行政院國家科學委員會專題研究計畫 成果報告
智慧型代理人在 C2B 電子商務之應用研究
計畫類別： 個別型計畫 計畫編號： NSC91-2416-H-110-007- 執行期間： 91 年 08 月 01 日至 92 年 07 月 31 日 執行單位： 國立中山大學資訊管理學系(所) 計畫主持人： 鄭炳強 計畫參與人員： 陳燈能 報告類型： 精簡報告 處理方式： 本計畫可公開查詢中 華 民 國 92 年 10 月 14 日
行政院國家科學委員會專題研究計畫成果報告
智慧型代理人在 C2B 電子商務之應用研究
The Study of Intelligent Agents in C2B eCommerce Applications
計畫編號：NSC
91-2416-H-110-007執行期限：91 年 8 月 1 日至 92 年 7 月 31 日
主持人：鄭炳強 國立中山大學資訊管理學系
計畫參與人員：陳燈能 國立中山大學資訊管理學系
Email: [email protected]
一、中文摘要 本計畫是關於智慧型代理人於 C2B 電子商務之應用研究。透過集體採購， 顧客對企業（C2B）的商務模式好處很明顯；然而，一些尚未解決的問題，阻礙 了它的發展。例如，如何收集個別參與者的喜好，並將其轉換成集體的採購共識？ 如何在這虛擬的群體裡與個別的參與者互動？如何集體與賣方談判？為了解決 這些問題，本計畫提出了一個多重代理人的架構，來支援 C2B 的應用，並提出 一個 AHP 演算法來計算集體共識。最後，我們開發了系統雛形，展示筆記型電 腦的買賣，來驗證此一多代理人的架構在 C2B 上的應用。 關鍵詞：專題計畫、報告格式、國科會 AbstractThis paper is about using intelligent agent technology to facilitate the C2B (Consumer-to-Business) business model on Internet. The benefits of C2B, a collective purchasing model, are obvious, but there are some unresolved problems that obstruct the growth of this model. For examples, how to gather together individual’s preferences and translate them into a group’s synthesis? What is the mechanism to interact with each other in the virtual group, and how does the group negotiate with the sellers? In order to resolve these difficulties, we have proposed a multi-agent framework to support the C2B model in electronic commerce, and a new algorithm – adaptive-AHP has been proposed. Finally, we have implemented a prototype system on .NET for notebook computer purchasing to show how the adaptive-AHP is applied in the multi-agent systems.
Keywords: Multi-agent system, Collective Purchasing, Bargaining, Adaptive-AHP, Electronic Commerce 二、緣由與目的 電子商務（EC）的發展已經改變了傳統商務的型態，例如購物、談判、零 售等。顧客如今可以從網際網路上購買各類的物品。藉著降低交易成本，EC 如 今正顯現出巨大的吸引力。EC 有關的商務模型一般分成四類：B2B、B2C、C2C 和 C2B1。B2B 代表著企業對企業之間的交易行為。它們經由彼此協議好的溝通 模式，透過網站進行交易。B2C 則是企業在網際網路上的零售交易。C2C 是消費 者對消費者直接的交易（如 eBay）。 至於本計畫，將著重在探討 C2B，一般稱為「集體購物」的商業模式。消 費者集合有相同需求的購物者，透過集體議價與供應商談判，以降低採購成本。 與上述幾種模式相較，C2B 是發展較落後的一種。如果你在 google 搜尋引擎打 入“collaboratively purchasing”或“group purchasing”，會發現除了極少數的例外， 幾乎沒有真正從事 C2B 商務的網站；並且此少數網站，並不真正以集體購物為 主要的商業模式。比較具體的是 HIGPA (Healthcare Industry Group Purchasing association)聯盟，聯合多家醫院組織共同向供應商訂貨，但是其主要作業以人工 為主，並且也不是一個商務網站。 要能充分發揮 C2B 商務模式的優點，首先必須要有一種方法，聚合有相同 喜好的人，以形成一個虛擬族群。但若沒有任何協助，此一工作本身將非常 labor intensive，並耗費巨大交易成本，如此往往已失去 C2B 的意義。此外要能夠考量 到個別購物者的差異喜好，並予銷售者充分保持互動與協商，也不是一件容易的 是。這些問題共同加起來，阻礙了 C2B 模式的發展。 