Agente negociador baseado em técnicas fuzzy

Transcrição

1 Agente negociador baseado em técnicas fuzzy Mariela Morveli-Espinoza CPGEI UTFPR Curitiba, Brasil Myriam R. Delgado CPGEI UTFPR Curitiba, Brasil Cesar A. Tacla CPGEI UTFPR Curitiba, Brasil Resumo Os agentes negociadores são entidades computacionais que interagem dentro de um determinado ambiente para realizar acordos de compra e venda. Este artigo apresenta um modelo de agente negociador comprador que utiliza técnicas de sistemas fuzzy como mecanismo de raciocínio para a geração de propostas durante o processo de negociação. O agente proposto atua numa negociação bilateral de um só atributo e considera a utilidade do produto, o preço e a necessidade (ou urgência) de compra como entradas para o sistema de raciocínio fuzzy. Para o cálculo da utilidade de cada produto utiliza-se uma abordagem baseada na teoria de jogos modificada para valores fuzzy. O objetivo deste trabalho é mostrar que a utilização de técnicas fuzzy traz mais naturalidade à negociação e produz melhores resultados que uma tática fixa de geração de propostas. As simulações realizadas mostram que o uso de técnicas fuzzy cumpre com este objetivo. Além disso, a utilização da variável urgência ajuda a encontrar um melhor equilíbrio entre o preço final e o número total de rodadas. I. INTRODUÇÃO Quando há a necessidade de se chegar a um acordo sobre uma ou várias questões, a negociação pode ser uma alternativa interessante para se alcançar este objetivo. A Inteligência Artificial (IA) por sua vez possui técnicas que podem ajudar na modelagem computacional de processos de negociação em geral. Automatizar a negociação pode reduzir significativamente o tempo deste processo (fazendo com que grandes volumes de operações sejam feitas em um tempo menor) e ajuda a reduzir a resistência que algumas pessoas têm para se envolverem em uma negociação (por exemplo, por causa do constrangimento ou da personalidade) [3]. Por estas razões, a formalização da negociação tem recebido uma grande atenção da comunidade de sistemas multiagente ao longo das últimas décadas. Através destas pesquisas, está sendo possível o desenvolvimento de negociadores automatizados práticos (agentes inteligentes) que são capazes de realizar as negociações em nome dos usuários. Os agentes negociadores se envolvem em interações nas quais as propostas são o principal tipo de informação trocada entre eles. Um exemplo de proposta seria: propose (a,b {toyota,$10k}), onde a é o agente que envia a proposta, b o agente que recebe a proposta e {toyota,$10k} a especificação da proposta. As propostas são geradas segundo um plano de ação que o agente utiliza durante a negociação, chamado de estratégia de negociação, a qual é composta também de um conjunto de passos chamados de táticas. Dependendo do tipo de negociação, às vezes é necessária uma fase de pré-negociação. Em alguns casos é para estabelecer uma agenda com a importância dos atributos que vão ser negociados. Já a fase de pré-negociação neste trabalho define qual produto vai ser negociado e compreende duas partes: (i) na primeira um agente Vendedor calcula a utilidade de vários de seus produtos com base nas preferências estabelecidas por um agente Comprador (por exemplo, se o agente Comprador quer comprar uma câmera, então o agente Vendedor calcula as utilidades das câmeras que ele tem para vender); (ii) o agente Comprador escolhe um dos objetos, provavelmente aquele com a melhor utilidade para ele e eles iniciam a negociação daquele produto. Já na segunda fase do processo, que é a negociação em si, este artigo propõe uma tática para a geração de propostas e contra-propostas baseada em técnicas fuzzy que vai ser comparada com uma tática fixa. No primeiro experimento o agente Comprador utilizará a tática fixa e no segundo a tática fuzzy, já o agente Vendedor utilizará em ambos os experimentos só a tática fixa. Segundo Sierra et al. [4] a negociação automatizada é frequentemente caracterizada pela dificuldade enfrentada pelos agentes para a tomada de decisões crisp. Por exemplo, as preferências dos agentes ou a avaliação dos contratos podem ser vagas. Assim o uso de técnicas fuzzy parece ser muito natural para estender o modelo de negociação clássico. Existem vários artigos que relacionam negociação