研究了享乐联盟形成博弈中的稳定性概念，其中玩家的意见受其联盟成员影响，通过考虑玩家的乐观或悲观行为来限制其偏好，得出了多种情况下的稳定性结论。研究还涉及了加性可分离性博弈和带有 B - 偏好的博弈。同时表明本研究的结论无法扩展到已知稳定性概念更强的情形。

Jan, 2012

探究 Hedonic Games 的 PAC 可学习性和 PAC 稳定性，并提供不同类别的学习 / 稳定性结果，特别是在全表达形式下的 Hedonic Coalition Nets 表述中，我们识别了两组条件并针对特定 Hedonic Games 类别阐明了推动学习 / 稳定性的结构属性。

Jan, 2023

Hedonic Games are modeled for coalition formation with core-stability using the concept of ε-fractional core-stability, where at most ε-fraction of all possible coalitions is allowed to core-block, and efficient algorithms are designed to find an ε-fractional core-stable partition for Simple Fractional and Anonymous classes of Hedonic Games.

Nov, 2023

该论文提出了在树状图上计算最大福利分配的（伪）多项式时间算法，研究了分数喜好博弈在联盟形成游戏中的应用和关联，并说明了其求解的困难性和特定图类上的可行性。

Oct, 2023

研究 Schelling 模型的一般化博弈论模型，探讨更多种类的代理人和更普遍的基础图模型对动态性能和找到最佳位置的可操作性的重大影响，证明可以保证收敛。

Jul, 2019

本文主要研究具有单峰效用函数的 Jump Schelling Games 模型，并探讨该模型下的等衡状态与响应动态的特征，同时提出了积分度量和稳定代价的新概念，并分析了计算高积分度量状态的 NP 难度。

Feb, 2023

通过数学分析并且创新引入 HSV1-like 算法解决动态规划问题，其优于现有的线性规划和迭代方法。

Oct, 2022

本文研究多人随机博弈中同时学习的问题，通过生成算法获得相关均衡，包括 extensive-form correlated equilibrium 和普通 coarse correlated equilbrium，并提供了一些能够多项式时间内解决的特殊情况。

Oct, 2022

本文提出了基于 NOHD （Newton Optimization on Helmholtz Decomposition）算法的多智能体学习方法，其基于对系统动力学进行无旋（势能）和无源（哈密顿量）分解，保证了纯无旋和无源系统的二次收敛，且在一般的多智能体系统中收敛于稳定的固定点。本文在一些双矩阵游戏和连续 Gridworld 环境中与现有算法的表现进行了比较。

Jul, 2020

本文基于离散选择建模，针对整体权衡、最大化一致性或不一致性以及促进特定选择等问题，提出了一种优化框架，着重研究了直接更改选择集合对决策者群体偏好的影响，通过限制条件的引入，揭示了不同问题之间的基本边界，为难以解决的问题设计了近似算法，并展示了这些算法在现实世界的应用。

Feb, 2020