１系统设计
其运行流程为：
１）招标人与管理Ａｇｅｎｔ直接交互．招标人将招标项目相关信息内容直接输给管理Ａｇｅｎｔ；
２）管理Ａｇｅｎｔ将这些信息传给招标Ａｇｅｎｔ，以备投标者索要，传给信息管理Ａｇｅｎｔ形成招标公告和资格预审通知后在招标网站进行发布，同时，信息管理Ａｇｅｎｔ在自己的数据库中查找可能投标者，并通知潜在投标者；
３）投标人收到信息后，如果有意应标，则通过招标人的ＵＲＬ登陆其网站，通过投标ａｐｐｌｅｔ报送资格预审材料，投标Ａｇｅｎｔ将材料传给招标Ａｇｅｎｔ进行预审，结果由信息管理Ａｇｅｎｔ发送给投标人；
４）通过预审的投标人从招标Ａｇｅｎｔ处获得招标文件，招标人组织现场勘察，并针对投标人的质疑进行澄清和修改，投标人据此进行投标文件的编写；
５）投标人通过投标ａｐｐｌｅｔ输入投标文件，投标ａｐｐｌｅｔ将其传送到投标Ａｇｅｎｔ，在收到足够数量的投标文件后，投标Ａｇｅｎｔ将信息做适当的转换形成评标决策问题，提交到决策Ａｇｅｎｔ，招标Ａｇｅｎｔ也将招标文件相关信息传给决策Ａｇｅｎｔ；
６）决策Ａｇｅｎｔ将各投标文件和招标文件的信息分配给相应的评价Ａｇｅｎｔ和谈判Ａｇｅｎｔ中，评价Ａｇｅｎｔ负责从技术、资质和管理等方面，对照招标要求分别对各投标人进行评价，每个谈判Ａｇｅｎｔ负责进行一对谈判的计算，即模拟其中一个投标人和招标人的谈判过程．评价结果和谈判结果提交给决策Ａｇｅｎｔ，决策Ａｇｅｎｔ负责形成评标决策结果，并将结果提交给管理Ａｇｅｎｔ．招标人通过管理Ａｇｅｎｔ对结果进行最后确认后，管理Ａｇｅｎｔ通知信息管理Ａｇｅｎｔ对中标者发送中标通知，并将结果通知其他投标人．
２谈判模型设计
２．１理论基础
基于遗传算法的多Ａｇｅｎｔ招投标谈判模型（ＧＡ－Ａｇｅｎｔｓ）以Ｏｌｉｖｅｒ的思想为基础，其中Ａｇｅｎｔ所用策略是基于简单的报价门限策略，并用遗传算法来优化门限序列，最后达到满意解．门限对于一个Ａｇｅｎｔ来说是一个效用值，该Ａｇｅｎｔ报出方案的效用必须高于这个门限，对手报出方案的效用高于这个门限才可被接受．如一个Ａｇｅｎｔ门限为０．６５，则该Ａｇｅｎｔ必须选择对自己效用高于０．６５的报价方案报给对手进行谈判．如果对手门限为０．７，且这个报价方案对于谈判对手的效用为０．４，则谈判对手将会拒绝该报价方案，而再报出一个高于其门限效用０．７的方案．策略（即遗传算法中的染色体）是指简单的报价门限序列由多个报价门限按顺序排列组成，如一个Ａｇｅｎｔ谈判策略由３个报价门限排列而成：｛０．９０，０．７５，０．５３｝．表明该Ａｇｅｎｔ使用这个策略谈判时，第１轮报价采用０．９０作为报价门限，即只报出效用高于０．９０的方案，也只接受对方高于０．９０的报价方案；如第１轮谈判没有结果，则第２轮谈判中使用０．７５作为报价门限，然后使用０．５３作为第３轮报价门限．显然，策略体现了谈判的让步机制．一个回合（３轮）谈判结束后，Ａｇｅｎｔ将用遗传算法来发展新的策略．策略集合由多个策略组成的种群．例如｛｛０．９０，０．７５，０．５３｝，｛０．１５，０．３４，０．７８｝，…｝，其中每个元素便是一个策略，策略中的每个元素是一个报价门限．运用遗传算法从一代策略种群发展出下一代策略种群，最后得到很好的策略．在谈判开始时，每个Ａｇｅｎｔ随机产生各自的策略集合，并在这些策略集合中随机选取一个策略进行谈判，直到一个Ａｇｅｎｔ接受对方的报价或者退出．接着Ａｇｅｎｔ再从策略集合中选取另外一个策略重新进行谈判，这样循环直到集合中的所有策略全被使用过．然后，对策略集合中的各个策略使用遗传算法，发展出下一代的策略集合并重复进行谈判．这样，最后保留下来一个最优的策略，使得双方能够快速在几个谈判回合中就达成协议．