automatizada com lógica fuzzy de diferentes pontos de vista. Trabalhos como [5] e [13] têm como foco a fase de pré-negociação, já outros são mais voltados para a geração de propostas similares à do oponente para chegar mais rápido a um acordo como em [4]. Trabalhos como o de Kowalczyk et al. [10], Xin Wang et al. [12], Al-Ashmaway et al. [11] e Diamah et al. [1] propõem arquiteturas de agentes negociadores e levam em consideração diferentes informações (entradas do sistema) para chegar a um acordo satisfatório nas negociações. Com relação às táticas de geração de propostas, táticas como Boulware ou Conceder [9] geram contra-propostas com base no tempo de negociação, recursos disponíveis e preço. Já Kowalczyk e Bui [2] introduzem uma restrição fuzzy para avaliar a aceitabilidade da proposta do oponente, mas a tática de concessão usada é fixa. Assim, este trabalho propõe utilizar um mecanismo de raciocínio fuzzy que gere as propostas de um agente Comprador, o qual além de levar em consideração o preço do produto como entrada do sistema, considera também a utilidade do produto escolhido e a urgência de compra. A utilidade dos produtos será calculada utilizando a fórmula de função de utilidade da teoria de jogos na sua versão fuzzy. A utilidade será primeiramemente utilizada para a

2 escolha do objeto de negociação e depois como uma das entradas do sistema fuzzy. Serão realizados dois experimentos para cada produto, no primeiro a entrada urgência não será levada em consideração e no segundo sim, avaliando-se assim se existe uma melhoria no tempo da negociação quando a urgência é considerada. Por outro lado, uma vez que o artigo assume uma negociação bilateral, também será considerado um agente Vendedor, o qual gerará suas propostas, levando em consideração apenas o preço do produto, usando uma estratégia fixa. Este artigo está estruturado da seguinte forma. Após esta seção introdutória, a seção II descreve o problema a ser abordado. Na seção III é apresentada a forma como as preferências do usuario serão modeladas. A seção IV descreve a abordagem proposta neste trabalho. As simulações realizadas assim como os resultados obtidos são apresentados na seção V. Finalmente a seção VI traz as conclusões e trabalhos futuros. II. DESCRIÇÃO DO PROBLEMA Neste artigo, supõe-se um cenário de venda de produtos de segunda mão na internet onde há um agente Vendedor, um agente Comprador e um conjunto de objetos à venda. Os artigos para venda podem ser câmeras digitais, telefones celulares, PDAs, gravadores de vídeo e laptops. Cada um desses artigos possui características diferentes. Por exemplo, algumas características de uma câmera são: quantidade de megapixels, velocidade de obturação, tamanho da tela, zoom óptico e tempo de garantia. Todas essas características juntas descrevem a qualidade/capacidade da câmera e determinam o preço desta. Se o agente Comprador deseja comprar uma determinada câmera, então esta pode ser chamada de objeto de negociação. Um objeto de negociação tem geralmente um conjunto de características, também chamadas de atributos. Estes atributos podem ser quantitativos (preço, tempo de garantia, velocidade da CPU, etc.) ou qualitativos (natureza de um contrato, qualidade do serviço, cor, etc.). Os atributos quantitativos são definidos no domínio dos números reais, já os atributos qualitativos podem ser definidos sobre um domínio ordenado como {muito ruim, ruim, bom, muito bom, excelente}, onde os elementos são claramente rótulos ou etiquetas linguísticas. Não obstante, tanto os atributos quantitativos quanto os qualitativos podem ser descritos em termos linguísticos, dando mais naturalidade à negociação. Dependendo do cenário, chegar a um acordo rapidamente é bastante desejável. É por isso que durante o processo de negociação será considerada a necessidade ou urgência que tem um agente Comprador em adquirir determinado objeto. A hipótese é que esta variável irá influenciar no incremento do preço e pode diminuir o número de rodadas de negociação. Pode-se observar que o novo parâmetro urgência ou necessidade é um candidato ideal para ser descrito por meio de uma variável linguística, já que o agente pode ter baixa, média ou alta urgência de compra. III. MODELAGEM DAS PREFERÊNCIAS DO USUÁRIO Todo agente negociador