本研究提出了一种基于领导-追随多智能体近端策略优化的层次化框架，以提升多无人机空战的协同作战性能。该框架通过三层结构设计和角色优化，有效应对高维动作空间的挑战，并在模拟实验中验证了其效果。

本文比较了时间至事件分析的几种预测模型，并评估了它们在三个数据集上的性能。同时，展示了集成方法如何提高预测准确度和稳健性，并通过模拟实验评估了方法的性能排序影响因素。

该论文提出了一种使用经验熵估计和精确马尔可夫性的方法来评分最大祖先图，通过限制节点数、最大头节点大小和辨识路径数，该方法在节点数量上是多项式的。模拟实验显示该算法具有更好的性能。

该研究提出了一种创新方法，利用模型和学习策略的协同作用，以及嵌入强化学习技术在模型预测控制框架内，来提高交通流量管理。该方法考虑了道路匝道入口流量控制的变数模型和需求不确定性，并通过模拟实验验证了其有效性。

该文章介绍了一种新颖的Bootstrap方法，可在线执行，特别适用于实时应用。作者证明了该方法在一般条件下的理论有效性，并通过大量模拟实验表明它能够在复杂的数据依赖关系存在的情况下提供可靠的不确定性量化。