２．２模型描述
谈判是谈判参与者就谈判问题选择一定的谈判策略，使双方达成满意的收益，谈判模型可表示为Ｏ＝Ｃａ，Ｍａ，Ｉ，ＧＡＳｃ，Ｓ（ｍ），Ｕｃ，Ｕ｛ｍ｝（１）式中：Ｃａ、Ｍａ分别表示投标人谈判Ａｇｅｎｔ和招标人谈判Ａｇｅｎｔ集合，即：Ｃａ＝Ａｃ１，Ａｃ２，…，Ａ｛ｃｎ｝、Ｍａ＝Ａｍ，ＭＡ｛ｍ｝；Ａｃｉ是第ｉ个投标人的谈判Ａｇｅｎｔ，１≤ｉ≤ｎ，ｎ是投标人总数；Ａｍ是招标人的评价Ａｇｅｎｔ，ＭＡｍ是招标人决策Ａｇｅｎｔ；Ｉ表示谈判问题，主要包括工程报价和工程工期，用ｊｊ∈１，（｛｝）２表示报价和工期；ｘｃｊ∈｛ｘ－ｃｊ，ｘ－ｃｊ｝、ｘｍｊ∈ｘ－ｍｊ，ｘ－｛ｍｊ｝分别表示投标人和招标人各自的报价和工期；Ｓｃ、Ｓｍ表示投标人和招标人的谈判策略集合，策略集合就是一个策略种群，由多个策略组成；Ｕｃ、Ｕｍ表示具体的方案对ｓｃ，ｓ｛ｍ｝，分别给投标人和招标人带来的收益．
２．３流程设计
招标决策分为两个部分内容，一是招标人评价Ａｇｅｎｔ从技术、资质和管理等方面，对照招标要求分别对每个投标人进行评价，得出结果，由于这些方面的信息相对固定，谈判余地较小，故直接采用智能评审的方式；二是招标人与每个投标人通过谈判Ａｇｅｎｔ就工程报价和工程工期进行谈判，每对谈判并行进行，既提高谈判效率又能保证方案的多样性和主体的平等性．评价Ａｇｅｎｔ和多个谈判Ａｇｅｎｔ并行完成各自任务，最终得到每个投标人在技术、资质和管理方面的被评结果，以及与招标人在报价和工期方面的谈判结果．被评结果和谈判结果全部提交给决策Ａｇｅｎｔ，由决策Ａｇｅｎｔ进行最后决策形成评标结果．每对投标方与招标方的谈判运行如图２，模型中包括投标Ａｇｅｎｔ、招标Ａｇｅｎｔ以及一个谈判Ａｇｅｎｔ．图中的实线框部分表示由Ａｇｅｎｔ自动执行，虚线框部分表示由人来执行，具体运行过程如下所述：
１）初始化．谈判开始前，招投标双方对各自的Ａｇｅｎｔ进行一系列设置，包括谈判事项、方案的取值空间、权重、效用函数等．
２）产生策略群体．投标Ａｇｅｎｔ和招标Ａｇｅｎｔ分别根据设置，随机产生一个群体空间为Ｎ的策略集合，该集合包含Ｎ个具体策略．
３）报价与反报价．招标Ａｇｅｎｔ和投标Ａｇｅｎｔ从各自的群体中随机选择一个策略放入到谈判Ａｇｅｎｔ中，跟对方Ａｇｅｎｔ策略进行谈判．
４）进行一对策略谈判的计算，算法结构为Ｆｏｒｓ＝１ｔｏｋ将效用Ｕｃｓ转化为投标Ａｇｅｎｔ的特定谈判方案；根据招标Ａｇｅｎｔ的效用函数，计算招标Ａｇｅｎｔ对于此方案的效用Ｕｍ－ｃｓ：ｉｆＵｍ－ｃｓ≥Ｕｍｓｏｒｓ＝ｋｔｈｅｎｆｉｔｎｅｓｓ＝Ｕｃｓ×Ｕｍ－ｃｓｎｅｘｔｓ一对策略谈判结束后，即可得此对策略的适应度，分别存储此时双方的策略及对应的适应度．
５）双方继续从各自的策略集合中随机选择策略进行谈判，直到所有策略都参与过谈判，即存储空间中存储Ｎ个适应度值．
６）经过一个循环存储了Ｎ个适应度值后，进行适应度进化参数ｇ的计算，判断此时谈判是否收敛，双方策略是否需要进一步优化．如果ｇ小于事先给定的一个小数，则表示谈判已经收敛，谈判Ａｇｅｎｔ将输出最大的适应度及其相关的方案信息，否则通过遗传操作产生新一代的策略群体，再回到步骤２循环进行上述的运算．
３模型算法设计
３．１编码