precisa modelar as preferências do usuário. Uma das formas mais utilizadas na literatura é baseada no conceito de função de utilidade. A seguir define-se a sua equação geral 1 e na sequência define-se sua versão para valores fuzzy. Seja A um agente qualquer que participa em uma negociação e seja J o conjunto dos atributos do objeto de negociação que vão ser levados em consideração (J = {1,..., j,...n}). Seja D j = [min j, max j ] o conjunto de valores possíveis do atributo j que constituem o seu domínio, estes limites são geralmente chamados de valores de reserva. Cada atributo tem um valor x j D j. Por conveniência, para avaliar este valor do atributo, o agente tem uma função de pontuação sobre o seu domínio (V j : D j [0, 1]) a qual atribui uma pontuação a cada possível valor de x j, onde 1 é o mapeamento do valor do atributo j que dá a melhor utilidade ao agente e zero, o contrário. Finalmente, A tem um vetor de pesos w = (w 1, w 2,..., w n ) para os atributos, estes representam a importância que ele estabelece para cada um dos atributos, onde w j é a importância que o agente atribui ao atributo j. Assume-se que os pesos estão normalizados (i.e. n j=1 w j = 1). Assim, a utilidade da oferta X pode ser definida como: U(X) = n (w j V j (x j )) (1) j=1 Como uma parte da proposta deste trabalho é modelar os atributos do objeto da negociação utilizando etiquetas linguísticas, a seguir descreve-se como funciona a equação (1) com valores fuzzy. Para isso utiliza-se um dos métodos delineados em [7], onde o valor V j (x j ) é calculado como: V j (x j ) = µ qi (x j )V j (q i ) (2) q i Q Sendo que Q = {q 1,..., q Q } representa os conjuntos fuzzy definidos na partição do atributo j do objeto. No exemplo que será apresentado ao longo desta seção são assumidos 3 termos para Q ={baixa, média, alta}. A função V j : Q [0, 1] é ainda requerida e é utilizada para estabelecer a importância relativa de cada um dos conjuntos fuzzy. Usando esta abordagem, os valores dos atributos variam ao longo de um domínio contínuo como no modelo quantitativo (i.e. x j [min j, max j ]), porém a função de pontuação é definida como uma interpolação entre as funções de pertinência dos conjuntos fuzzy associados às qualidades Q. Onde, q i Q é um conjunto fuzzy e µ qi é o valor da função de pertinência para um determinado valor do atributo. Neste trabalho, V terá valores fixos para realizar os experimentos. Assim, para o conjunto fuzzy preferido pelo agente comprador C o valor de V será 1 e 0.5 para os outros dois conjuntos restantes. Por exemplo, se em agente Comprador quer comprar uma câmera fotográfica, mas não precisa que esta seja profissional, então não é necessário que o zoom ótico seja alto, o agente se conforma com um zoom ótico médio. O conjunto fuzzy que representa o valor Médio vai ter o valor V de 1 e os outros Versão obtida de Coehoorn e Jennings [8]

3 Para exemplificar considere os casos representados na Figura 1. Assume-se que V j (q 1 ) = 0.5, V j (q 2 ) = 1 e V j (q 3 ) = 0.5. O valor total da função V para o valor x j do atributo é calculado seguindo a fórmula: V j (x j ) = µ q1 (x j ) V j (q 1 ) + µ q2 (x j ) V j (q 2 ) + µ q3 (x j ) V j (q 3 ), ou seja, V j (x j ) = = E o valor total da função V para o valor x k seria: V j (x k ) = µ q1 (x k ) V j (q 1 ) + µ q2 (x k ) V j (q 2 ) + µ q3 (x k ) V j (q 3 ), ou seja, V j (x k ) = = Comparando ambos os resultados, observa-se que o valor de V j aumentou para x k já que esse valor do atributo é mais compatível com o conjunto fuzzy preferido pelo agente Comprador. Pode-se notar então que para este exemplo os menores valores de utilidade acontecem quando µ média = 0 e os máximos acontecem quando µ média = 1. Figura 1. Exemplo da representação de valores qualitativos ou quantitativos com conjuntos fuzzy Embora esta fórmula tenha sido delineada para ser usada durante o processo de negociação, neste trabalho será utilizada na fase de pré-negociação. O objetivo é utilizar esta fórmula para calcular a utilidade de um conjunto de objetos (por exemplo, câmeras), levando em consideração as preferências do agente Comprador. Mas que quem faz os cálculos é o agente Vendedor. IV. ABORDAGEM FUZZY DA NEGOCIAÇÃO BILATERAL Nesta seção será apresentado o modelo de negociação utilizado, incluindo o protocolo