该文综述神经符号与物理信息机器学习在多智能体决策和偏微分方程求解中的进展：提出神经符号并发随机博弈、部分可观测马尔可夫决策过程及随机博弈模型，结合感知机制处理连续状态与不确定性；用SGA算法改善多损失博弈收敛；将DeepONet与PINN结合提升尖锐解与逆问题精度；PINO学习参数化PDE解算器；几何变换扩展PINN至复杂几何并支持形状优化。