随着信息技术的发展，电子商务也如火如荼的发展起来。电子商务双向信息沟通、灵活的交易手段和快速的交货方式的特点，将给社会带来巨大的经济效益。电子商务的目标是实现网上交易，在电子商务环境中，谈判主要是指在商业领域为了实现商品或服务的交易而进行的谈判。电子商务谈判，也叫电子谈判，主要研究自动谈判或是辅助参与电子商务活动的个人或企业通过网络进行谈判，是电子商务研究的热点问题之一，是电子商务活动至关重要的阶段，对电子商务的发展具有重大的实际意义。　　电子商务谈判是一个复杂的问题。单属性价格电子谈判目前研究比较成熟，应用的比较广泛，而多属性电子谈判问题研究的比较少，实际应用的非常少。与单属性谈判相比，多属性谈判要复杂的多，也更富有挑战性。在多属性谈判中，存在“双赢”情况。但是，现有在多属性自动谈判机制存在着局限性。谈判策略实施存在时间复杂度高、难以获得帕累托解和实际应用难等；人工智能技术在自动谈判中的应用研究还较少，还处在理论阶段；并发谈判协议存在偏向协商一方和容易导致违约失信情况。因此本文提出了电子商务多属性自动谈判研究。　　本文主要的研究内容：　　首先，提出一个电子商务多属性自动谈判系统的框架。电子商务多属性自动谈判是个复杂的问题，文中首先进行了电子商务自动谈判的机理分析，讨论了电子商务和谈判涵义，然后对商务谈判过程既包括传统的商务谈判和现存的电子商务谈判过程进行了分析。在此基础上提出了电子商务多属性自动谈判框架，为研究电子商务自动谈判的根本立足点做详细介绍，给将要讨论的电子商务自动谈判中的关键问题打下基础。　　其次，提出了不完全信息下的基于偏好的自动谈判策略。谈判策略是参与者在符合谈判协议规定的前提下为了使自己的利益最大化而采取的决策机制。任何一种策略都要权衡既不错失获得利益的机会，又要让自己取得尽可能大的利益。本文在不完全信息下，根据拥有对方偏好（权重）信息的情形下，相应的给出了基于偏好的自动谈判策略。该策略思路清晰明了，时间复杂性低，使双方能获得较高的满意度，可获得帕累托最优解。　　第三，提出了基于神经网络和案例推理的谈判模型。谈判都是在不完全信息条件下进行的，谈判者并非无所不知，其效用并非共享而是私有的。随着谈判问题的增多，谈判环境变得更复杂；由于环境的未知性，需要开发更具有适应性的软件Agent。基于案例的推理(CBR)，是人工智能领域较新崛起的技术，是一种基于过去的实际经验或经历的推理，是人类思维过程的综合体现。案例推理与神经网络存在着某种自然的联系，二者不仅具有一些共同特点，如联想记忆、动态存储和自适应，而且二者在许多方面具有互补性。利用神经网络的对噪音数据不太敏感和并行处理等诸多优点，来实现基于案例的推理可以取得非常好的效果。现有谈判模型效用函数多数是采用多项线性相加计算式，其权值靠人为凭经验确定，不能充分反映实际需要，具有一定的局限性。本论文提出采用学习与逼近能力优良的人工神经网络来替代效用函数。　　第四，对多属性并发谈判机制进行研究。在分析了已有的并发谈判研究成果的基础上提出了一个多属性并发谈判协议。以往的并发协议存在以下问题：第一，大多数现存的并发谈判协议没有解决发生在多对多谈判中的谈判的一致性和违约风险这样的问题。第二，多数协议没有解决多属性谈判和偏好未知的竞争性情景。第三，多数基于合同网变化的模型没有解决并发谈判过程。本文提出的协议具有如下特点：（1）能使买方和卖方同时参与几个谈判过程；（2）给出的谈判过程避免了现存的一对多谈判中偏向参与谈判的某一方的情况。(3)提出的谈判算法消减了谈判双方违约情况的数目；（4）改进了谈判效率和鲁棒性。　　最后，文中设计了电子商务多属性自动谈判系统。