de negociação e a função para a tomada de decisões. Além disso, descreve-se como a fase de pré-negociação é feita. Na sequência são descritas as variáveis linguísticas e regras fuzzy utilizadas na fase de negociação. A. Modelo de negociação Objeto de Negociação: Um produto que se deseja comprar. Neste trabalho o atributo sobre o qual a negociação vai ser feita é o preço do produto. Protocolo de negociação: Foi utilizado o protocolo de alternância de propostas [7], no qual dois agentes quaisquer A e B trocam propostas com relação ao preço usando valores reais contínuos. p n B é a proposta do agente B na rodada de negociação n e p n+1 A a contra-proposta do agente A na rodada de negociação n + 1. Função para a tomada de decisões: A resposta de um agente com respeito às propostas recebidas pode ser computada como: { Resp A (n + 1, p n aceitar se B ) = BenefA (p n B ) Benef A(p n+1 A ) enviar contra-proposta (p n+1 A ) (3) No caso do agente Vendedor o benefício é maior quanto maior for o preço e o benefício do agente Comprador é maior quanto menor for o preço. Existe também a possibilidade de rejeitar a proposta, porém, isto só acontece no inicio da negociação. Modelo de raciocínio do agente Comprador: No primeiro experimento o agente Comprador utiliza uma tática fixa para gerar as propostas, ou seja, o percentual de incremento é o mesmo em todas as rodadas. No segundo experimento o agente usa uma tática fuzzy, ou seja, o percentual de concessão que o agente Comprador vai conceder na próxima rodada é determinado por um sistema de inferência fuzzy. O sistema de inferência do agente Comprador tem três entradas: utilidade do produto, preço do produto e urgência da compra. A saída é quanto, em porcentagem, o agente Comprador incrementará o preço em relação à sua última proposta. Com relação à tática de negociação, o agente Comprador utilizará ambas as táticas fixa e fuzzy, já o agente Vendedor só uma tática fixa. B. Fase de pré-negociação Tanto nesta fase como na fase de negociação, os agentes envolvidos são o agente Comprador C e o agente Vendedor V. Cada um dos agentes tem valores de reserva para Preço. Para o agente C os valores de reserva são [P min C, P max C ]. No caso do agente V os valores de reserva são [P min V, P max V ], onde P min V é o preço mínimo que V vai aceitar pelo produto e P max V é o preço inicial do produto. O agente comprador C obtém do seu usuário os atributos (conjunto J) que o objeto que deseja comprar deve ter, e para cada atributo o grau de importância (w j ) e o conjunto fuzzy onde encaixam as suas preferências (q i tal que V j (q i ) = 1). Por exemplo, o zoom ótico e a quantidade de megapixels são dois atributos escolhidos pelo usuário; e para ele é mais importante o primeiro (w 1 > w 2 ). Suponha que o usuário não precisa de uma câmera muito avançada, então um zoom ótico médio e uma quantidade de megapixels baixa satisfazem suas necessidades. Após obter as preferências do seu usuário, conforme o detalhado na seção III, o agente Comprador as transmite para o agente Vendedor, como geralmente acontece quando se deseja realizar uma compra. O agente V realiza os cálculos das utilidades de suas marcas e modelos do produto levando em consideração as informações recebidas. O resultado é uma lista de produtos que casam com as preferências transmitidas por Comprador com seus respectivos preços e valores de utilidade. Nesta lista, a utilidade mais alta representa o produto mais adequado. Finalmente, se há dois produtos com valores de utilidade altos e muito próximos, o agente C pode usar a lista de preferência de marcas do usuário. Com a escolha feita, inicia-se o processo de negociação sobre o preço do produto