要解決上述這些交易上的問題，則必須將其交易過程自動化，儘量減少人為 的介入與負擔。但怎樣的工具才適合呢？我們的看法是利用智慧型代理人 （Intelligent Agents）系統--網際網路下一個最被看好的應用。雖然過去針對智慧 代理人（IA）相關的研究不少，然而多數的論文過於理想性而缺少執行上的細節。 因此本計畫的目的，是應用智慧型代理人之特性，建構出 IA 在 C2B 電子商 務上之應用方法與理論模型。一方面解決目前 C2B 電子商務發展所面臨之瓶頸， 另一方面探討在這樣的應用場景中，何種問題可應用 IA 來提供輔助，以及 IA 需 具備怎樣的功能。本研究則認為 IA 若要真正發揮應用的價值，應從實務上出發， 腳踏實地一步一步整合到商業應用裡去。唯有逐步地演進，IA 的應用才有可能 真正落實，成為未來有用的工具。 三、結果與討論 階層分析法 1 這樣的分類只是為了方便說明。其中的界線劃分不見得十分清楚，例如 Amazon 也經營拍賣網 站而 ebay 也是許多小本生意人的 B2C 網站。
階層分析法(Analytic Hierarchy Process) 是由 Saaty 所提出，目的是要協助解 決具有不確定性及多個評估準則之決策問題[9] 。其基本精神在於利用人們的主 觀喜好，轉變成明確的數字型態，來協助決策的計算。AHP 是一個應用非常廣 的決策方法，其應用領域如：經濟與規劃、能源（政策與資源分配）、健康、衝 突解決、購買物品等決策問題[13] 。 該方法主要包含三個部分，分解、比較、 及綜合，其詳細步驟如下[11] ：（此一方法所展開之階層樹請參考圖一） 步驟一：建立決策階層樹。找出決策的目標、評估準則、以及可選擇之方案，然 後將它們排列在階層樹上。 典型的階層樹類似一個金字塔的形狀，愈大 或涵蓋愈廣的目標放在最上面，較低階層則安排評估準則與次準則，以 計算各項權重，最底層則是各項方案以供評估。階層樹的知識通常來自 於專家。
步驟二：將所有屬性與選擇方案配對，並計算 judgment matrix 的 principal eigenvector。 步驟三：將比較結果轉換成權重並核對決策者之決策的一致性。參考之資訊為 CI index. 步驟四：利用權重來計算各個方案之分數並根據此一估算從各方案之中選出一個 暫時性的結論。 步驟五：執行敏感度分析，以察看此一暫時性結論相對於喜好的改變之敏感度。 Total Score C1 C2 W1 Ci Wi W2 …… C11 W11 C12 W12 Ci1 Wi1 Cij Wij …… … ..… .. V1 V2 Vm V1S11 VmSij V1S12 … 圖一、典型的 AHP 階層樹 階層分析法在集體決策上之應用 AHP 曾被用在集體決策的問題上[4] [5] [6] 。集體決策包含個別喜好的權重加 總，以求得單一的集體喜好。其方法至少有兩種。第一種方法利用幾何平均來加 總個別的喜好，然後再利用配對比較排列優先順序；至於第二種方法則利用算數 平均來計算個別喜好，其餘的部分則相同[8] 。由於幾何平均法在 AHP 相關文獻 中較為常見[1] [10] [12] ，這裡我們也利用此一方法來合計群組的決策。其詳細 辦法如下：首先假設群組的成員有相同的權重，並個別輸入他們的喜好和意見； 接著計算個別的幾何平均值，將這些值帶入配對比較的矩陣；最後再計算其倒數 矩陣之 eigenvector。例如，若 1 ij a , 2 ij a , … n ij a 是群組成員個別的喜好與意見，則 幾何平均法會計算 n n ij ij ij a a a1* 2 *...* )1/ ( 當作綜合的平均值，帶入配對比較矩陣來比 較元素 i 與元素 j。
可調式階層分析法 這是我們所建立的方法。與傳統 AHP 的應用不同，在這裡所有各項方案都 是暫時、可調整的。我們的談判代理人會根據會根據各項方案的評比與自動供應 商議價。由於供應商可根據談判的情況調整它的供貨條件，因此影響到 AHP 原 先的權值計算。這一切都在代理人的議價掌握之下進行，所以稱作 adaptive，其 完整的作業流程如下：（請參考圖二） 步驟一：藉由代理人的幫忙，收集個別的需求和喜好。 步驟二：利用幾何平均法綜合個別的喜好形成群組的喜好。 步驟三：將各個屬性（i.e.喜好）兩兩（或配對）比較。 步驟四：將比較結果轉換成權重，並查核其一致性。 步驟五：根據權重估算各個供貨方案的分數，排出評比順序，並得到一個暫時性 的結論（i.e., the best choice for the group）。
步驟六：詢問排名稍次的供貨商，是否願意變更它的供貨內容或條件，以獲得較 高的排名？若有供應商願意調整期供貨條件或內容，則回到步驟五，重 新計算評比。否則，整個流程結束，排名第一的供應方案成為最後的評 比結果。 Buyer_1 Buyer_2 Using GMM to synthesize individual’s preferences ……
Preference_1 Preference_n Preference_2 Buyer_n
Inquiring the alternatives if they wanted to change their products to get higher rank. Using group’s preferences to
be the weights of hierarchy Using AHP to evaluate the rank of different alternatives Yes
Agent makes the decision for Buyers.
