本研究评估了GovSim框架，探讨大语言模型（LLMs）在资源共享中的合作决策能力。结果表明，GPT-4-turbo等大型模型在有无普遍化原则下均能实现可持续合作，而小模型则无法做到。这为大型模型在复杂合作任务中的适应性提供了重要见解。

本研究分析了多智能体合作决策的关键问题，系统梳理了主要决策方法，重点探讨了深度强化学习和大型语言模型的新技术，发现其在效率和灵活性方面具有显著优势。

本文研究了分散式多臂赌博机问题，提出了优化秩序和公平性的政策，应用于认知无线电和通信系统等领域。通过多种算法解决智能体间的合作决策，优化遗憾度和通信复杂度，验证了算法的有效性和鲁棒性。

本研究提出了一种基于模块化状态的斯塔克尔博格游戏（Mod-SbSG），旨在提高分布式制造系统中自学习代理的合作决策效率。该方法优化了决策过程，显著降低了能耗和溢出，改善了系统的整体目标值。