4 selecionado. Este processo envolve neste trabalho dois tipos de estratégias: fixa (Vendedor) e fixa/fuzzy (Comprador). A seção a seguir descreve as variáveis linguísticas e regras que compõem o SIF para a estratégia fuzzy. C. Fase de Negociação baseada em Sistema Fuzzy As variáveis de entrada do sistema fuzzy são: Utilidade do produto: o universo desta variável vai de 0 a 1, onde 0 significa a menor utilidade possível e 1 o contrário. Preço do produto: o universo desta variável é definido pelo intervalo [P min C, P max C ]. Urgência: o universo desta variável varia entre 0 e 1, onde 0 significa o comprador não tem urgência alguma de compra e 1 o contrário. A Figura 2(a) mostra as funções de pertinência para cada um dos termos linguísticos das variáveis de entrada. A variável de saída do sistema fuzzy é: Porcentagem de incremento do preço: o universo varia entre 0 e 5. Para realizar os experimentos fixou-se em 5% (sobre a proposta anterior) o máximo incremento possível, que é o mesmo valor que o decremento fixo do agente vendedor. Na realidade o usuário deve ser livre para inserir a porcentagem que deseje, portanto o comportamento desta variável será melhor estudado em trabalhos futuros. A Figura 2(a) ilustra as funções de pertinência para cada um dos termos linguísticos, para o primeiro experimento, onde não se leva em consideração a variável urgência. Já, a Figura 2(b) mostra a variável de saída quando se leva em consideração o termo urgência. (a) (b) Figura 2. (a) Este gráfico representa as variáveis: Utilidade do produto, preço do produto, urgência de compra e porcentagem de incremento do preço para o primeiro experimento. Ti significa os termos lingúisticos (Por exemplo, T1=Baixo, T2=Medio e T3=Alto, para a variável preço do produto). (b) Variável Porcentagem de incremento do preço para o segundo experimento, onde se leva em consideração a urgência. Para as variáveis preço do produto, utilidade do produto e porcentagem de incremento do preço usamos uma configuração de conjuntos fuzzy usual (formato triangular com partição uniforme). O número total de termos (igual a três) foi estabelecido assim para não gerar uma grande quantidade de regras. Para o primeiro experimento, onde o objetivo é comparar o uso de uma tática fixa com uma tática fuzzy, foram Tabela I. Tabela II. REGRAS DE INFERÊNCIA DO PRIMEIRO EXPERIMENTO U P PI U P PI B B B A B A B M B A M M B A B A A M M B M M M B M A B REGRAS DE INFERÊNCIA DO SEGUNDO EXPERIMENTO U P N PI U P N PI B B B MB M M A A B B M B M A B B B B A M M A M M B M B MB M A A M B M M B A B B M B M A M A B M A B A B MB A B A MA B A M B A M B B B A A M A M M M M B B B A M A A M B M B A A B B M B A M A A M M M M B B A A A A M M M M consideradas duas entradas apenas: Utilidade do produto (U) e Preço (P) e a saída: Porcentagem de incremento sobre o preço enviado anteriormente (PI). A Tabela I mostra o conjunto de regras utilizado. Já a Tabela II, mostra o conjunto de regras utilizado no segundo experimento, onde além das entradas Utilidade e Preço, se considera também a entrada urgência (N). V. SIMULAÇÕES E RESULTADOS Nesta seção são apresentados os experimentos realizados com dois produtos diferentes: uma câmera de fotos e um laptop. O primeiro produto é para um usuário não profissional portanto o preço não é tão alto. Já o segundo produto, é para um usuário que quer um produto com características melhores na média, portanto o preço é um pouco mais elevado. A idéia é comparar o comportamento do nosso agente em duas situações diferentes. As simulações foram realizadas com a ferramenta Toolbox Fuzzy de Matlab. As configurações do mecanismo de raciocínio fuzzy são: (i) Agregação dos Antecedentes = Min, (ii) Semântica das Regras (ou implicação) = Min, (iii) Agregação das Regras = Max, e (iv) Método de Defuzificação = Centróide. A. Primeiro experimento (Produto câmera) O objetivo deste experimento é comparar a tática de geração de proposta com um incremento fixo com uma tática de geração de propostas fuzzy. Como não se tem um banco de dados real de produtos e uma vez que a tarefa do agente vendedor é basicamente calcular a utilidade dos produtos e filtrá-los, os experimentos partem de um produto escolhido e o valor da utilidade é fornecido manualmente. Neste experimento vamos utilizar os seguintes parâmetros iniciais: - Objeto de negociação: câmera fotográfica - Utilidade do produto escolhido: Valores de reserva da variável preço: [ ]

