首页  >  学术活动  >  学术交流  > 正文
哈工大(深圳)计算机学院计算机应用中心王轩团队获ANAC2024ANL赛道纳什最优性(Nash Optimality)国际第二名
发布时间:2024-08-29 10:22 浏览:[]

2024年5月6日至10日,哈工大(深圳)计算机学院计算机应用中心王轩团队参加了在新西兰奥克兰盛大召开的第23届国际智能体和多智能体系统会议(International Conference on Autonomous Agents and Multi-agent Systems, AAMAS),并在国际人工智能顶会IJCAI和AAMAS联合举办的的自动谈判智能体(ANAC)竞赛获得优秀成绩。

图1 会议注册

在AAMAS2024主办的第15届世界自动化谈判智能体竞赛(ANAC2024)中,由计算机应用中心老师王轩、吴宇琳、张加佳带领团队,博士生马天姿、硕士生熊鸿纪、王凤鹏、肖锦恒共同设计实现了谈判智能体CARC Agent,在ANAC2024竞赛的ANL(Automated Negotiation League)赛道中取得了优异的成绩。ANAC竞赛自2010年创办以来一直是评测多议题谈判策略的国际前沿平台,旨在激励领域内研究者针对不同的谈判场景设计高效谈判协议和策略,制定谈判领域的通用工具和标准,促进人工智能算法在自动化谈判领域的研究发展。

图2 CARCAgent与经典算法的对比评估

在今年的竞赛中谈判智能体CARC Agent在ANL赛道中成功进入Final List(本年度共有232个队伍注册参赛),最终获得纳什最优性(Nash Optimality)国际第二名、智能体个体收益(Individual Advantage)国际第八名的成绩,成为中国唯一进入Final阶段的团队。CARC智能体基于OBA框架,集成了对手建模、出价策略和接受策略三种核心算法,有效应对复杂多变的谈判环境。通过精确预测对手的保留价值,并利用曲线拟合算法动态更新,CARC算法能够实时调整策略,精准应对对手行为。CARC的出价策略从较为强势的出价开始,逐渐过渡到公平性强的双赢交易,确保在谈判临近结束时能够达成较优协议解。此外,接受策略也会根据谈判进程和对手建模的结果动态调整,从严格到宽松,以防止谈判破裂。初步实验表明,CARC算法在自动化谈判领域表现优越,能够超越多种传统算法,同时能够在求解公平双赢谈判解方面有巨大的潜力。

图3 CARC智能体在ANL竞赛中的成绩

图4 ANAC Session参会人员合影

Nash Optimality评价指标:

第一名 Shochan 日本 Tokyo University of Agriculture and Technology(东京农工大学)Nash Optimality = 0.8847

第二名 CARCAgent 中国 哈工大(深圳)Nash Optimality = 0.8809

第三名 UOAgent 日本 Tokyo University of Agriculture and Technology(东京农工大学) Nash Optimality = 0.8668

审核:张加佳


热文排行