coalition-formation

本文介绍了一种基于Hegselmann-Krause意见动力学的方法，用于联邦学习中的联盟形成，以解决物联网系统中的数据异质性问题，在水消耗预测中实现了显著的误差降低。

本文将智能体联盟形成和智能体间通信形式化为合作博弈，提出了边际价值激活规则和基于Shapley的在线路由，以降低多智能体LLM系统中的token成本并提高效率，并提供了理论保证和合成模拟结果。

本文研究了去中心化联盟形成作为一个由单方面退出与加入决策驱动的动态过程，采用Aumann-Dreze值进行局部收益评估。它建立了均衡刻画、Lyapunov和势函数表示，并分析了切换/接受成本对稳定性的影响。