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。

Feb, 2020

本文研究网络玩家的公共物品博弈，其中每个玩家具有二进制行动，并针对这类博弈的算法方面进行了研究，包括纯策略纳什均衡的存在性检测，限制条件下的可计算性以及启发式算法的提出与实验测试。

Nov, 2019

通过一系列基于 Web 的实验，研究发现无论是高度成团的网络如派系，还是低聚集的网络如随机网络，网络拓扑结构都没有显著影响人类合作的平均贡献，但邻居行为对合作具有正反馈和负反馈影响。

Aug, 2010

本研究提出了一种使用对等激励机制指导智能体协调、从而实现更符合社会期望的 Nash 均衡的方法，实验发现，使用此方法可以增加博弈模型收敛到期望均衡的概率。

May, 2021

本文研究了各种类型的博弈中当玩家是（部分）利他主义者时的均衡的低效性，并通过模拟玩家的 “利他” 行为来推导出这些游戏的安定价格的（严格）下限。

Dec, 2011

研究不同空间结构和社会公共物品在生物进化中如何影响互惠行为，发现异质性网络能够促进互惠行为的出现，但这也可能导致少数人受益，大多数人受益较少或负面影响。此外，研究还发现即使总成本超过总利益，社会产品的制作者也可能受到选择的青睐。

Sep, 2019

通过建模为可微分博弈，并引入一种名为利他梯度调整（AgA）的新型优化方法，本研究成功地实现了个体和集体目标之间的对齐，加速了收敛并促进了利他和公平的协作。

Feb, 2024

这篇论文讨论了博弈论在共享资源议题上的应用，指出标准博弈论方法在处理复杂资源动态预测上的局限，并探索强化学习在该领域的应用，并且发现学习、排除和公平性在资源共享问题中是如何关联的。

Jul, 2017

提出了一种奖励机制，通过最弱小成员的表现去奖励整个团队，实现了自动化的公平性，并最大化了效能。此奖励机制涉及到团体选择和包容适应理论。

Oct, 2022

本文提出了一种奖励设计方法，通过多智能体强化学习和黑盒优化使得自利型智能体在非合作多智能体系统中选择的动作能够产生优化的系统结果，并且能通过离线的马尔可夫博弈来得到最优的激励设计结构。

Jan, 2019