该论文介绍了决策制定模型中的三种简单操纵方法，并使用适当构造的神经网络来检测这些方法。实验结果表明，在生成的数据上，这些解决方案展现了相当的操纵检测水平。
May, 2024
该研究探讨了在决策制定中专家评价可能会受到贿赂的影响，提出了三种算法用于检测和防御该类欺诈行为。
Nov, 2022
本研究考虑了专家在决策过程中的角色和专家的诚实度对决策结果的影响，提出了一种基于排名交换的算法来讨论排名数据的可操纵性，并通过实例进行了阐述。
Apr, 2023
通过使用不同类型的有限信息，我们测量了不同投票方法对权为筹委会选举中的操纵程度，发现某些投票方法，如 Borda 方法，在有限信息下可以被神经网络高度操纵，而其他投票方法，如 Instant Runoff 方法，尽管能被具有完全信息的理想操纵者操纵，但实际上不容易被操纵。
Jan, 2024
本文介绍了启发式评级估计方法，其基于现有的排名数据和专家比较来做出决策。该方法将选定备选方案的排名值提前确定，其余方案的排名值则需要使用加法或乘法方法进行计算。同时，本文还提出了该算法的改进方案，使得专家无需两两比较所有备选方案。改进后的方法能够降低决策成本，简化决策数据的收集过程。
Jul, 2022
本研究考虑通过克隆候选人来操纵选举结果，研究了克隆投票模型下不同投票规则、偏好以及成本对操纵结果的影响，研究了最小成本克隆操纵问题以及与控制通过增加候选人和可能的（共同）获胜者问题的关系。
Jan, 2014
研究选举活动中的投票管理场景，外部方可以购买选票，目的是使其首选候选人获胜，同时尽可能少地支付，提出了一种 2 - 逼近算法，适用于大多数评分规则并且适用于加权选民，可以应用于商业环境的竞选活动管理。同时，提出了对两种 Condorcet 一致规则（即 Copeland 准则和 maximin）的求近似算法。
Mar, 2010
对犯罪网络中犯罪领导者鉴别的技术和算法进行了深入分析。提出了一种新的方法论分类法，通过对算法进行更详细的分类和具体技术鉴别，来解决现有调查报告的分类挑战。通过方法论分类法、实证评估和实验比较的结合，全面深入地理解了鉴别犯罪领导者的技术和算法，并提供了对未来发展的宝贵见解。
我们从选民偏好的角度研究委员会选举，寻找最具冲突的候选人，即表示最大冲突量的候选人。通过提出基本公理来捕捉这一目标，我们发现著名的多赢家投票规则没有满足这些公理。因此，我们设计了符合我们要求的委员会投票规则，引入了冲突投票规则。随后的深入分析更加清楚地展示了它们的运作方式。我们的研究还确定了冲突的各个方面，提出了相关的公理和定量措施，这可能具有独立的研究价值。我们通过对实际数据和合成数据进行实验证实了我们的理论研究。
本文探究了在不完整信息情况下的联合操纵问题及其计算性质，并提出了三种自然的操纵计算概念。我们提出的操纵问题在很多情况下都是计算上难以处理的，即使在很少信息缺失的情况下也是如此，这也使得本文的研究有着重要的实际应用意义。
Apr, 2016