No Interview some
experts to get the decision hierarchy Stage 1, 2 Stage 3, 4 Stage 5 Stage 6 圖二、需求收集與採購決策的過程 談判策略 關於談判的策略，此處有必要更詳細的說明。一般所謂的談判或議價，是一 種雙方互動的過程，企圖達到一個可以共同接受的結果，並且雙方對於此一結果 的偏好順序，呈現負相關[3] 。談判也可被看成是一個搜尋問題，談判的雙方共 同在一個多維空間裡搜尋一個共識點[7] 。 為了執行這樣的搜尋任務，在本系統裡我們建立了一個稱為 Negotiator 的代
理人，自動執行此一搜尋任務並與供應商互動。 以圖一為例，“C”, “W”, “V” and “VS” 分別代表“決策準則”、“路徑權重”、“供 應商”以及“供應商在分支上的權重”，談判的問題可以想成是：「m 個供應商在競 爭最高分數」；獲得第一名者，得到最後的買賣。為了找出誰是獲勝者，Negotiator 必須計算每一供應商的總分，然後加以排名。其任務目標可用底下的函數： ) * * ( 1 1 1 ∑ ∑ = = = i x j y m z VzSxy Wxy Wx
Max
來表示。談判步驟如下： 步驟一：計算各供應商分數並排序。 步驟二：找出各個品項的路徑權重，亦即 W1*W11、W1*W12、W2*W21、Wi*Wi1… Wi*Wij，並依照大小排序。 步驟三：對於名次較後的供應商送出訊息，「你暫時不是此一評比的最佳選擇， 請問是否願意調整“CiÆCij”條件下的品項值，以獲得較高的分數？」 步驟四：等候供應商的回復。當收到所有的回復之後，重新計算 AHP 的分數以 及新的排序。 步驟五：與先前的的結果作比較，若第一名的供應商沒有改變，則結束談判並直 接向第一名採購；否則回到步驟三，開始新一輪的詢問。 我們利用登山法（Hill-Climbing algorithm）來進行上述步驟，逐步逼近各個 供應商所能提供的最好條件，直到最後不再能調整為止；整個過程不需要人為的 介入。 系統架構 我們遵循 FIPA 的標準設計了一個多代理人系統，主要由兩部分構成： Agent-base 與 Agent Communication Channel (ACC)。前者是一個 super class 供 agent 繼承來使用；它具備所有代理人程式應有的功能，如 ontology, behavior, dialog, etc.後者則負責代理人之間的各種支援與通訊功能。藉由 ACC 所提供的一 系列 web services，代理人可以與 ACC 通訊，或經由與其它代理人通訊，反之亦 然。底下是此一架構的示意圖。Agent Communication Channel (ACC)
Agent-Base Agent-Base Domain Knowledge #1 Domain Knowledge #2 Agent #1 Agent #2 圖三、系統架構
圖四、代理人與 ACC 之通訊
以此架構應用在 C2B 商務上，可得到圖五的系統模組，其中我們共設計五 個專業代理人，分別是 Initiator、Coordinator、Negotiator、Search Agent、User Agent、以及 Vendor Agent。
圖五、C2B 之多代理人系統架構 Initiator 發起一個採購計畫，並設定其中各項可能需要考慮的條件。若以 notebook computer 的採購計畫為例，則可得到圖六的結果。 Coordinator 負責發出邀請通知，收集並整合參與個人的喜好與限制條件。 此外 Coordinator 還需與其它各個代理人互動，傳回它們的結果。 Negotiator 負責談判的工作，其詳細流程已如前述。
Search Agent 利用外界已有的搜尋引擎，如 google 等，在經過人工處理與 聯繫後，找出願意供貨的供應商。
Client Agent 和 Vendor Agent 分別代表購買者與供應商，提供相關的輔助 功能，並與平台上其它的代理人程式互動。
Notebook Price Function Computing & Storage Convenience Multimedia Peripheral CPU RAM H.D. Monitor Battery Weight VGA Audio F.D. CD Rom LAN Hardware Software OS AP Wireless 圖六、筆記型電腦採購之 AHP 決策樹 四、計畫成果自評 經由前面概略的說明，可以看出我們已建構了一個可實際應用的 C2B 商務 模型。除了無法研究此一架構在應用時，消費者的行為反應外，其餘目標均已在 本計畫實現，完全達到了原先計畫書的規劃。軟體實作的部分也達到很高的水 平，該專案參加第七屆大專資管專題競賽，並獲得資訊技術組「優勝」之獎勵。 （字號：91CSIM 第 0419 號） 此外，論文初稿也已發表在 IEEE SMC2-2003 年度會議[14]。我們利用搜尋 引擎及電子資料庫，均未發現以往有類似主題的著作。學術論文目前正在撰稿 中，未來應可發表在 SCI 相關學術期刊上。 五、參考文獻