5 - Preço do produto: R$584 - Estratégia de negociação do vendedor: decremento fixo 5% - Estratégia de negociação do comprador: incremento fixo 5% e fuzzy A Figura 3(a) mostra um gráfico do comportamento dos agentes durante o processo de negociação, usando a tática fuzzy para gerar as contra-propostas. É importante salientar que o agente Comprador cria automaticamente os conjuntos fuzzy da variável Preço com base na faixa de preço do usuário. Tanto o vendedor quanto o comprador vão fazendo concessões até chegar à rodada 19, onde o agente vendedor aceita o preço R$371.42, previamente proposto pelo comprador. (a) (b) Figura 3. (a) Resultados da negociação quando o agente comprador usa uma tática fuzzy para a geração de propostas. A negociação termina na rodada 19 com preço R$371.42; (b) Resultados da negociação quando ambos agentes fazem concessões fixas de 5%. A negociação termina na rodada 16 com preço R$ Por outro lado, a Figura 3(b) mostra o comportamento dos agentes quando vendedor e comprador utilizam uma tática de geração de propostas fixa de 5%. Neste caso, a negociação termina na rodada 16 com preço final R$407.83, ao contrário do caso anterior no qual quem aceita a proposta é o agente comprador. Note-se que o agente consegue pagar um menor preço usando a tática fuzzy, entretanto, são necessárias mais três rodadas de negociação. Se o objetivo principal do agente comprador é gastar menos, então fica claro que a tática fuzzy funciona melhor que a tática fixa uma vez que o incremento fuzzy é geralmente menor do que 5%. Pelo contrário se o objetivo principal do agente é terminar na menor quantidade de rodadas então a tática fuzzy perde para a tática fixa. Isso nos coloca frente a um problema multiobjetivo, o qual está fora do escopo deste trabalho. Porém, o segundo experimento tenta resolver em parte este problema usando uma nova entrada no sistema de inferência fuzzy. B. Segundo experimento (Produto câmera) Buscando equilibrar ambos os objetivos, esta seção descreve um segundo experimento que inclui a variável urgência de compra. Além de tentar encontrar um equilíbrio entre o preço final e o número de rodadas, parece bastante natural pensar que dependendo da necessidade do comprador em adquirir o produto ele pode fazer concessões maiores durante a negociação. A Figura 4(a) mostra um gráfico do comportamento dos agentes durante o processo de negociação, o agente Comprador gera suas propostas utilizando a tática fuzzy e levando em consideração urgência=1. A Figura 4(a) mostra como o Vendedor e o Comprador fazem concessões até atingirem a rodada 17 com preço final de R$395.80, onde o vendedor aceita a proposta prévia enviada pelo comprador. A Figura 4(b) ilustra as concessões feitas pelo agente comprador quando não tem nenhuma urgência de compra (urgência=0). O preço final fica em R$ e a negociação termina na rodada 21. Pode-se observar que quando a urgência é grande o sistema busca um equilíbrio entre preço e número de rodadas. Com respeito ao primeiro teste (Figura 4(a)), a negociação termina em duas rodadas a menos, porém, ainda o preço é menor que no caso da tática fixa (Figura 3(a)). Já quando a urgência é mínima, embora o preço seja baixo o número de rodadas é grande. No caso de ter um máximo número de rodadas é provável que não haveria um acordo para a negociação, deixando clara a importância da variável urgência para a negociação. C. Experimentos (Produto laptop) Os valores dos parâmetros levados em consideração para realizar este experimento são: - Objeto de negociação: laptop - Utilidade do produto escolhido: Valores de reserva da variável preço: [ ] - Preço do produto: R$ Estratégia de negociação do vendedor: decremento fixo 5% - Estratégia de negociação do comprador: incremento fixo 5% e fuzzy Diferentemente do experimento com a câmera, neste caso o produto custa mais e tem uma utilidade mais alta. Os resultados são apresentados na Tabela III, que também resume os resultados obtidos no experimento da câmera. O número de rodadas é bem menor que no experimento da câmera, devido ao fato da utilidade do produto laptop ser mais alta. Isto junto com uma máxima urgência de compra obviamente tem efeitos positivos sobre o número de rodadas. Neste experimento com urgência = 1 observa-se um melhor equilíbrio entre número de rodadas e preço. Desta vez, o experimento com urgência = 0 teve o mesmo resultado que o experimento usando tática fuzzy sem o parâmetro urgência, diferentemente

