Associative and frequentist opponent modeling approaches in automated bilateral negotiations

Abstract

This thesis mainly focuses on the problem of learning opponent's preferences during the negotiation in bilateral automated negotiation in which agents negotiate with each other to reach an agreement. Accordingly, it addresses the problems with the classical frequentist approach and advances the state-of-the-art in opponent modeling in automated negotiation by introducing a novel frequency opponent modeling mechanism, which updates some of the assumptions introduced by classical frequency approaches. Moreover, this thesis also proposes adopting association rule mining techniques to learn the opponent's preferences in bilateral negotiation. An extensive evaluation of those proposed approaches shows that the proposed approaches outperform the classical frequency model. In addition, this thesis argues that while optimizing one's utility function is essential, agents in a society should not ignore the opponent's utility in the final agreement to improve the agent's long-term interests in the system. It aims to show whether or not it is possible to design a social agent (i.e., one that aims to optimize both sides' utility functions) while performing efficiently in an agent society. Accordingly, we propose a social agent supported by a portfolio of strategies, a novel tit-for-tat concession mechanism, and a frequency-based opponent modeling mechanism capable of adapting its behavior according to the opponent's behavior and the state of the negotiation. The results show that the proposed social agent does not only maximize social metrics such as the distance to the Nash bargaining point or the Kalai point but also is shown to be a pure and mixed equilibrium strategy in some realistic agent societies.

Bu tez esas olarak, etmenlerin bir anlaşmaya varmak için birbirleriyle pazarlık yaptığı otomatikleştirilmiş ikili pazarlık sırasında rakibin tercihlerini öğrenme sorununa odaklanmaktadır. Buna göre, klasik frekansa dayalı yaklaşımla ilgili sorunları ele alır ve klasik frekans yaklaşımlarının getirdiği bazı varsayımların güncellendiği yeni bir frekansa dayalı rakip modelleme mekanizması sunarak, otomatik pazarlıkta alanında rakip modellemede literatürdeki güncel çalışmaları ileri taşır. Ayrıca bu tez, ikili müzakerede rakibin tercihlerini öğrenmek için birliktelik kuralları madenciliği tekniklerinin uygulanmasını önermektedir. Önerilen bu yaklaşım ların kapsamlı bir değerlendirmesi, önerilen yaklaşımların klasik frekans modelinden daha iyi performans gösterdiğini göstermektedir. Buna ek olarak, bu tez aynı zamanda kişinin fayda fonksiyonunu optimize etmenin gerekli olduğunu, ancak bir toplumdaki etmenlerin sistemdeki uzun vadeli çıkarlarını iyileştirmek için nihai anlaşmada rakibin faydasını göz ardı etmemesi gerektiğini savunur. Bir etmen toplumunda verimli bir şekilde performans gösteren (yani her iki tarafın fayda fonksiyonlarını optimize etmeyi amaçlayan) bir sosyal etmen tasarlamanın mümkün olup olmadığını göstermeyi amaçlar. Buna göre, bir strateji portföyü, yeni bir kısasa kısas ödün mekanizması ve davranışını rakibin davranışına ve müzakerenin durumuna göre uyarlayabilen frekansa dayalı bir rakip modelleme mekanizması tarafından desteklenen bir sosyal etmen önerilmektedir. Sonuçlar, önerilen sosyal etmenin yalnızca Nash pazarlık noktasına veya Kalai noktasına olan uzaklık gibi sosyal ölçütleri maksimize etmediğini, aynı zamanda bazı gerçekçi sosyal etmen toplumlarında saf ve karma bir denge stratejisi olduğu da gösterilmiştir.