随着计算机技术和电子商务的发展,网上谈判和网上交易越来越被人们所接受。社会的竞争越来越激烈,比起传统的谈判方式和交易方式,网上谈判和网上交易可以节省大量的人力和物力资源。尤其是自动谈判,它不用谈判双方指定一个固定的谈判地点和动用太多的谈判人员,从而减少传统谈判和交易带来的负面影响。在传统的电子商务自动谈判中,人们往往根据效用函数来决定是否接受对方的报价,使得低于给定效用值的报价都被淘汰出去。本文主要是从模糊的角度来讨论谈判者关于对方报价的接受度,采用隶属度函数来表示这个接受度。模型还引入了贝叶斯学习机制通过Agent对谈判双方的一些信念和保留值进行学习,并且结合不同的谈判条款对谈判者的影响权重不同,采用组合的方法来考虑多条款谈判中的让步问题。本文提出了一种比传统谈判模型更加接近现实的谈判模型,并且对该模型如何在计算机中实现进行了研究,并且结合实例采用Swarm仿真平台对不具有学习机制的谈判模型和具有学习机制的谈判模型进行了仿真评估,结果表明模型在各自适应的条件下得出的结果都是合理的。另外还采用遗传算法找到可以同时满足谈判双方的满意解,最后通过比较得出各个模型的适用情况。