在这篇论文中，我们介绍了在社交网络和多智能体系统中分析防御联盟的概念，探讨了形成联盟的因素，并提出了一种基于有向网络的防御联盟的新概念，并研究了与之相关的算法问题和组合发现。此外，我们还引入了一种新的有向图结构参数，并提出了一个参数化算法，能够在有向图中找到最小的防御联盟。
Sep, 2023
通过使用人工智能和大型语言模型，在历史的国际冲突中，包括第一次世界大战（WWI）、第二次世界大战（WWII）和中国的战国时期（WSP），我们提出了一种名为 WarAgent 的多智能体人工智能系统，模拟参与国家、它们的决策以及结果。通过评估模拟的效果，我们研究了先进人工智能系统在研究复杂的集体人类行为（如国际冲突）方面的进展和限制。我们的研究结果提供了以数据驱动和人工智能增强的洞察力，重新定义我们解决冲突和维持和平策略的方法。这些发现的意义超出了历史分析，为使用人工智能理解人类历史并可能预防未来的国际冲突提供了蓝图。
Nov, 2023
通过比较双边和多边关系的冲突影响性，本研究提出了一种基于文本和图形特征的分类方法，结果表明系统性特征较双边特征更能精准地预测实体间的冲突，而且维基百科中盟友的文章在语义上更相似。
Sep, 2021
本研究通过一个动态网络生成的、博弈论模型来显示，社会、生物学和经济网络的形成和衰败可以直接归因于简单的模仿和合作者与叛徒之间的内部冲突。合作者推动着连接紧密、高度繁荣的网络，而叛徒则导致网络破碎并失去繁荣。
Feb, 2011
本研究扩展了现有的 Potts 模型以包括负链接，将类似于社交平衡理论中的带符号图聚类的方法推广到更广泛的情形，应用于国际联盟和冲突网络，结果表明世界可以分为六个大国区，有一些显著的例外。
Nov, 2008
探讨了科学技术国际合作的不同解释，并发现很少有文献可以得到数据的详细支持。通过应用网络科学的新工具，发现国际合著的增长可以归因于自组织现象。作者的共同作用联系可以被认为是一个涉及竞争和合作特点的复杂网络，为管理全球科学合作提供了启示。
Nov, 2009
研究了多个防御者在安全游戏中的战略互动，提供了三种不同情形下平衡和代价分析的结论，并开发了一种新的混合整数线性规划公式来计算防御者的最佳反应，以便近似计算游戏的 Nash 平衡点，并将其应用于多个网络模型，包括现实世界的电网，从而揭示了网络结构及故障传播概率是防御者过度或过于低估安全性的决定因素。
May, 2015
本研究通过对称的零和矩阵游戏，证明了联盟形成可以被看作是一个社会困境，并且实证表明，在多代理强化学习中，天真的方法往往失败。同时，我们引入了点对点的合约机制来发现和执行联盟。最后，我们将我们的代理模型推广到了包括时间延伸合约的情况，并提出了进一步研究的机会。
Feb, 2020
通过引入一种称为 “福利外交” 的博弈规则，该研究旨在提供评估和加强合作能力的机会，以帮助研究人员发展和评估多智能体 AI 系统，并为全面社会安全做出贡献。
Oct, 2023
该研究开展了网络公共品博弈的算法研究，以诱导特定形式的均衡状态，研究了投资、网络结构和均衡状态对博弈结果的影响，并对多种均衡形式和效用函数进行了研究。