多Agent自动协商技术已经在分布式计算，电子商务等领域中得到了广泛的使用，研究者提出了各种协商方法，这些方法主要分为三个类别：基于对策论的协商方法，启发式的协商方法和基于辩论的方法。这些方法各具特色，但也存在着缺陷。例如，在多Agent系统中，agents有不同的信念，这些信念差异可能会对协商造成不利的影响，基于对策论的方法和启发式方法的共同缺陷在于在协商过程中agents不能交互额外的信息，因此agents很难修改自己的信念来减轻信念差异对协商造成的不利影响。基于辩论的方法分为两种：辩护(justification)和说服(persuasion)。基于辩护的方法的主要缺陷在于agents难以定量的评价offers的好坏。 本文提出了一个基于信念修改的说服协商方法。在这个方法中，agents可以在协商过程中修改信念，减少信念差异，从而在一定程度上帮助agents达成一致。另外，我们还使用奖赏作为说服论据，它可以扩展协商结果空间，并且能够帮助协商者尽快地达成一致。本文的主要工作如下： 1．本文协商方法使用了信念修改的概念。当agents互相协商时，他们能够交互额外的信息(如表达不同的偏好)，然后基于信念修改框架AGM，agents重新计算信念度(entrenchment degree)并且更新信念，从而在一定程度上减少信念差异。 2．本文给出了关于offer和奖赏的统一评估函数。agents将offer和奖赏作为一个整体来进行评估，然后进行决策，这种统一的评估函数为agents对当前利益和将来利益偏好的修改带来了方便。 3．协商过程中，agents使用奖赏帮助达成一致。在多agent协商中，大多数agents之间的协商都是重复的，因此agents可以使用奖赏作为说服论据来劝说反对者接受自己的提议。 4．在普适计算环境中，基于本文的协商方法，我们设计了一个分布式的上下文信息选取机制。分布式的上下文信息提供者互相协商，它们对谁提供上下文信息和如何分配收益这两个问题达成一致。最后，我们通过实验初步分析了我们方法的有效性。