[1] J. Aczel, and T.L. Saaty, “Procedures for synthesizing ratio judgements”, Journal of
Mathematical Psychology, Vol.27, 1983, pp.93-102.
[2] Ferber, J., Multi-Agent Systems—An Introduction to Distributed Artificial Intelligence, Addison-Wesley press, 1999.
[3] Hammer, W.C., and G.A. Clay, The Economics of Bargaining, University of Georgia Press, 1969.
[4] E.L. Hannan, “An eigen value method for evaluating contestants”, Computers and
Operations Research, Vol.10, 1983, pp.41-46.
[5] G. Islei, and G. Lockett, “Group decision making: suppositions and practice”, Socio
Economic Planning Sciences, Vol.25, Iss.1, 1991, pp.67-81.
[6] R. Khorramshahgol, and V.S. Moustakis, ” Delphic Hierarchic Process (DHP): A methodology for priority setting derived from the Delphi Method and Analytic Hierarchy Process”, European Journal of Operation Research, Vol.37, 1988, pp.347-354.
[7] J.R. Oliver, “A Machine-Learning Approach to Automated Negotiation and Prospects for Electronic Commerce”, Journal of Management Information Systems, Vol.13, No.3, 1996, pp. 83-112.
[8] R. Ramanathan, and L.S. Ganesh, “Group preference aggregation methods employed in AHP: An evaluation and an intrinsic process for deriving members’ weightages”,
European Journal of Operational Research, Vol.79, 1994, pp.249-265.
[9] Saaty, T.L., The Analytic Process, McGraw-Hill, New York, 1980.
[10] Saaty, T.L., and K.P. Kearns, Analytical Planning: The Organization of Systems, Pergamon Press, Oxford, 1985.
[11] Saaty, T.L., and L.G. Vargas, Prediction, Projection and Forecasting, Kluwer Academic Publishers, Norwell, MA, 1991.
[12] K. Willet, and R. Sharda, “Using the Analytic Hierarchy Process in water resources planning: Selection of flood control projects”, Socio Economic Planning Sciences, Vol.25, Iss.2, 1991, pp.103-112
[13] X. Zhu, and A.P. Dale, “JavaAHP: a web-based decision analysis tool for natural resource and environmental management”, Environmental Modeling & Software, Vol.16, 2001, pp.251-262.
[14] Chen, D.N., Jeng, B. “A Multi-agent Framework that Supports Collective Purchasing and Bargaining in Electronic Commerce,” IEEE International Conference on Systems, Man & Cybernetics, IEEE SMC-2003, Washington, D.C., USA, October 5-8, 2003.
