需求与承诺匹配成功，但若agent付出承诺的代价大于收益，此时agent会拒绝此次协商；基于顺序模型的协商，不能有效减少agent的不诚信行为。针对以上问题，本文将中间人引入协商进程，并给协商文字加入优先级，有效的加快了协商进程，在一定程度上减少了agent的不诚信行为，使agent可以更好的选择协商方案。　　论文主要内容以及成果包括：　　(1)构建了一个基于ASP的中间人协商模型。目前，使用逻辑程序来形式化描述agent协商的模型均基于顺序模式，都存在资源浪费问题。而对协商中的不诚信行为的研究，只关注其逻辑表示，并没有给出减少此行为的方法。针对上述两个问题，本文构建了一个基于ASP的中间人协商模型。在模型中，通过构建ASP规则，使中间人可以监督并引导协商进程。为agent设计一个协商建议生成算法，使其可以通过中间人与对手进行协商。通过一个实例化的协商实例证明了该模型的可行性。　　(2)协商模型的优化。针对模型中没有考虑协商文字优先级的问题，对已构建的基于 ASP的中间人协商模型进行了优化。优化过程为：首先修改了协商过程，使得协商agent可以一次发送多个协商需求给中间人，并通过中间人给出所有可能成功的协商方案；然后，为agent的协商文字以及需求设置优先级，并在协商中以自身利益最大化为目标来给出协商方案的选择；最后，给出最终得到的协商方案满足纳什均衡的证明。　　(3)实例验证。利用Java语言实现了基于ASP的中间人协商模型及其优化，实验结果与理论设想一致，说明了模型的正确性。该模型能在一定程度上解决协商中资源浪费及不诚信等问题。实验表明，优化后的模型可以在不增加协商轮数的情况下，实现当协商成功时，agent需要付出的代价不大于其心里预期。