在电子商务的智能谈判领域,研究工作从最简单的双边单议题问题发展到复杂的多边多议题协商。谈判模型的实现机制各不相同,涵盖了较多的技术方法,诸如网格技术、并发方法、模糊逻辑控制方法、事例推理技术、博弈方法、遗传算法等。针对多边多议题谈判,已有的研究工作取得了一定的成果,但也存在一些缺陷。大多数的研究工作未对议题之间关联性进行考察,而且限定谈判活动中议题的权重是固定的、权重初值是一次性指定的。与现实中的谈判行为作对比发现,谈判双方所提出的议题之间通常存在一定的相关性,而且谈判活动持续过程中议题的权重会发生一定的波动。所以,现有谈判模型的这些制约条件缩小了其应用范围。基于此,给出了一种新的多边多议题谈判算法——关联议题遗传算法。它不仅考察了议题的关联性问题,而且把权重动态变化因素融入其中。通过议题分组的方法得到组内相关、组间独立的格局;利用事例推理从历史交易中寻找最佳匹配案例,获取组权重变更的依据。在算法设计的基础上,构建了并发谈判的模型。模型中采用事例推理技术与移动平均法分析历史数据,寻找用户对议题权重的历史推荐值。然后由权重决策函数对用户的当前设定值和历史推荐值进行选择,得到最终的有效权重。通过给定的度量规则从议题权重过渡到组权重。同时,设计了根据议题效用计算组效用的方法。通过对算法的实验测试以及对模型的系统仿真,验证了设计的合理性、可行性。它不仅简化了用户对次要议题的处理,方便用户更好地使用谈判系统,而且可以依照用户要求提供除最优解之外的更多谈判信息,从而更有利于辅助用户决策。