由于模型中的染色体为招投标双方的效用值序列，而效用值是双方根据自己的偏好映射到空间［０，１］上的小数．考虑到编码的方便和运算的精度，取效用的有效位数为２，将小数乘以１００，转化为１到１００之间的整数，再采用二进制编码．但由于２６＝６４且２７＝１２８，使得二进制编码超过１００，违反了编码的健全性，所以本模型使用一种改进型的二进制编码模式［１３］．采用５位二进制数编码（覆盖｛０，３１｝整数空间），且令１１１１１为十进制数的９９，０００００为十进制数的６，其余数采用如下公式进行转换：Ｎ＝３ｎ＋６，其中ｎ∈｛０，３１｝．由于报价门限仅为效用值集合的一部分，所以这样的编码设计符合模型的要求．比如策略｛０．９０，０．７２，０．４８｝，即可以通过上述方式编码为｛１１１００，１０１１０，１００００｝．
３．２适应函数
根据本模型的特点，适应函数采用谈判双方Ａｇｅｎｔ联合效用函数最大化的方法给出．谈判方案涉及工程报价和工程工期两个问题，报价或工期的不同取值对于招投标双方Ａｇｅｎｔ的效用是不同的，采用线形函数来表示招投标双方在报价或者工期上的单一效用函数：ｕｃｊ＝ｘｃｊ－ｘ－（ｃｊ）ｖ－ｃｊ－ｖ－ｃｊｘ－ｃｊ－ｘ－ｃｊ＋ｖ－ｃｊｕｍｊ＝ｘｍｊ－ｘ－（ｍｊ）ｖ－ｍｊ－ｖ－ｍｊｘ－ｍｊ－ｘ－ｍｊ＋ｖ－ｍ烅烄烆ｊ（２）式中：ｖ－＊ｊ、ｖ－＊ｊ分别表示双方在ｘ－＊ｊ、ｘ－＊ｊ上的效用．在招投标谈判的讨价还价过程中，一个方案同时包含了工程报价和工期，故采用多属性函数中的积函数来表示双方对于一个特定方案的总效用：Ｕｃ＝∏２ｊ＝１ｕｃｊωｃｊ，Ｕｍ＝∏２ｊ＝１ｕｍｊωｍｊ（３）式中：ω＊ｊ为报价和工期的权重，且∑２ｊ＝１ω＊ｊ＝１．招投标谈判的目标是达成一个共赢的方案，即双方的联合效用最大化，所以模型目标函数即遗传算法的适应性函数可表达为ｆｉｔｎｅｓｓ＝Ｕｃ×Ｕｍ（４）式中，Ｕｃ和Ｕｍ分别是投标Ａｇｅｎｔ和招标Ａｇｅｎｔ的总效用．
３．３选择策略、遗传算子和终止算法准则
本模型可采用基于适应值比例的选择方法，即个体被选择的可能性与其适应度值和群体平均适应度值的比例有关．这种方式非常类似于轮盘赌中的转盘，转盘中的小扇区的面积越大（即适应值越大）则该个体被复制的概率就越大，在后代中存在的概率也就越大．遗传算子主要包括杂交率和变异率等参数．本模型可采用均匀杂交，即依概率交换两个父代染色体编码的每一位．变异算子是以一定的概率将所选染色体的某位编码取反值，即１取为０，０则取为１．判定算法的收敛与否常用的方法是预先规定一个最大的演化代数或者算法．本模型可采用适应度进化参数作为判定条件：ｇ＝ｍａｘｆｉｔｎｅｓｓ－ａｖｇｆｉｔｎｅｓｓａｖｇｆｉｔｎｅｓｓ（５）其中：ｇ为群体的适应度进化参数；ｍａｘｆｉｔｎｅｓｓ为群体中最大的适应度；ａｖｇｆｉｔｎｅｓｓ为群体的平均适应度．如果ｇ小于事先给定的一个小数，则表示谈判已经收敛，否则通过遗传操作产生新一代的策略群体，再循环进行运算．
３．４算法结构
４结语
本文基于Ｗｅｂ和Ａｇｅｎｔ技术提出工程招投标系统，为实现工程招投标过程的电子化和智能化提供了一条有效途径．谈判机制的引入，在一定程度上保证了招投标双方的平等地位，增加了方案的多样性，为双方提供了更多协商空间．顺序门限报价的遗传谈判策略及实现方法保证了谈判过程的高效性、公平性和科学性，使招投标结果具有实际的共赢效果．为使模型应用于实际的工程招投标活动，还需根据工程实例对模型的可行性及有效性进行验证，招投标双方复杂的收益函数也需要作进一步的研究．
作者：徐雯杨帆单位：华中农业大学经济管理学院
