摘要： 在Multi-Agent系统(MAS)中，每一个Agent都有不同的目标。通常只拥有对方的不完全信息。Agent需要具有解决在实现各自目标过程中所产生的各种矛盾的能力。协商是解决这些矛盾的一种有效途径。本文提出了一个基于Bayesian学习的协商模型NMBL：在每一轮协商中，Agent通过Bayesian学习获取协商对手的信息，更新对协商对手的信念，然后根据基于冲突点和不妥协度的协商策略提出下一轮的协商提议。NMBL把整个协商过程看成一个动态的交互过程，体现了Multi-Agent系统的动态特性，同时NM

关键词: Bayesian学习 协商模型 Multi-Agent系统 协商结构GNA