6 Tabela III. RESUMO DOS EXPERIMENTOS EXPERIMENTO COM O PRODUTO CÂMERA ESTRATEGIA FUZZY FIXA FUZZY/U=1 FUZZY/U=0 PREÇO FINAL RODADAS EXPERIMENTO COM O PRODUTO LAPTOP ESTRATEGIA FUZZY FIXA FUZZY/U=1 FUZZY/U=0 PREÇO FINAL RODADAS do produto câmera. Isto se deve a que a utilidade do produto câmera é menor, isto somado a uma urgência mínima acaba influenciando mais o resultado e faz com que os passos de incremento sejam bem pequenos. um leve incremento. - Introduzindo o parâmetro urgência, foi possível obter um bom equilíbrio entre o preço final e número de rodadas. Os resultados preliminares obtidos neste trabalho permitem concluir que uma tática de compra fuzzy produz resultados interessantes quando confrontada com uma tática de venda fixa. No experimento com o produto mais caro é possível notar que o vendedor termina decrementando em R$ 750 o seu preço base, dependendo da configuração deste talvez a negociação poderia ter terminado antes com uma rejeição da sua parte ao atingir o preço mínimo para vender o seu produto. Em trabalhos futuros, alguns items que serão levados em consideração são: (i) Lidar com o problema utilizando-se conceitos de otimização multiobjetivo, (ii) levar em consideração o tempo da negociação e colocar um deadline no processo, (iii) lidar com os limites mínimo e máximo de maneira mais dinâmica, (iv) modelar também o agente vendedor e propor novas estratégias de negociação para os dois agentes,(v) trabalhar com negociações multiatributo, (vi) fazer experimentos usando regras crisp e comparar os resultados com respeito às regras fuzzy utilizadas e (vii) fazer experimentos com outras configurações de conjuntos fuzzy. REFERÊNCIAS (a) (b) Figura 4. (a) Resultados da negociação quando a urgência de compra é a máxima. A negociação termina na rodada 17 com preço R$ ; (b) Resultados da negociação quando a urgência de compra é a mínima. A negociação termina na rodada 21 com preço R$ VI. CONCLUSÕES E TRABALHOS FUTUROS Neste trabalho foi apresentado um agente negociador comprador que utiliza um sistema de inferência fuzzy para gerar as contra-propostas durante o processo de compra e venda de um produto. Algumas conclusões sobre o trabalho realizado são: - O sistema proposto, baseado em uma estratégia fuzzy, teve melhores resultados para o agente Comprador que o sistema de incremento fixo. Nos experimentos de ambos produtos, o agente Comprador consegue o produto por um preço menor, utilizando uma tática fuzzy. Porém, o número de rodadas teve [1] A. Diamah, N. Masoud, e B. Bala, Fuzzy utility and inference system for bilateral negotiation. Uncertainty Reasoning and Knowledge Engineering (URKE), pp , [2] R. Kowalczyk e V. Bui, On Constraint-Based Reasoning in e-negotiation Agents. Lecture Notes in Computer Science, pp , [3] A. Lomuscio, M. Wooldridge M. e N. Jennings, A Classification Scheme for Negotiation in Electronic Commerce. Group Decision and Negotiation, pp , [4] C. Sierra, P. Faratin e N. Jennings, Deliberative automated negotiators using fuzzy similarities. Eusflat-Joint Conference on Fuzzy Logic, pp , [5] F. Abedin, K. M. Chao, N. Godwin e H. Arochena, Preference ordering in agenda based multi-issue negotiation for service level agreement. Advanced Information Networking and Applications Workshops, pp , [6] G. C. V. Kooten, E. Krcmar e E. H. Bulte, Preference Uncertainty in Non-Market Valuation: A Fuzzy Approach. American Journal of Agricultural Economics, pp , [7] P. Faratin, N. R. Jennings e C. Sierra, Negotiation Decision Functions for Autonomous Agents. International Journal of Robotics and Autonomous Systems, pp. 1 38, [8] R Coehoorn en. R. Jennings, Learning on opponent s preferences to make effective multi-issue negotiation trade-offs. Proceedings of the 6th international conference on Electronic Commerce, pp , [9] Hou, Chongming. Modelling agents behaviour in automated negotiation. Knowledge Media Institute, [10] R. Kowalczyk e V. Bui, On fuzzy e-negotiation agents: Autonomous negotiation with incomplete and imprecise information. Database and Expert Systems Applications, pp , [11] W. H. Al-Ashmaway e A. B. El-Sisi, Bilateral agent negotiation for e-commerce based on fuzzy logic. Computer Engineering and Systems, ICCES 07. IEEE, pp , [12] X. Wang, X. Shen e N. Georganas, A fuzzy logic based intelligent negotiation agent (FINA) in ecommerce. Electrical and Computer Engineering, CCECE 06. IEEE, pp , [13] Z. Wang e Y. Ling, A Negotiation Model with Fuzzy Preferences and Time Constraints. Computational Intelligence and Industrial Application. IEEE, CCECE 06. IEEE, pp , 2008.